AIAgent爆發，RPA進入APA時代？

今天小編分享的互聯網經驗：AIAgent爆發，RPA進入APA時代？，歡迎閲讀。

文 | 第一新聲，作者 | Tina

"2025 年或成 AI 智能體爆發元年。"近日，百度創始人李彥宏在人民網的撰文講出了行業普遍認可的趨勢。

繼 DeepSeek 風暴之後，全球首款通用 Agent 產品 Manus 的出現再次讓行業沸騰。不讨論 Manus 本身的性能如何，但由此引發的從 " 被動應答 " 向 " 主動執行 " 的範式躍遷，正在不斷突破繁雜業務流程場景下的智能化可行性。

根據麥肯錫等多份權威報告，受多元化需求驅動，AI Agent 市場呈爆發式增長态勢，2024 年全球 AI Agent 市場規模約為 51 億美元，預計 2030 年将飙升至 471 億美元，復合年增長率高達 44.8%。

趨勢之下，市場對于企業級 AI Agent 的實踐探索正在持續深化。同時，在數字化轉型深水區跋涉的央國企等大型企業，也正迎來基于大模型 +Agent 的智能進化新模式……

其中，值得注意的是，已經發展多年的 RPA 市場在 "+AI Agent" 的影響下，正在孵化催生出一個全新的模式—— APA（智能體流程自動化）；并且，當前這一模式正在從從概念走向實踐。

什麼是 APA？它能否成為打破傳統 RPA 邊界的關鍵力量？基于對 20 多家央國企、10 餘家 RPA 廠商相關負責人的調研訪談，我們深度剖析了 APA 與 RPA 的差異化價值，以及 APA 的應用趨勢。

央國企 " 提效法寶 "RPA 年復合增長率達 42.5%

RPA ( Robotic proces Automation，機器人流程自動化 ) ，又稱 " 數字員工 "，是一種讓軟體機器人根據預設的固定運行邏輯，在計算機上模拟和執行人工操作的技術。

2000 年代中期至 2019 年，市場需求意識萌生，國内眾多 RPA 廠商嶄露頭角；2020 年至今，RPA 高速迭代，融合流程挖掘、CV、OCR、NLP、低代碼等技術，已經能夠針對性、高效化解決企業在業務流程中面臨的 " 操作簡單，但流程化、規則清晰、高頻重復 " 業務。

以央國企為例，規模巨大、層級復雜，導致大量央國企在業務流程方面累積了一系列亟待解決的痛點難題。

首先，龐雜的數據系統導致執行層面難度高、效率低。随着數字化轉型的不斷推進以及企業規模的擴大，央國企建設了大量業務系統，但許多流程仍依賴人工操作，工作不僅重復、頻繁、數量眾多且人工執行也非常出現容易錯誤和效率低下的情況。

其次，繁瑣的流程操作導致響應市場變化的靈活性不足。央國企在國家經濟中占據重要地位，需及時響應國家政策和市場變化，但由于央國企通常流程長、層級多及下屬企業分布廣泛，所以在業務調整時，會有業務執行緩慢、靈活性不足等現象。

此外，跨系統操作協同性不足，導致各層級之間 " 信息孤島 " 現象嚴重。各業務部門根據自身需求分别建設了不同的業務系統，系統眾多且分散，部分業務流程支持跨系統操作，但這通常需要多次切換系統、重復登錄及操作。由于各個業務系統間的操作不協同，手動跨系統的操作效率低下且耗時高，所以當大量業務流程需要頻繁跨系統操作時，數據之間可能缺乏聯通，容易形成數據孤島。

針對這些問題，RPA 通過自動化标準操作流程，減少手動執行任務的需求，提高流程執行的速度和精确性。從某種程度而言，RPA 充當了企業業務的 " 數字粘合劑 "，通過将操作腳本部署在機器人上，讓其在不同的軟體系統間自主執行事務，把多個孤立系統、層級和部門連接起來。

目前，RPA 已廣泛用于央國企的各項細分應用場景中。大到财務、IT 服務、内部審計等業務系統，小到發票認證、客户回訪、業務數據匯總等具體工作。現階段，RPA 在效率提升、成本降低等方面的技術更新仍在持續……

據相關供應商提供的數據，工商銀行持續推進 RPA 平台建設和業務應用，服務于 90 多家國内外機構，日均任務量 50000+，已經建設 13 個綜合型數字員工以及 1000 餘個流程自動化數字員工，智能增效超過 3 萬人年；

中交集團RPA 項目則已累計投入 300 多台 RPA 機器人，應用在 39 類業務場景中。在資金結算等場景中，處理效率提升了 200% 到 300%;在憑證審核業務、付款錄入業務、匯率維護業務等場景，處理效率提升了 1.4 倍到 2.4 倍，綜合節約工時達到每月 80 人天以上。

