2024 到 2026 年，主流大模型的跑分已经差不多，拿跑分表选型看不出多少区别。企业最后选到哪家，看的是另外几件事，员工怎么用，数据能不能留在自己的云里，能不能换模型，怎么收费，和现有系统接不接得上。这几件事定下来，候选厂商就剩不下几家了。
选厂商之前先定的五件事
接入方式决定你该看哪一类产品。员工在办公软件里直接用，看 Copilot 这类；技术团队调 API 自己搭，看基础模型平台；AI 嵌进已有的业务系统，看 Agentforce 这类。三种接法对应的产品不在同一层，放在一起比没有意义。
部署与合规看能不能跑在自己的云租户里。Azure OpenAI 支持在企业自己的 Azure 租户内私有部署，并接入 Azure AD 权限。[1]金融、医疗这些受监管行业一般都要求这一点，纯 SaaS 的产品就用不了。
模型自由度看是绑定一家模型，还是接多模型网关。AWS Bedrock 一个 API 同时提供 Claude、Llama、Mistral 和 Titan[2]，适合不想被一家模型绑住的架构；本来就只用一家的，选 Copilot Studio 或厂商自己的平台更省事。
计费结构分按席位和按用量两种。Copilot、ChatGPT 企业版按人头收席位费，Bedrock、Vertex 按 token 用量计费。调用频繁的自动化任务走按量计费往往更省，全员铺开但用得不多的，按席位更好控预算，这也决定了这笔钱从哪个部门出。上一篇讲的 Claude 团队版和企业版的价差，原因也在这里。
和现有系统的集成，M365 用得重的企业选 Copilot Studio，几乎不用开发就能接上；数据放在 BigQuery 的选 Vertex AI[3]；用 ServiceNow 的直接用它的 Now Assist 这类工作流 AI。接得越深，落地成本越低，这比功能清单上多几项更要紧。
三类产品各自适合谁
基础模型层，Azure OpenAI 适合用微软全家桶、又有合规要求的企业，最大的卖点是私有部署；AWS Bedrock 是最灵活的多模型平台，适合希望模型能随时换的团队；Vertex AI 在多模态和 BigQuery ML 上技术强，原本就在 GCP 上的团队直接选它，其他技术栈的要多评估。
应用平台层，Copilot Studio 让业务部门不写代码也能搭智能体，和 M365 原生打通；ServiceNow 把 AI 放进 IT 服务管理和工单流程，适合已经在用它的企业。跳过这一层直接接基础模型的团队，通常要多花四成到六成的工程量，去重做权限、审计和认证，这些平台层本来已经做好了。
业务系统层，Salesforce Agentforce 这类产品把 AI 放进 CRM 流程[4]，销售和客服团队开通就能用。评估这类产品，看的是和业务流程贴不贴合，底下用的哪个模型没那么重要。
国内企业对应哪些产品
国内企业选型，对应的是另一批厂商。基础模型层有阿里通义百炼、字节火山方舟、华为盘古，都能做私有化和专有云部署；应用层是钉钉 AI 助理、飞书智能伙伴、企业微信加腾讯混元这些嵌在协同办公工具里的产品；业务系统层是金蝶、用友、销售易各自放进 ERP 和 CRM 的 AI 模块。评估的五件事不变，国内选型还要多过等保和数据出境审查。
签约前要答上来的问题
数据会不会离开自家云，审计日志和权限继承是不是现成的，按席位还是按用量计费，和现有的办公、数据、业务系统怎么接，出了问题怎么回退。五个问题有三个答不上来，厂商的方案再漂亮也先别签。按现在的格局，用微软全家桶又要合规的，选 Azure OpenAI 加 Copilot；要随时能换模型的选 Bedrock；数据在 GCP 上的选 Vertex。
参考来源：AI Advisory 企业 AI 平台分层评测（Azure OpenAI、AWS Bedrock、Vertex AI、Copilot Studio、ServiceNow 逐段分析）。