生成式AI对UiPath来说是机遇还是挑战?

企业争相通过技术革新来领跑市场,机器人流程自动化(RPA)技术更是将企业的效率和成本控制推向了新的高度。但当人工智能(AI)的最新进展——生成式AI登上舞台时,它不仅带来了变革的可能,还提出了一个紧迫的问题:传统自动化的未来将何去何从?

UiPath,一家在RPA领域内名列前茅的公司,正面临着这场技术革命的风口浪尖。随着生成式AI的兴起,UiPath如何维持其行业领先地位,同时还要抓住这波新技术潮流的机遇,挑战来自各方的竞争者。

01 UiPath、RPA和生成式AI

许多RPA软件的付费订阅者提出了一个令人深思的问题:生成式人工智能是否将使RPA技术过时?这个问题引起了我们对UiPath(PATH)的关注,这是一家在机器人流程自动化市场占据领先地位的公司。UiPath最近公布了其年度财报,并透露正在研发生成式AI功能。

图片

UiPath将在2025年6月或之前开始向部分客户展示他们的AI新产品

考虑到UiPath在超过10,830家公司中成功推广了其自动化解决方案,仅需在其平台中加入生成式AI功能,就有可能实现更大的收益增长。虽然新入市的竞争者可能不构成太大威胁,但现有的竞争对手可能通过采用AI技术来抢占更多市场份额。特别值得注意的是,UiPath在RPA领域的主要竞争者之一,微软(MSFT),正在向UiPath提供生成式AI功能,这种伙伴关系在目前的情况下显得尤为复杂。这种情况提出了一个问题:是否需要更加密切地关注我们的竞争对手?

UiPath表示,AI通过赋予自动化工具学习阅读、写作、倾听、识别模式及做出复杂决策的能力,极大地拓展了其功能。这种进步预计将使公司能够涉足更多用例,从而扩大其潜在的市场规模(TAM)。然而,这些对生成式AI的期待和计划,只有当我们见到现有客户带来的收入增长实实在在地体现出来时,才能算是得到了验证。

在最近的一次财报电话会议上,分析师们热切探讨了AI带来的机遇,特别提到了Cognition这家初创公司推出的受到社交媒体高度评价的新AI软件工程师产品。作为回应,UiPath介绍说,他们已经内部组建了一个顶尖的AI团队,旨在构建一种基础模型。这种模型结合了特定领域专家,如会计师或审计员的知识,以及如何利用系统应用程序的操作技能。这正是去年3亿美元研发开支所致力于实现的目标。

02 UiPath的收入增长

对于一家拥有颠覆性技术的公司,其收入增长的可接受水平部分地取决于公司的规模。规模越大的公司,实现高增长率就越具挑战性。当企业尝试在一个价值930亿美元的市场中获得份额时,收入增长率就成了衡量其市场份额获取成功与否的关键指标。一般而言,企业会期望至少实现双位数的增长率。UiPath预计今年的增长率将与Palantir相似,预计接近20%,值得注意的是,UiPath的市场估值仅为三分之一。

图片

来源:Nanalyze

去年,UiPath从新客户中获得的收入增长仅占总增长的12%,而来自现有客户的增长占了88%。面对这样的增长模式,公司在销售和营销上的投入高达7.13亿美元,约占其总收入的55%,显示了为吸引新客户所付出的巨大成本。为了控制开支,公司已开始减少营运费用。尽管如此,去年公司还是实现了近3亿美元的正营业现金流,使得其现金储备增至18.7亿美元。部分现金被用于回购股份,这些股份相较于市场上一些过度炒作的AI公司而言,似乎被低估。

03 商业扩张与深化

净留存率(NRR)告诉我们每年现有客户的支出增加了多少,随着新客户变得更难获得,这变得越来越重要。UiPath每年提供一次他们的NRR数字,目前为119%,相比去年的124%有所下降。虽然下降总是让人担忧,但它仍然处于SaaS公司期望的大约120%平均水平附近。通过查看每个收入类别的客户净增长,也可以衡量现有客户的提升。

  • 超过10万美元:269客户

  • 超过100万美元一年:59客户

  • 不足10万美元一年:30客户

近期,UiPath平台上新加入的低支出客户数量正在快速下降,但随着生成式人工智能(AI)技术的引入,这一趋势有望发生变化。UiPath新推出的“AI AutoPilot”功能,虽然被某些人宣传为可能取代微软Copilot的工具(尽管这种比较可能并不十分重要),但它为开发人员提供了实用的新工具。“在某些情况下,高达1000家公司正在考察Autopilot,”UiPath在其财报电话会议中提到,从而令人联想到Palantir AIP的情景。不过,仅仅是在非正式的场合展示一些演示工具,与在企业高层达成正式协议之间,仍有很大的距离。