過去五年，RPA 受到的認可與廣泛應用離不開數字化轉型需求的推動。而在數字化轉型深水區的央國企則成為 RPA 的重要市場。據第一新聲智庫發布的《2024 年央國企 RPA 市場研究報告》數據顯示，2024 年，全國國有企業數量超過 48 萬家，并有望于 2025 年突破 50 萬大關。

龐大的央國企群體也帶來了巨大的市場，上述報告數據顯示，央國企 RPA 市場規模正在持續上升，2024 年已達 20.9 億元，預計到 2027 年，将突破 58.1 億。其中，值得注意的是，2022 年 -2027 年，央國企 RPA 市場規模預期将實現復合年均增長率 42.5%，遠高于整體 RPA 市場 32.7% 的增長。這也表明，在央國企中，RPA 展現出了更加明顯的應用價值。

當前，金融行業是數字化建設與 IT 科技投入最為集中的領網域，也是央國企 RPA 應用的核心細分市場。相比之下，制造行業央國企的數字化程度差異較大。但是制造行業整體規模龐大，全國 500 餘家制造業上市公司中，國有企業數量占比達 27%，市值占比達 48%。

近年來，交通與能源行業的數字化推講速度極為迅強、由于對運營效率提升、成本降低以及數據處理準确性的迫切需求，交通與能源行業對 RPA 的需求日益增長。

AI 時代下的 RPA 不更新、就淘汰？

随着央國企數字化轉型進入衝刺期，采用 RPA 技術，已經成為各行業數字化轉型的标杆。但同時，在第一新聲的調研和訪談過程中，也有不少相關領網域的負責人反映，目前眾多業務流程中仍然存在 RPA 無法解決的問題。

因為 RPA 的本質是一種基于預設規則和固定流程的自動化解決方案，其核心痛點在于缺乏自主 " 思考 " 能力。簡單來説，RPA 更像是一個勤勉高效但不善變通的 " 數字勞工 "，在高度依賴穩定規則的場景下價值突出，但無法精确的處理需要實時判斷、動态決策的復雜業務。

第一新聲綜合調研和訪談觀點分析，當前市場主要的 RPA 應用商們普遍認為，市場上的 RPA 產品目前還存在以下短板：

首先，RPA 沒有自主決策優化流程的能力。當業務規則發生變化，RPA 往往無法靈活應對。例如，一個 RPA 機器人負責從報表中提取數據并錄入系統，如果某次報表格式有所調整，機器人可能就會抓取錯誤數據甚至崩潰。

其次，RPA 擅長處理結構化數據，但在非結構化的數據處理方面面臨巨大挑戰。因為它缺乏對自然語言、影像等復雜信息的理解能力，無法像人那樣根據内容做出判斷，這使得 RPA 難以覆蓋諸如客服咨詢、經營分析等需要認知智能的場景。

此外，在 AI 同步飛速發展的當下，市場的需求也在發生波詭雲谲的變化。當前，AI Agent 的部分功能似乎與 RPA 高度重疊。第一新聲研究院咨詢師分析，未來受 AI 技術衝擊，傳統 RPA 市場增速可能将有所放緩。在此情況下，我們不禁思考，如果 RPA 曾是解決 " 信息孤島 " 和 " 流程繁瑣 " 問題的突破口，那麼如今 RPA 的突破口又在何方？它是否會被更先進的技術所取代？

要回答這個問題，首先我們需要理清 AI Agent 和傳統 RPA 之間的關系。

2024 年下半年，AI Agent 技術成為市場焦點。據 Gartner 預測，到 2028 年，至少有 15% 的日常工作決策将由 AI Agent 自主完成，而這一比例在 2024 年尚為 0%。這一數據為行業帶來了巨大的想象空間，目前已經有不少大廠陸續推出相關產品。

2024 年 10 月，微軟在宣布在 Dynamics 365 中集成 10 個自主 AI Agent；2025 年 1 月，OpenAI 在發布了其首款 AI Agent 產品 "Operator"；同月，谷歌推出了基于 Gemini 2.0 架構的 AI 智能體原型。

理論上，用户只需輸出指令，AI Agent 即可在虛拟機中自主操作，甚至可以調取 Python 等抓取、分析工具輸出報告呈現可視化結果。這在一定程度上替代了 RPA 的自動化需求。

但實際上，回顧過去一年左右的實踐，絕大多數 AI Agent 仍然停留在簡單的問答或基礎場景，幾乎還沒有出現能夠實現 " 全流程閉環 " 的 AI Agent 產品。對于央國企和大型企業而言，這顯然無法完全滿足復雜業務流程的深度參與；此外，智能體存在難以預測的随機性，考慮到企業對可控性和可追溯性有硬性需求，所以，至少短時間内智能體依舊無法取代 RPA 對于央國企的價值。

