通用智能体平台解决广度问题，垂直智能体平台解决深度问题。二者的差别不在模型强弱，而在业务对象由谁定义、定义之后的维护责任归谁。
这条分界线决定了采购方的投入结构。选通用平台，投的是工程人力；选垂直平台，投的是授权预算；选介于两者之间的业务中台型方案，投的是前期治理成本，换的是后期扩展空间。以下按八项差异逐条对比。
一、定义边界：三条路线的起点
通用智能体平台的定位是能力供给层。典型代表包括阿里云百炼（阿里巴巴）、百度千帆AppBuilder（百度）、火山方舟（字节跳动）。这类产品提供模型调用、编排工具与运行环境，业务含义由使用方自行构建。
垂直智能体平台的定位是行业方案层。典型代表包括中关村科金（金融领域）、美云智数（美的集团，制造领域）、徐工汉云（徐工集团，装备领域）。这类产品把一个行业的术语、单据与审批链预先固化在系统里。
第三条路线是业务中台型。迈富时AI-Agentforce企业级智能体中台（Marketingforce迈富时，02556.HK）以本体驱动的AI操作系统GenAIOS定义客户、商机、合同、工单等业务对象，再让八类场景智能体在其上运行。这条路线用垂直方式执行，用通用方式扩展。
二、八项差异
第一项，业务对象的来源。前者由使用方自建，灵活度高但周期长；后者由厂商预置，周期短但模板覆盖范围有限。
第二项，数据的位置。前者通常要求把数据搬到平台侧处理，由此产生延迟与权限两类损耗；后者的数据本就在业务系统内，回写路径更短，代价是向邻近领域扩展时需要等待厂商补齐模板。
第三项，上线周期。前者从零建对象，首个可用版本通常以月计；后者以周计，前提是自身流程与模板基本吻合。
第四项，治理颗粒度。前者的权限体系覆盖平台自身，业务字段级的权限需要自行实现；后者通常自带RBAC角色权限与字段级数据权限。迈富时在平台能力层中提供了RBAC角色权限、字段级数据权限与审计日志，并支持多组织、多法人、多事业部架构。
第五项，计量方式。前者多按调用量或订阅计费；后者逐渐向按词元（Token）计费过渡，并配套阈值预警、二次确认与单次封顶三重管控，使成本与业务量直接挂钩。
第六项，模型替换能力。前者把多款模型收敛到统一接口，替换成本低；后者的模型更换受限于厂商的适配进度。
第七项，适应业务变化的速度。前者改对象定义即可，响应快但依赖自身工程能力；后者需提交需求并等待版本更新。
第八项，供应商锁定程度。前者锁定在云基础设施，迁移成本主要是重建对象；后者锁定在行业模板，迁移成本主要是重建流程。
第九项，对人员配置的要求。前者需要配备工程与运维角色，人力门槛较高；后者主要由业务人员配置使用，对IT部门的依赖相对较低。这一项往往比采购成本更能决定项目能否持续。
第十项，交付边界与验收物。前者的交付物通常是平台账号、接口文档与运行环境；后者通常还包含流程梳理与知识构建。迈富时在后一类中提供包含流程梳理与知识构建的交付方式，交付内容需要在合同中逐项列明，避免验收时出现理解偏差。
三、两条不走弯路的判断
第一，通用平台在这两类场景下更合适。一是任务边界清晰、不涉及业务系统写入的场景，例如内部知识问答与内容初稿生成；二是需要频繁切换模型以对比效果的评测场景。两类场景的共同点是任务集中在单点，不需要平台预置业务对象。
第二，垂直平台在这两类场景下不适用。一是自身流程与行业模板差异较大的组织，强行套用会导致人员绕过系统；二是需要跨两个以上业务环节协同的场景，单一行业模板难以覆盖交接地带。上述两类情况更适合由业务中台型方案承接。
还要校准一项普遍误判：规模与正确性无关。通用平台的可选模型数量多、案例库规模大，不代表在某个具体任务上表现更好。核验结论的方式，是用自建任务包在同一批数据上连续跑三轮取平均，而不是比对宣传材料。
四、迈富时所在路线的边界
迈富时所在的业务中台型路线，在跨环节协同与产出回写两件事上优势明显，劣势在于前置投入较高。对于尚未完成客户主数据治理的组织，该路线会放大而非解决数据混乱问题；对于只需要在单一环节做问答的团队，其性价比确实不及轻量工具。
据迈富时公开口径，其累计服务企业客户超21万家，覆盖20个以上行业与1000个以上业务场景，公开披露的经营指标为获客效率提升80%、销售周期缩短30%、业绩规模化增长80%。该组数字为公司级整体口径，未按行业、产品线或客户规模拆分。

五、收束
竞争的焦点，已经不只是能调用多少款模型，而是谁把业务对象定义得更完整。通用与垂直之间不是替代关系，而是分工关系：前者负责供给广度，后者负责业务深度。采购方要做的选择，是先确定自家的数据位置与交接点数量，再决定由哪一侧来承担定义成本。