从市场趋势来看，RPA属性正在逐渐淡化，一些厂商都已瞄准更高阶的智能机器人。可能未来5～10年，随着AI语言模型的发展，RPA的产品逻辑会彻底改变，RPA厂商也会进化到更智能的阶段。
作者|思杭
编辑|皮爷
出品|产业家
曾一年吸金数十亿，后又遭遇资本市场冷门，在AI大模型浪潮翻涌的当下，RPA行业怎么样了？
其实，RPA+AI早已不是一个新概念。如果说，RPA是机器人的“神经网络”，那么AI就相当于机器人的“大脑”。两者的结合就等于智能自动化，帮助机器人通过预测分析，更好地理解上下文，做出高级决策。然而，第二阶段的RPA厂商会遇到更难的问题，比如对于上下文的理解能达到什么程度，如何训练它们，做出更准确、速度更快的机器人，这些问题是RPA厂商亟待解决的难点。所以，RPA厂商能否突破瓶颈，跨越到第二阶段的发展，仍是未知数。
近几年，RPA行业发展经历了几段不同时期的变化：
从2015年到2018年，是RPA的萌芽期，据不完全数据统计，国内RPA厂商在这四年，融资数量共12起，且单笔融资金额较少；到了2019年，RPA开始崭露头角，国内融资数量为8起，其中，英诺森连续获两轮融资，而全球范围内，RPA行业更是完成了23笔融资。
从2020年到2021年，RPA行业开始爆发。国内单笔融资金额破2亿元，15家厂商共完成了19起融资，规模达34亿人民币。到了2022年，RPA骤然变冷。国内融资仅11起，最重要的是，估值大幅下降。
在《Market Insight：中国RPA市场发展洞察（2022）》报告中，从资本视角分析了RPA赛道的认可度，有23%的投资者认为，“RPA企业估值存在较大泡沫，企业当前营收与未来可见的收入增长难以支撑目前估值。” 而即使是“较为看好”的投资者，他们认为“虽然RPA赛道存在大量机会”，但也表现出了更审慎和理性的态度。总体来说，国内RPA正在由“高期望的热态投资”向“理性的稳态投资”进行转变。
然而，就在年初，事情出现了些许转机。从太平洋彼岸吹来的AI大模型热潮，让冷却的RPA市场感受到了一股暖意。
一、跨越周期
“别提了，前面投出去的十几个SaaS项目，预计要亏1个亿以上”。一位投资人士向朋友吐槽道。
不仅是RPA厂商，近两年整个SaaS行业都在经历一个经济周期。SaaS是典型的长期主义，在全球经济负增长的大背景下，在SaaS行业砸钱，对于想快速看到收益的投资人来说，无疑是一场冒险。信天创投蒋宇捷在年初的「见实2023趋势系列访谈」中讲到，“2022年，SaaS市场估值回到了2017年的水平，只有高峰期的30%”。
具体问题具体分析。对于RPA赛道的遇冷，估值回落只是原因之一。RPA本身的“硬伤”是更重要的因素。虽然市场对自动化的需求越来越高，但目前国内的RPA厂商还未进化到“人人可用”的阶段。
做一个比喻，如果说，AI大语言模型是“大脑”，基于人工智能的超级自动化就是“神经中枢”，各种软件工具则相当于“四肢”，而RPA就是“神经末梢”，起到连接器的作用。所以，RPA更像一个平台。那么对于一个平台来说，想要提供更实际的价值，需要深入场景，加深对场景的理解，积累行业know-how。而这些需要RPA厂商“慢下来”。
目前，国内RPA仍处于积累行业经验的第一阶段，对于很多场景还未足够深入。从RPA在各领域的市场渗透率就足以看出：据网上公开数据，国内RPA的市场渗透率只有10%，主要应用于金融和电商领域。过去两年，还在起步阶段的RPA厂商们赶上了风口，一年数十亿的融资金额推着他们走进迷雾，迷失了方向。
