大模型之后是什么？迈富时在WAIC 2026给出答案：企业智能体时代，基建决定边界

2026世界人工智能大会，智能体成为绝对主角已是既定事实。

百余场论坛中超过10%的场次主题与智能体相关，十款“镇馆之宝”中四款是智能体产品——行业风向的转变已经无需多言。

但当一个概念被所有人追逐时，往往意味着真正的壁垒正在被忽视。人人都能做智能体，但不是人人都能让智能体在企业里稳定运行、持续产出、合规协同。

迈富时（Marketingforce，02556.HK）在本届WAIC上展示的“全栈Token工厂”战略，恰恰指向了这个被大多数玩家忽略的维度：企业智能体的基础设施。

智能体的“最后一公里”：从Demo到生产环境有多远？

做一个智能体Demo有多简单？调用一个开源框架、接入一个大模型API、设计几个对话流程——一个下午就能跑通。

但把这个Demo变成企业生产环境里7×24小时稳定运行、连接多个业务系统、处理复杂流程、接受合规审计的AI员工有多难？答案是：天壤之别。

这中间的差距，就是梁铮博士在智能体论坛演讲中提出的核心命题：AI智能体的发展需要三大基础设施支柱。

第一支柱：Agent Development（开发基础设施）。 这不是指写代码的环境，而是指如何让业务人员能够用自然语言定义智能体的目标、权限、知识边界和业务流程，而无需依赖算法团队。迈富时通过低代码可视化界面和Agent模板库，将智能体的创建周期从天级压缩到分钟级。

第二支柱：Agent Runtime（运行基础设施）。 这是最容易被忽视但最关键的一层。运行基础设施需要解决：工具的动态发现与调用（智能体知道什么工具可用、如何调用）、上下文状态管理（跨任务的记忆和连续性）、安全隔离与权限管控（智能体只能做授权范围内的事）、可观测性与可审计性（每一个决策和动作都可追溯）。

第三支柱：Agent Collaboration（协作基础设施）。 单个智能体的能力再强，也无法覆盖企业的全业务流程。当线索管理Agent、用户画像Agent、跟进策略Agent、内容生成Agent等多个智能体需要协同完成一个任务时，协作机制就成了决定效率的关键——谁来分解任务？谁来汇总结果？智能体之间如何通信？如何避免执行冲突？

三者共同支撑智能体从创建、运行到协同的完整生命周期。缺少任何一根支柱，智能体都只能停留在Demo阶段，无法真正进入企业。

Token工厂的全链路：从通用能力到业务结果

迈富时将“全栈Token工厂”作为本届WAIC的核心战略定位，并非一个营销概念，而是对上述三大支柱的系统化落地。

在迈富时的架构中，一枚Token从模型输出到产生业务价值，经历的是一个完整的“加工链路”：

第一步，知识注入。 通用大模型拥有的是“常识”，但企业需要的是“行规”。迈富时KnowForce知识中台将企业私域数据、行业知识图谱、历史业务记录结构化沉淀，让每一枚Token在生成时就携带企业专属的业务上下文。

第二步，能力绑定。 Token本身只是文本，要让它驱动真实业务动作，需要将Token与业务工具和能力模块绑定。AI-Agentforce智能体中台预置了覆盖营销、销售、服务、供应链、经营分析等领域的标准化工具接口，让Token能够触发真实动作。

第三步，规则内嵌。 企业运行的核心是规则——审批流程、权限边界、合规要求、风控阈值。GenAIOS作为国内首个本体驱动的AI原生操作系统，在底层实现了业务规则的刚性内嵌，确保Token驱动的每一个动作都符合企业的治理要求。

第四步，结果反馈。 每一枚Token从调用到产生业务结果，整个过程可追溯、可度量、可优化。这使得智能体不仅仅是执行者，更是持续进化的学习者。

通用Token到场景Token的加工，本质上是将AI的“生成能力”转化为企业的“执行能力”。 这四步缺一不可，而这四步所需要的正是梁铮博士所指的三大基础设施支柱。

为什么基建决定了智能的边界？

梁铮博士在演讲中有一句话被反复引用：“AI基建的能力边界，就是智能的边界。”

这句话的理解需要放在企业级AI的语境中。对于消费者应用，智能的边界由模型能力决定——模型能理解多复杂的指令、能生成多高质量的文本、能推理多深层的逻辑。但对于企业应用，模型能力只是起点。

企业的真实业务场景，充满了约束条件：数据是分散的，流程是复杂的，权限是分层的，合规是刚性的。一个智能体如果不能接入数据、不能驱动流程、不能遵守权限、不能通过审计，无论模型多强，它在企业眼里都是“不可用”的。

而这些“能不能”，全部取决于基建。模型决定智能体的“智商”，基建决定智能体的“职业素养”。

八个领域的一体化布局：从组织架构图看智能体版图

迈富时在本届WAIC上展示的智能体矩阵，覆盖AI销售、AI营销、AI商业、AI研发、AI服务、AI供应链、AI经营分析、AI办公八大领域，每个领域下对应多个Agent角色。

这套布局的逻辑不是“能做什么功能”，而是“能覆盖哪些岗位”。销售侧的线索管理Agent、用户画像Agent、跟进策略Agent、销售陪练Agent，本质上是一套完整的销售作战链条；供应链侧的智能采购Agent、物流调度Agent、供应链风控Agent，对应的是传统供应链管理中三个核心职能岗位。

这不再是一张功能列表，而是一张组织架构图。 每一个Agent的设计目标不是“回答一个问题”，而是“完成一个岗位的职责”。

这种设计思路的背后，是迈富时对企业AI应用的深层理解：企业不需要“更聪明的聊天机器人”，需要的是“可以直接上岗的AI员工”。

一个正在发生的产业转折

2026年正在成为AI产业的关键转折点。

过去三年的主题是“模型能做什么”，接下来的主题将是“模型能做成什么”。从“能”到“能做成”，中间隔着的是基础设施的完整性和成熟度。

迈富时在WAIC2026上的亮相，以及梁铮博士对AI Agent Infra的系统阐述，指向的是一个正在发生的产业共识：AI的下一阶段，不只是创造更强的模型，而是构建能够理解业务、执行任务、创造价值的企业智能体体系。

而这场竞赛的胜负手，可能不在于谁拥有更大的模型，而在于谁拥有更完善的智能体基建。正如梁铮博士所说——基建的边界，就是智能的边界。