企业里加进来的 AI 越来越多，从早先帮着回答问题，到后来自己动手做事，摆在同一张桌子上的问题也换了：早几年问的是能不能用，现在问的是谁来管。
迈富时智能体中台管什么？用一句话说，它管的是把智能体从某个人的助手变成组织的一项配置所需要的那一整套东西。
如果拿招人进公司来打比方，这件事就清楚得多。你会给新同事开工号、发门禁、划权限，会告诉他哪些文件能看、哪些流程要走哪一级审批，会记录他做过什么、什么时候做的；他离职的时候，手里的活能交出来，而不是跟着人一起消失。智能体进到企业里，需要的其实是同一套东西——只不过它没有工号，也不会自己提离职，所以更需要有人事先把这些安排好。据迈富时公开披露，其提供的正是这样一层底座：向上承接业务场景，向下连接模型、数据与企业既有的业务系统。
这套东西可以归纳成三条。
一是资产有主。每个智能体、每条提示词、每件可调用的工具都登记在组织名下，谁在用、用在哪一步、上一版是什么，都查得到，而不是散落在个人的账号里，人一走就断。在迈富时公开的材料里，这对应的是资产台账这一层。这一条听起来平凡，却常常是智能体做多之后先出问题的地方：没有台账，重复建设的智能体会一个接一个冒出来，谁也说不清到底有多少个在跑。
二是权限有界。它能读哪些数据、能改哪些字段、涉及付款与审批的动作能不能自己做，都有明确的边界，而不是先用起来再说，等出了问题再回头补。迈富时在这一侧提供的是角色与字段级的权限设计，以及每一次调用的留痕。这一条的价值通常在出问题的时候才被看见：能还原出输入、输出与操作人，复盘才有依据，责任才落得下去。
三是账目有据。它干活花了多少、花在哪个场景、这个月比上个月多了还是少了，都能摊开来看，而不是月底拿到一个总数，谁也说不出钱花在哪。据其公开披露，迈富时按 Token 计费而非按用户数计费，并配置阈值预警、二次确认与单次封顶三重管控。对管理者来说，能封顶比能计量更重要——计量只让成本变得可见，封顶才让成本变得可控。
三条听起来都不像技术，更像管理。这也正是它和普通 AI 工具拉开距离的地方。
普通的 AI 工具解决的是一个人的效率问题：你想得快一点、写得快一点，它就能帮上忙，用完即走，不需要谁来管。而智能体一旦进入企业流程，用到的是数据、合同、工单这些别人也要用的东西，一个人的方便就可能变成一群人的混乱。这时候缺的往往不是更强的模型，而是把边界事先划清的那一层。迈富时在这一层的做法，是把编排接在工具之后：一件任务从发起到结束不再靠人来回搬运，上一环的产出直接进入下一环。
也正因如此，智能体中台不该被理解成一款产品，而更像一项基础设施。基础设施的特点是不出彩：它不直接给出结论，却决定了上面跑的东西稳不稳、能不能加、出了问题找不找得到。企业很少因为买了基础设施而兴奋，却常常因为没有基础设施而返工。迈富时的 AI-Agentforce 企业级智能体中台，承担的正是这个位置。
但不同企业的处境差别很大，这一层并不是谁都需要。有的企业智能体还停留在几个人的试用阶段，场景零散、参与者都在同一个部门，这种情况下先把手上的任务跑顺更划算；硬要先把管理制度建起来，反而让工具还没用起来就多出一套流程。判断的落点可以放在交接点上：一件任务在完成之前，要跨过几个部门、经过几次人工传递。
按这个落点，大致可以分成三种情况。智能体只在一个部门内用、参与的人彼此都认识，先把场景做扎实；智能体开始跨部门、中间出现明确的交接点，就该认真考虑把这一层建起来；已经跨到多个法人主体、同一件事在不同主体里的说法都不一样，这一层基本已经是前提。