相较于吸引新客户,从现有客户那里获得更多收入往往更为容易。例如,GitLab和GitHub迅速推出了面向开发者的生成式AI工具,这些工具不仅提高了生产力,也为它们带来了潜在的收入翻倍机会。同理,UiPath通过利用生成式AI,预计将开拓新的盈利途径。考虑到UiPath在无代码和应用测试领域与DevOps的交集,生成式AI的加入可能进一步扩大其市场潜力。

图片

UiPath的930亿美元TAM - 来源:UiPath

这引回到了分析师提出的关于UiPath计划如何面对AI新进入者竞争的问题。如果自主发展变成了一条无法通行的道路,他们显然拥有充足的现金储备来进行战略性收购。

04 对于UiPath股票的估值

在公司从亏损转为盈利之前,我们使用一种简单的估值比率(SVR)来评估它,这种比率基于公司当前的收入水平。大约一年前,我们探讨了UiPath的股票是否被低估了。那时,UiPath的SVR是7.5,而行业平均水平大约是6.5。下面是这个比率随时间变化的趋势图:

图片

来源:Nanalyze

估值比率的稳定性说明了尽管AI行业炒作频繁,但这并没有对UiPath的估值造成影响,这是一个积极的信号。我们倾向于投资于那些估值合理的优质公司。虽然我们已经将UiPath的持股比例提升至最大,但我们仍然会考虑增持,特别是如果其SVR低于7(即上文提到的数据点的平均值)时,这将被视为一个吸引人的投资机会。这与UiPath上市初期的SVR大约为38形成了鲜明对比。

05 结论

机器人流程自动化(RPA)为企业引入生成式人工智能(AI)提供了理想的起点。随着自动化技术变得更加智能,它们的功能不再局限于简单地重复预设的任务(类似于宏命令的记录和回放)。相反,这些技术正在进化为能够与人类通过电子邮件和聊天工具进行无缝交流的智能助手,就像真正的同事一样参与到工作流程中。

UiPath与其一大竞争对手微软的合作关系复杂而微妙,它既带来了合作的机会,也暗含了竞争的挑战。我们期待UiPath能通过其OpenAI的应用,提供超越微软Copilot的附加价值。真正的试金石将是收入增长——这将直接反映出UiPath是否能通过引入更多创新功能来增强其市场地位,而非仅仅为了与竞争者保持同步。若净留存率能再次显示出上升的趋势,这将是UiPath在其功能货币化方面取得成功的明确信号。

文章由RPA中国根据公开资料整理,如有侵权,请联系删除。


-  END  -

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/304504.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Java编程题 | 打印杨辉三角

大家可以关注一下专栏,方便大家需要的时候直接查找,专栏将持续更新~ 题目描述 打印出杨辉三角形(要求打印出10行如下图) 解题思路 初始化变量:设置一个变量表示行号,从1开始。循环打印杨辉三角形…

计算机组成原理(IO,输入输出)

1、“821.2016T1(1)”,表示821真题,2016年的题,T1是 选择题/填空题/大题 的第一题,其他类似标记也是相通 2、个人小白总结自用,不一定适用于其他人,请自行甄别 3、有任何疑问,欢迎私信探讨&…

centos7部署zabbix6.4.9

文章目录 [toc]一、环境准备1)部署lnmp2)修改配置文件3)安装数据库 二、部署zabbix1)下载zabbix2)安装zabbix服务端3)修改配置4)开机启动5)安装客户端 三、登录配置1)访问…

数据结构--KMP算法

数据结构–KMP算法 首先我在这里提出以下问题,一会一起进行探讨 1.什么是最长公共前后缀 2. KMP算法怎么实现对匹配原理 3. 最长公共前后缀怎么求解 KMP算法可以用来解决什么问题? 答:在字符串中匹配子串,也称为模式匹配 分析…

mac电脑安装软件报错:无法检查更新,请检查你的互联网连接

1、点菜单栏搜索图标,输入:终端 ,找到后,点击打开 2、输入以下命令:(复制粘贴进去)回车安装 /usr/sbin/softwareupdate --install-rosetta --agree-to-license 3、提示【Install of Rosetta …

电商技术揭秘十八:电商平台的云计算与大数据应用小结

电商技术揭秘相关系列文章 电商技术揭秘一:电商架构设计与核心技术 电商技术揭秘二:电商平台推荐系统的实现与优化 电商技术揭秘三:电商平台的支付与结算系统 电商技术揭秘四:电商平台的物流管理系统 电商技术揭秘五&#xf…

spring boot 集成 flyway依赖 做数据库迁移,让部署没烦恼

flyway 是一个敏捷工具&#xff0c;用于数据库的移植。采用 Java 开发&#xff0c;支持所有兼容 JDBC 的数据库。 主要用于在你的应用版本不断升级的同时&#xff0c;升级你的数据库结构和里面的数据。 还是直接上代码 第一步&#xff1a; <!-- Flyway 数据库迁移 依赖 他…

