2026年10月，中国信通院泰尔终端实验室启动首批“营销智能体应用能力”测评，首批报名截止10月25日。消息不长，信息量不小。它把营销智能体从“会聊天、会写文案”的模糊印象，拉回到一套可以逐项核验的能力清单。
对企业来说，这不只是一条行业新闻，也是一把选型尺子，更是企业级 AI Agent 平台进入真实业务前的体检。Jasper在2026年对1400位全球营销人员的调研显示，91%的营销团队已经部署AI，但只有41%能明确证明投资回报。麦肯锡的调研更直接，62%的企业在试验智能体，真正规模化部署的不到10%。Gartner则预测，到2026年底约40%的企业应用会嵌入任务型AI智能体。难点早已不是要不要用，而是怎么判断一个营销智能体是不是真的能干活。
下面围绕三个问题展开，测评到底考什么，8项通用能力和4类场景分别意味着什么，企业又该怎么拿这套框架做自评和选型。
一、信通院营销智能体测评，考的不是模型跑分
这次测评的发起方是中国信通院泰尔终端实验室，面向已开发、建设或应用营销智能体的企业征集首批参与对象。测评对象不是抽象模型，而是具有明确名称、版本和功能范围的智能体应用，可以是独立应用，也可以是企业服务、平台或系统中的智能体。
测评方法也不是让产品讲一遍功能，而是结合具体任务核验结果及其业务用途。评委看的不是演示有多顺滑，而是智能体接到真实营销任务后，能不能理解目标、找到数据、调用工具、给出结果，并且让结果可解释、可追溯。从公开信息看，它更像一次能力体检，而不是一场排名赛。
这套动作有明确的政策背景。2026年5月，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》，提出开展智能体功能、性能、质量、合规等第三方评测服务，推动认证与检测结果互通互认，为用户选择智能体提供参考。营销智能体测评，就是这套第三方评测在垂直场景里的落地。
为什么先从营销切入？因为营销离收入近、任务链条长、内容风险高。一个营销智能体既要懂业务，又要动系统，还要面对品牌审核和客户数据。它比一个只会生成文案的助手更接近真实经营。
二、8项通用能力，考的是一条完整的干活链路
把8项能力放在一起看，会发现它们不是并列的功能点，而是一条从接入、理解、执行到治理的完整链路。任何一环掉链子，前面的能力都很难变成业务结果。
1、模型接入与配置，决定能不能接进现有系统
看的是智能体能否接入企业已有的模型体系，能否配置参数、切换模型、控制成本和时延。难点不在接通，而在业务高峰、长上下文和敏感数据场景下是否稳定。
2、任务理解与上下文，决定能不能听懂真实意图
营销需求往往说得很短。“把复购拉起来”“这批线索质量不行”，背后都藏着人群、渠道、预算、品牌约束和历史活动。智能体要能从多轮对话里补齐条件，记住上下文，不把上一轮约束丢掉。听懂任务，比快速给答案更重要。
3、营销知识使用，决定输出有没有业务依据
这一项不是看智能体背了多少话术，而是看它能不能正确使用品牌规范、产品卖点、人群洞察、渠道规则和历史活动数据。好的回答会说明依据，比如引用了哪份知识、哪组数据、哪条品牌规则。只会生成漂亮句子，却说不清依据的智能体，很难进入正式流程。
4、任务规划与执行，决定能不能把目标拆成动作
一个“提升复购”的任务，可能要拆成数据分析、人群圈选、策略生成、内容制作、触达执行和效果复盘。智能体要能排出步骤、处理中间失败，必要时重试或降级。只会给建议、不会往下推进的，仍然停留在顾问角色。
5、工具调用，决定能不能真正动手
营销智能体要对接CRM、CDP、营销自动化、内容平台、投放平台和数据分析工具。工具调用考的不只是会不会调，还看参数是否正确、权限是否合规、异常是否处理。调用错一个筛选条件，可能就是把消息发给了错误人群。
6、交互操作，决定运营人员敢不敢用
这一项关注人机协作是否顺手。运营能不能修改策略，能不能在发送前确认，能不能撤回或回滚，能不能把任务转交给同事。全自动不是唯一答案。关键动作允许人确认，反而更容易进入真实业务。
7、运行记录，决定结果能不能复盘
从输入、理解、规划、工具调用到最终输出，每一步是否留痕，版本、耗时、成本是否可查。没有运行记录，效果好坏只能靠感觉，出了问题也很难界定责任。可追溯不是附加功能，而是规模化使用的前提。
8、访问控制与内容安全，决定能不能守住底线
这一项看权限是否最小化，客户数据是否脱敏，品牌审核和敏感内容拦截是否有效，越权操作是否能被及时发现。营销内容面向公众，一次错误投放的代价可能远高于一次模型调用成本。安全和权限通常不是加分项，而是准入项。权限控制能否落到角色和操作级别，是这一项的核心。
图1 8项通用能力构成一条从接入到治理的完整任务链路
三、4类场景，对应营销链路的四个关键环节
8项能力回答的是会不会干活，4类场景回答的是在什么活里干。测评把场景拆开，是为了看智能体在具体任务里的稳定性，而不是只看一个漂亮案例。
1、市场与客户分析，考的是能不能看懂市场
典型任务包括市场趋势判断、竞品对比、人群分层、需求洞察和机会识别。测评会看数据来源是否清楚，分析口径是否一致，结论能不能解释。只会堆图表、给不出判断的分析，很难支撑后续策略。
2、营销策划，考的是能不能把洞察变成方案
从目标拆解、策略组合、预算分配到活动节奏和KPI设计，策划场景考验的是业务判断。方案不仅要完整，还要能执行，知道先做什么、谁来配合、什么条件下调整。