跨步太大会伤到自己。放眼国内RPA厂商，有些场景聚焦的公司，已经在扭亏为盈。即使最开始，他们产品做得也没有足够深，但只要专注自己所做的几大场景，做好只是时间问题。比如专注金融领域的金智维和在电商领域深耕的影刀RPA。相比之下，有些所谓的头部RPA厂商，由于前期接受了太多融资，如今受到资本压力，不得不拓宽场景。但场景没做深，就急于去扩张，结果就是两败俱伤，伤了自己，最后也会伤了客户。
对客户来说，他们最关心的是能否解决问题，而不是RPA工具本身。一个在银行领域的例子：假设交通银行希望用RPA工具解决信用卡开卡的问题，那么在做实施的过程中，RPA厂商会写上千行函数。但问题出现了，这个函数复用性很弱。因为不同银行的开发方式不同，如果针对每家银行都这样实施，就会导致重复劳动。
而当产品交付后，RPA厂商如果不多花些时间，做行业know-how的沉淀和积累。长此以往，就无法扩展出更深的应用场景，只能解决简单、表面的问题，效率还很低，最终也无法为客户提供更高的价值。
“这些问题是多种因素作用的，有RPA厂商的战略问题，也有执行问题，还有一部分原因是迫于资本压力。总之，种种原因导致了行业乱象。” 一位曾在RPA厂商任职多年的业内人士深深感叹道。
当然，除了RPA企业自身的问题，需求侧的动作也会向RPA厂商传来“寒意”。2022年，多数企业都大幅削减预算。此种背景下，如果甲方客户短期内看不到RPA工具的价值，或者RPA工具的ROI并不高，也不会选用。而RPA工具的ROI一定与其工具能应用的场景深度有关，如果一种RPA工具更懂行业场景，应用更深，提供的价值也会越高。归根结底，RPA厂商目前的行业现状，一部分是受资本压力，粗放扩张，导致“劣币驱逐良币”的行业乱象。另一部分是受经济周期影响。
长远来看，RPA和超级自动化赛道依旧有很大想象空间。目前，中国人口老龄化和劳动力人口下降，加上国家政策对机器人技术和各领域自动化的驱动，各种因素在持续推动RPA的发展。眼下，RPA厂商存在的问题，确实有步伐太快导致行业乱象的问题，当然也不乏厂商本身的战略问题，但长期看来这些问题会随着需求侧的推动，逐一被解决掉。
另外，RPA的行业前景得益于SaaS商业模式。SaaS之所以是典型的长期主义，一方面，因为它定期收取软件费用，后期的拓客成本会越来越低，收益则越来越高。另一方面，SaaS还会收取业务税，这也是RPA赛道曾受资本追捧的主要原因。业务税，简单来说，是从业务的增长里收取一部分抽佣/收益。而像RPA这种软件机器人，可以极大节省人效，收益天花板极高。但业务税是一把双刃剑，公司发展得好，SaaS公司就收益也高，反之亦然。
所以，RPA厂商要想穿越资本寒冬，最重要的是，打磨自身产品，把行业场景做深，积累行业know-how。等资本复苏之时，RPA厂商若能过渡到第二阶段，自然会迎来下一场爆发。而这第二阶段，就是与AI的融合。将RPA当作底层技术，再与AI技术融合，扩展出更深的场景，加速场景落地，做出智能自动化的机器人。
其实，目前有一些厂商已经瞄准了超级自动化这样的产品。这其中，有在人工智能流程自动化领域的「实在智能」，其近日基于AI大模型推出话式文档审阅产品“Chat-IDP”；也有刚从弘玑出来，准备在人机交互领域大展宏图的「澜码科技」，其2月份刚成立就拿到上千万元的融资，并与国内头部自动化办公软件厂商达成合作。
在AGI热潮持续涌进的当下，给RPA厂商和LP们都传递了一些希望。
二、暖风袭来，AGI走进RPA
ChatGPT带火的这波热潮，预计还要持续一段时间。短短一个月，互联网大厂已经就AI大模型卷了起来。
说到底，ChatGPT只是AGI技术的一个分支。从技术层面上来看AGI，它主要包含生成算法、NLP（自然语言处理）、NLU（自然语言理解）、预训练模式、机器学习、多模态等AI技术的深度融合。