因此，RPA 和 Agent 實際上存在技術互補性，而不是簡單的技術取代。于是在此趨勢下，越來越多廠商開始探索将 Agent 與 RPA 結合。

早在 2023 年 10 月，OpenAI 投資的初創公司 Induced AI，其產品概念正是智能體結合 RPA，而進化成 "RPA 3.0"；其核心創新在于其產品通過構建一個專為 AI Agent 設計的浏覽器環境。

同年 12 月，清華大學與智譜 AI 團隊推出了 CogAgent，其產品的技術理念，與 RPA 廠商 " 實在智能 " 的產品 RPA Agen 非常相似。2023 年 12 月，騰訊推出 AppAgent，标志着 AI Agent 與 RPA 技術在手機端深度融合，智能自動化的應用場景得到進一步擴展。

從 2024 年以來，已經陸續有廠商發布 Agent 與 RPA 的融合產品。截止目前，國内主要 RPA 廠商幾乎已經将 AI Agent 作為重點布局領網域。其中包括：九科信息推出的 "bit-Bot 智能知識助手 "、來也科技推出的 "AI Agent 數字員工 "、金智維推出的 "K-Agent"、達觀數據 " 數字員工 Agent 平台 " 等等；

從這些案例來看，AI Agent 的崛起不僅沒有替代 RPA，相反，RPA+AI Agent 的模式反而還将會放大 RPA 的價值。

當前，RPA 已經呈現出明顯的智能化更新趨勢。據 Gartner2024 年發布的 RPA 相關全球報告預計，到 2025 年，90% 的 RPA 供應商将整合生成式 AI 技術，進一步提升自動化的智能化水平。這也表明，未來傳統 RPA 廠商将會面臨嚴峻的處境。

APA 崛起如何拓寬 RPA 邊界？

RPA 與 AIAgent 的結合，在行業中是一種新型流程自動化範式。最早在 2023 年底由面壁智能與清華自然語言處理實驗室等團隊共同推出。

當年 11 月，來自清華大學、麻省理工學院、卡内基梅隆大學、中國人民大學和面壁智能公司的多位專家學者還聯合發表了一篇名為《ProAgent ‌ :From Robotic Proces Automation To Agentic Proces Automation》的論文，首次将 AI Agent 與 RPA 融合，正式提出 APA 的概念、引出了 APA 的框架。

APA 和 RPA 的區别可以從技術架構和應用場景兩方面來理解。

在技術架構上，APA 的技術架構通常由大語言模型（LLM）+ Agent + RPA 執行單元組成。Agent 充當 " 大腦 " 和指揮中樞，負責規劃任務、調用工具；大模型為 Agent 提供 " 動力 "，提供人類的認知理解和推理能力；RPA 組件扮演 " 手腳 "，和系統互動完成操作。

相比傳統 RPA 只能執行預定腳本，APA 中的智能體可以理解人類的意圖，通過自然語言互動獲取指令，進而自主地将復雜任務拆解為一系列子流程。其核心思想是實現從 " 按規則執行 " 向 " 按目标自主完成人類委派任務 " 的轉變，這對于當前的企業數字化進程來説，這是裏程碑式的跨越。

在業務場景上，APA 主要攻克了傳統 RPA 的兩個核心邊界。一是 Agent 可以代替人構建相應的工作流；二是 Agent 可以處理工作流過程中的動态決策；

因此，在企業業務的執行過程中，一旦流程發生變化，智能體能自動基于實時反饋進行調整。例如，在大模型的驅動下，智能體可以讀取和理解政策檔案、合同條款等非結構化文本，然後依據内容決定下一步動作；客户場景中，智能體可理解客户的自由語言問詢，查詢後台多個系統，并給予答復。

基于此，APA 相較于 RPA，能夠應對更加復雜和多樣化的業務場景。一是 APA 能夠推動 " 端到端 " 業務流程無人化的實現，顯著降低運營成本并提高企業的市場競争力。二是企業可以通過内部自動化系統完成更多任務，從而減少了對外部人力外包的需求 ; 三是，企業可以更好地控制數據和流程，降低數據安全風險。

從當前的市場情況來看，不少甲方企業對 RPA+AI 產品抱有較高的期待，這也給了很多 RPA 廠商更多新的想象。

據《2024 年央國企 RPA 市場研究報告》分析，40% 的企業反饋表明，目前對采用 RPA 結合 AI 技術持積極态度，正在等待技術成熟度更高、操作更簡便的產品出現。其中，部分央國企在 AI 等技術領網域的投資預算高達數十億元，對于表現出色的 RPA+AI 產品，也有相當數量的央國企願意投入極高預算。