3、营销内容创作，考的是能不能稳定产出合规内容
文案、图片、视频脚本、多渠道适配和品牌一致性，都属于这一场景。测评不只看生成速度，还看批量生产时质量是否稳定，版本是否可管理，内容是否能过品牌和合规审核。
4、营销沟通与推荐，考的是能不能把话说到点上
售前咨询、个性化推荐、触达话术、异议处理和转化跟进，直接面对客户。智能体要识别意图，给出推荐理由，守住合规边界，遇到不确定的问题知道转人工。推荐不准可以优化，越权承诺或不当表达会带来真实风险。
四类场景不是四个孤岛，而是一条从看懂市场到完成转化的链路。测评按场景拆，企业使用时却要连起来看。一个只会写文案、不会分析人群的智能体，很难独立承担增长任务。
图2 4类场景构成从洞察到转化的营销闭环
四、企业怎么用这套框架做自评和选型
测评框架的价值不只在参评。企业完全可以用同一套8项能力和4类场景，对自己的营销智能体做一次内部体检。
1、先定任务，不要先定功能
选三个真实任务，比如一次会员复购提升、一次新品上市策划、一次高意向线索跟进。每个任务都带上真实数据、业务约束和验收标准。不要用“帮我写一段文案”这种脱离业务背景的题目，那只能测出表达能力，测不出营销能力。
2、再查证据链，不要只看结果
结果出来后，追问它是怎么得到的。用了哪些知识，调用了哪些工具，哪一步由人确认，换一组数据能不能复现。能解释过程的智能体，才值得放进核心流程。Agent 平台选型时也一样，功能清单可以很长，证据链却很难伪装。
3、最后看治理，不要等出事再补
检查权限分级、数据脱敏、内容审核、运行日志和异常处置。尤其是面向客户的推荐和沟通场景，必须明确哪些话不能说，哪些操作必须人工确认，出了问题能不能定位到具体版本和具体步骤。
选型时可以直接问五个问题。
- 能不能接入现有模型和数据，而不要求业务大改。
- 能不能调用CRM、CDP和营销自动化系统，并处理调用失败。
- 运行记录能不能追到每一步输入、工具和输出。
- 权限能不能做到最小化，敏感数据能不能脱敏。
- 同样任务换时间、换人群、换渠道，结果是否仍然稳定。
演示看效果，测评看证据。能把这三个层次都答清楚的产品，才更接近可落地的营销智能体。
这也是为什么越来越多企业把营销智能体放在企业级 Agent 平台的底座上评估，而不是只看一个单点工具。ThinkingAI 的Agentic Engine把模型接入、工具调用、权限控制和运行记录做成平台能力，再通过 Skill 组合营销场景，目前服务全球1500家企业，接入产品超过8000款。其 Tiki 智能助手曾依据信通院《智能技术要求与评估方法 第9部分：数据分析智能体》通过21个能力项评估，获得4＋级结果。这个案例说明，垂类测评不是看演示，而是把能力拆到可核验的颗粒度。
图3 企业自评与选型的五个检查问题
五、首批测评的时间节点与准备建议
首批报名截止时间是2026年10月25日，面向已开发、建设或应用营销智能体的企业。参评前，至少要把四件事准备好。
1、明确测评对象
把智能体的名称、版本、功能范围和部署方式说清楚。测评对象可以是一个独立应用，也可以是企业平台中的某个智能体，但不能是一个模糊的AI能力。
2、准备真实任务脚本
任务要覆盖4类场景中的至少两类，带上数据、约束和验收标准。任务越接近真实业务，测评结果越有参考价值。
3、整理证据链
把知识来源、工具清单、运行日志和人工确认点整理出来。测评看的是结果及其业务用途，证据越完整，越能说明能力不是偶然发挥。
4、说明安全机制
权限分级、数据脱敏、内容审核和异常处置都要有明确机制。涉及客户数据时，部署方式也要提前说清楚，私有化部署、专有云还是公有云，日志和权限能力是否跟得上。
没赶上首批也不影响自评。用同一套8项能力和4类场景，把一个真实任务连续跑三遍，记录每次的输入、过程和结果，比看十页产品介绍更有用。测评是外部标尺，自评是内部起点。两者结合，才能把营销智能体从试点推向规模化。
常见问题
信通院营销智能体测评是强制认证吗？
不是。从公开信息看，它属于自愿参与的第三方评测服务，依据政策鼓励开展，结果为产品完善、应用选型和业务合作提供参考，不是行政许可。具体参评要求以信通院泰尔终端实验室官方通知为准。
测评和常见的模型跑分有什么区别？
模型跑分主要测通用能力，测评则把智能体放进营销任务里，看它能否理解目标、使用知识、调用工具、完成执行，并留下可追溯的记录。它更接近一次业务验收，而不是一次考试分数。
8项能力里哪一项最重要？
公开信息没有披露各项权重，不能简单排序。从落地风险看，访问控制与内容安全是底线，任务理解与规划决定能不能用，营销知识和工具调用决定能不能用好。企业应结合自己的业务风险选择重点。
没有参加测评，怎么判断营销智能体靠不靠谱？
用同一套框架做内部复测。选三个真实任务，每个任务跑三遍，检查结果是否稳定、过程是否可解释、权限和日志是否完整。不要只看一次演示，也不要只看功能清单。
测评结果能直接代表业务效果吗？
不能。测评反映的是特定版本、特定任务和特定场景下的能力表现。真实业务效果还取决于数据质量、流程配合、人员使用和持续运营。测评适合做筛选门槛，不适合做效果保证。
首批报名什么时候截止？
2026年10月25日。后续批次和时间安排，以中国信通院泰尔终端实验室的官方通知为准。