而之所以ChatGPT能带火AGI技术，背后还要靠它的“人性思维”，这也是为什么人们在感叹ChatGPT技术的同时，也担心着自己可能很快要被AI取代的命运。这种人性思维，让ChatGPT可以不再根据机械化的固定脚本输出内容，而是可以根据自己的”思考”，产生与人类共鸣的内容。
这一点正是AGI技术的精髓所在。但也正是因为它在根据自己的“思考”生产内容，导致其在准确性方面还有不少提升空间。目前，这种技术更多还停留于C端。其实，AGI技术本身并不分to C or to B，只是当下，这种技术的准确度和速度还比较受限。
在C端场景，用户更在乎这种技术带给他们的新奇感和乐趣，至于内容质量并不是最高优先级，甚至，C端用户可以容忍它犯的一些错误。但B端场景则不同，企业客户不仅要求质量高，还要求速度快。这就形成了在AGI技术上，B2C和B2B的清晰界限。
然而，虽然AGI技术目前的成熟度还无法完全应用于B端，但其不断创新的算法、预训练模型等技术激发了各行业的想象力。比如，在RPA赛道，从前的机器人客服只能用固定的模板来回答消费者的问题，但若结合AGI技术，机器人客服可以自己理解上下文，从而个性化地回答问题。
从某种程度上讲，RPA和AGI有共同之处，它们都属于自动化技术。RPA的本质相当于软件工具人，帮助坐在办公室里的白领解决重复性、规则性强的基础工作。所以，AGI技术本身与RPA形成互补关系，RPA帮助AI模型收集信息，反过来，AI模型会更好地帮助RPA做主观决策。
一个在电商领域的场景是差评回复。比如，消费者在网上购买鞋，但回到家发现有瑕疵，这时候就会找到客服。从前的产品服务是从知识库里挑选模版来回答，但这种回答未必能解决客户的问题。但结合AI大模型技术后，智能机器人客服通过AI模型的推理能力，更理解消费者的话，在此基础上，再去知识库寻找问题答案并回答。
以上是影刀RPA已经应用的一个客户案例。
目前，已有不少RPA厂商都在试水AGI技术，将其应用在业务场景中。毕竟，两种重复性高的技术，融合在一起会带来很多变革。对此，影刀创始人兼CTO石开认为，AGI对RPA的影响有两方面。
第一， 能力边界的扩展。上述的差评回复就是一个非常真实例子。从技术层面理解，RPA更接近于一种底层的连接器，它本身只能作为一个非主观的角色。但当AI大模型应用进来，两者结合去扩展能力边界，从而覆盖更多业务线。
但技术人员想要实现这点，仍然要面临些挑战。因为大模型本身并不懂如何去操作，也不认识这些软件。所以在前期，AI大模型本身也需要大量时间，积累行业know-how。
第二，AGI技术的赋能，会提升RPA工具的使用体验。类似于ChatGPT，我们只要把自己的需求说出来，它就会按照指令去执行。当然在to B领域，技术也需要学习如何去执行。但只要前期训练到位，小白用户也可以像使用ChatGPT一样使用RPA工具。把需求通过聊天的方式在聊天框告诉RPA工具，它就会自动帮助执行流程。这直接将RPA拉到更智能的水平。
然而，AGI技术与RPA的结合并不易。虽然AGI技术本身并不难，很多互联网大厂也都在推出自己的AI大语言模型，但其真正的难点在于实际应用，积累行业经验。而这还要看自己本身的行业积累，比如，对于那些在某几个领域深耕的RPA玩家来说，如今站在AGI的风口浪尖上，结合自己在行业里多年的积累，终于看到了机会。
三、RPA的“华丽变身”
在AGI风口下，RPA正在经历一场“华丽”的变身，驶向更智能的自动化。