MySQL排序原理与优化方法(9/16)

order by排序优化 MySQL排序策略 内存临时表 or 磁盘临时表&#xff1f; **内存临时表排序&#xff1a;**在MySQL中&#xff0c;使用InnoDB引擎执行排序操作时&#xff0c;当处理的数据量较小&#xff0c;可以在内存中完成排序时&#xff0c;MySQL会优先使用内存进行排序操作…

知名的开源大模型及其特点

目前&#xff0c;开源的大模型领域涌现出了许多具有不同特点和优势的模型。这些开源大模型不仅推动了AI技术的发展&#xff0c;也为研究者和开发者提供了丰富的资源和工具&#xff0c;促进了AI应用的创新和多样化。以下是一些知名的开源大模型及其特点。北京木奇移动技术有限公…

Python测试框架之pytest详解

前言 Python测试框架之前一直用的是unittestHTMLTestRunner&#xff0c;听到有人说pytest很好用&#xff0c;所以这段时间就看了看pytest文档&#xff0c;在这里做个记录。 官方文档介绍&#xff1a; Pytest is a framework that makes building simple and scalable tests e…

2024年ERP软件上中下游结构分析及细分行业研究

环洋咨询Global Info Research的ERP软件市场调研报告提供ERP软件市场的基本概况&#xff0c;包括定义&#xff0c;分类&#xff0c;应用和产业链结构&#xff0c;同时还讨论发展政策和计划以及制造流程和成本结构&#xff0c;分析ERP软件市场的发展现状与未来市场趋势&#xff…

String类(1)

❤️❤️前言~&#x1f973;&#x1f389;&#x1f389;&#x1f389; hellohello~&#xff0c;大家好&#x1f495;&#x1f495;&#xff0c;这里是E绵绵呀✋✋ &#xff0c;如果觉得这篇文章还不错的话还请点赞❤️❤️收藏&#x1f49e; &#x1f49e; 关注&#x1f4a5;&a…

三年Android开发经验面试经历分享

最近&#xff0c;参加了多家公司的面试&#xff0c;下面是我所经历的一些面试问题及自己的回答思路。 一、京东面试 一面&#xff1a; 项目内容&#xff1a;主要讲述了在实习期间参与的项目&#xff0c;以及在项目中负责的工作和取得的成果。MVP模式&#xff1a;解释了MVP模…

CSS实现三栏自适应布局(两边固定,中间自适应)

绝对定位的元素会脱离文档流&#xff0c;它们是相对于包含块&#xff08;通常是最近的具有相对定位、绝对定位或固定定位属性的父元素&#xff09;进行定位的。当你把一个绝对定位的元素的高度设置为100%时&#xff0c;它会相对于其包含块的高度来确定自己的高度。如果包含块是…

政安晨:【深度学习神经网络基础】(六)—— 前馈神经网络

目录 简述 前馈神经网络结构 计算输出 初始化权重 径向基函数神经网络 径向基函数 政安晨的个人主页&#xff1a;政安晨 欢迎 &#x1f44d;点赞✍评论⭐收藏 收录专栏: 政安晨的机器学习笔记 希望政安晨的博客能够对您有所裨益&#xff0c;如有不足之处&#xff0c;欢迎…

Centos7源码方式安装Elasticsearch 7.10.2单机版

版本选择参考&#xff1a;Elasticsearch如何选择版本-CSDN博客 下载 任选一种方式下载 官网7.10.2版本下载地址&#xff1a; https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.10.2-linux-x86_64.tar.gz 网盘下载链接 链接&#xff1a;https://pan…

OpenGL Assimp 加载3D模型介绍

OpenGL Assimp 加载3D模型介绍 Assimp对应模型结构体解说 所有的模型、场景数据都包含在scene对象中&#xff0c;如所有的材质和Mesh。同样&#xff0c;场景的根节点引用也包含在这个scene对象中 场景的Root node&#xff08;根节点&#xff09;可能也会包含很多子节点和一个…

c++的学习之路:16、list(3)

上章有一些东西当时没学到&#xff0c;这里学到了将在补充&#xff0c;文章末附上代码&#xff0c;思维导图。 目录 一、赋值重载 二、带模板的创建 三、析构函数 四、代码 五、思维导图 一、赋值重载 这里的赋值重载就是直接利用交换函数进行把传参生成的临时数据和需要…

对称加密学习

对称加密是一种加密技术&#xff0c;它使用相同的密钥进行数据的加密和解密操作。这种加密方法因其高效性和速度优势&#xff0c;在数据加密领域得到了广泛的应用。 下面是两篇文章&#xff1a; AES加密学习-CSDN博客 加密算法学习-CSDN博客 推荐关注加密专栏&#xff1a; …