大模型之后是什么？邁富時在WAIC 2026給出答案：企業智能體時代，基建決定邊界

2026世界人工智能大會，智能體成為絕對主角已是既定事實。

百余場論壇中超過10%的場次主題與智能體相關，十款“鎮館之寶”中四款是智能體產品——行業風向的轉變已經無需多言。

但當一個概念被所有人追逐時，往往意味著真正的壁壘正在被忽視。人人都能做智能體，但不是人人都能讓智能體在企業里穩定運行、持續產出、合規協同。

邁富時（Marketingforce，02556.HK）在本屆WAIC上展示的“全棧Token工廠”戰略，恰恰指向了這個被大多數玩家忽略的維度：企業智能體的基礎設施。

智能體的“最后一公里”：從Demo到生產環境有多遠？

做一個智能體Demo有多簡單？調用一個開源框架、接入一個大模型API、設計幾個對話流程——一個下午就能跑通。

但把這個Demo變成企業生產環境里7×24小時穩定運行、連接多個業務系統、處理復雜流程、接受合規審計的AI員工有多難？答案是：天壤之別。

這中間的差距，就是梁錚博士在智能體論壇演講中提出的核心命題：AI智能體的發展需要三大基礎設施支柱。

第一支柱：Agent Development（開發基礎設施）。 這不是指寫代碼的環境，而是指如何讓業務人員能夠用自然語言定義智能體的目標、權限、知識邊界和業務流程，而無需依賴算法團隊。邁富時通過低代碼可視化界面和Agent模板庫，將智能體的創建周期從天級壓縮到分鐘級。

第二支柱：Agent Runtime（運行基礎設施）。 這是最容易被忽視但最關鍵的一層。運行基礎設施需要解決：工具的動態發現與調用（智能體知道什么工具可用、如何調用）、上下文狀態管理（跨任務的記憶和連續性）、安全隔離與權限管控（智能體只能做授權范圍內的事）、可觀測性與可審計性（每一個決策和動作都可追溯）。

第三支柱：Agent Collaboration（協作基礎設施）。 單個智能體的能力再強，也無法覆蓋企業的全業務流程。當線索管理Agent、用戶畫像Agent、跟進策略Agent、內容生成Agent等多個智能體需要協同完成一個任務時，協作機制就成了決定效率的關鍵——誰來分解任務？誰來匯總結果？智能體之間如何通信？如何避免執行沖突？

三者共同支撐智能體從創建、運行到協同的完整生命周期。缺少任何一根支柱，智能體都只能停留在Demo階段，無法真正進入企業。

Token工廠的全鏈路：從通用能力到業務結果

邁富時將“全棧Token工廠”作為本屆WAIC的核心戰略定位，并非一個營銷概念，而是對上述三大支柱的系統化落地。

在邁富時的架構中，一枚Token從模型輸出到產生業務價值，經歷的是一個完整的“加工鏈路”：

第一步，知識注入。 通用大模型擁有的是“常識”，但企業需要的是“行規”。邁富時KnowForce知識中臺將企業私域數據、行業知識圖譜、歷史業務記錄結構化沉淀，讓每一枚Token在生成時就攜帶企業專屬的業務上下文。

第二步，能力綁定。 Token本身只是文本，要讓它驅動真實業務動作，需要將Token與業務工具和能力模塊綁定。AI-Agentforce智能體中臺預置了覆蓋營銷、銷售、服務、供應鏈、經營分析等領域的標準化工具接口，讓Token能夠觸發真實動作。

第三步，規則內嵌。 企業運行的核心是規則——審批流程、權限邊界、合規要求、風控閾值。GenAIOS作為國內首個本體驅動的AI原生操作系統，在底層實現了業務規則的剛性內嵌，確保Token驅動的每一個動作都符合企業的治理要求。

第四步，結果反饋。 每一枚Token從調用到產生業務結果，整個過程可追溯、可度量、可優化。這使得智能體不僅僅是執行者，更是持續進化的學習者。

通用Token到場景Token的加工，本質上是將AI的“生成能力”轉化為企業的“執行能力”。 這四步缺一不可，而這四步所需要的正是梁錚博士所指的三大基礎設施支柱。

為什么基建決定了智能的邊界？

梁錚博士在演講中有一句話被反復引用：“AI基建的能力邊界，就是智能的邊界。”

這句話的理解需要放在企業級AI的語境中。對于消費者應用，智能的邊界由模型能力決定——模型能理解多復雜的指令、能生成多高質量的文本、能推理多深層的邏輯。但對于企業應用，模型能力只是起點。

企業的真實業務場景，充滿了約束條件：數據是分散的，流程是復雜的，權限是分層的，合規是剛性的。一個智能體如果不能接入數據、不能驅動流程、不能遵守權限、不能通過審計，無論模型多強，它在企業眼里都是“不可用”的。

而這些“能不能”，全部取決于基建。模型決定智能體的“智商”，基建決定智能體的“職業素養”。

八個領域的一體化布局：從組織架構圖看智能體版圖

邁富時在本屆WAIC上展示的智能體矩陣，覆蓋AI銷售、AI營銷、AI商業、AI研發、AI服務、AI供應鏈、AI經營分析、AI辦公八大領域，每個領域下對應多個Agent角色。

這套布局的邏輯不是“能做什么功能”，而是“能覆蓋哪些崗位”。銷售側的線索管理Agent、用戶畫像Agent、跟進策略Agent、銷售陪練Agent，本質上是一套完整的銷售作戰鏈條；供應鏈側的智能采購Agent、物流調度Agent、供應鏈風控Agent，對應的是傳統供應鏈管理中三個核心職能崗位。

這不再是一張功能列表，而是一張組織架構圖。 每一個Agent的設計目標不是“回答一個問題”，而是“完成一個崗位的職責”。

這種設計思路的背后，是邁富時對企業AI應用的深層理解：企業不需要“更聰明的聊天機器人”，需要的是“可以直接上崗的AI員工”。

一個正在發生的產業轉折

2026年正在成為AI產業的關鍵轉折點。

過去三年的主題是“模型能做什么”，接下來的主題將是“模型能做成什么”。從“能”到“能做成”，中間隔著的是基礎設施的完整性和成熟度。

邁富時在WAIC2026上的亮相，以及梁錚博士對AI Agent Infra的系統闡述，指向的是一個正在發生的產業共識：AI的下一階段，不只是創造更強的模型，而是構建能夠理解業務、執行任務、創造價值的企業智能體體系。

而這場競賽的勝負手，可能不在于誰擁有更大的模型，而在于誰擁有更完善的智能體基建。正如梁錚博士所說——基建的邊界，就是智能的邊界。