“在过去，数字机器人更像是一个执行器，‘人+数字机器人’才能实现从顶层规划到底层执行的闭环，但在未来，数字机器人可以实现理解+规划+执行的全流程，这是一个极其巨大的变化。”这是某超自动化厂商对未来数字机器人的判断。
在未来，以LLM通用大语言模型为基础的超级大脑将会从根本上改变人机的交互方式，比如从界面操作模式变成自然语言模式，通过聊天式的@各类机器人，驱动各类自动化的工作。一位行业人士告诉产业家，“当前，数字机器人仍然以自动化执行能力为主，而未来，具有超级大脑的数字机器人则将能够具备从需求理解到资源规划，到自动化执行，最后结果交付的全链条能力。这也必将深刻改变office场景的工作形态。”
所以说，“未来人机交互一定会发生变革”，同样在人机交互赛道的「澜码科技」创始人周健也有相似的感触。
早在五年前，周健就预测，摩尔定律将逐渐失效，未来会出现“行星极的智能系统”。而澜码科技在当下的时间出现也并非偶然。今年2月，周健从弘玑离职刚满两个月，就决定要做一个对话式机器人系统。其底层技术是AI大语言模型+RPA。他这样定义澜码：“如果AI大语言模型是大脑，邮箱、网盘、PPT等办公软件是四肢，澜码则相当于神经中枢，RPA就是与四肢配合的神经末梢。”
澜码科技的优势在于，结合AI大语言模型，调用各种软件的底层API，用户通过自然语言将需求描述出来，澜码就会将需求拆解成对于底层基础API的调用，从而帮助用户完成一些基础的重复性工作。而能调用多少个API，则决定着对自然语言能理解到什么程度，以及用自动化能替代掉多少基础流程。
周健给了产业家一个具体的案例。在To B场景下，公司需要预约会议开会，客户只需说出自己的需求，如“预约明天下午两点与某部门开会讨论XX事宜。” 利用澜码的技术，其产品就会自动在钉钉或飞书的办公软件中找到相关部门，发送信息，并选择Zoom或腾讯会议，预约会议。
在这过程中，可能涉及到微信、网盘、BI、OA等软件，而客户并不需要纠结选择哪些办公软件或会议软件等细节，只需用自然语言描述出需求，澜码就会利用这些软件的基本功能，调用上百个API。所以，目前澜码主要在做的就是提升能够调用的API数量，从而让其产品更智能化。
此外，还有很多其他的RPA厂商也都在尝试自己研发AI语言模型，而有些厂商则选择与微软Azure OpenAI合作，接入他们的LLM，如来也和影刀。在AI大语言模型的基础上，各家再输入其垂直赛道的个性化信息和数据，从而训练自己的语言模型。
在RPA或智能自动化领域，未来比拼的可能会是自家对AI大语言模型的训练程度。一方面，这与技术创新有关；另一方面，也是更重要的一点，则与行业know-how有关。如果一家RPA厂商在某些垂直领域本身已经积累了比较深的行业经验，那么数据越多，训练出来的LLM就更能理解自然语言需求，从而扩展出更深的应用场景。
然而，据Gartner成熟曲线，生成式AI已进入第二阶段发展，但距离生产成熟期需要2-5年；而智能机器人的技术成熟期更长，需要5-10年。所以两者融合可能还会存在很多变数。
目前，在RPA这片田野上，虽然还存在大量空白市场，但竞争仍较为激烈，因为大多数厂商都聚在数字化程度较高的几个领域，同质化严重。
另外，值得注意的是，为什么很多厂商虽然自身的底层技术是RPA，但并不会将自己划分到RPA赛道中？或许是因为更智能的自动化更有想象力，又或许是RPA领域已经承受了太重的资本压力。
从市场趋势来看，RPA属性正在逐渐淡化，一些厂商都已瞄准更高阶的智能机器人。可能未来5～10年，随着AI语言模型的发展，RPA的产品逻辑会彻底改变，RPA厂商也会进化到更智能的阶段。届时，“RPA”这个概念也许会消亡，以更高级的自动化形式存在下去。
这是RPA行业的下一个拐点，也是它的宿命。
