RPA丨研究报告。
核心摘要：潮起潮落：几年前，“数字化劳动力”声名鹊起，“RPA将导致裁员”的头条新闻层出不穷，吸引资本不断涌入RPA赛道，RPA赛道火爆。 然而，产品基门槛低的赛道和热钱的流入，导致厂商之间同质化竞争严重，甚至开始出现激烈的竞争，降低了整体客户体验，引发了RPA厂商在客户拓展、盈利、融资等方面的一系列困难，市场增速低于预期
反倾听的内在：
另一方面，国外厂商，在IT标准化程度高、业务驱动意图明显、成本考量低、人才和技术成熟、自动化场景经验较多的背景下，RPA开始向超级自动化宝箱迈进，灵活结合其他技术，探索更深、更大的需求场景
回望国内，由于各种差异化因素导致需求侧和供给侧缺乏驱动力，国内RPA很难一步到位完全复制国外模式，也不可能做出大刀阔斧的改变。
不后悔：因此，即使2024年市场规模增速回落至35%，但由于RPA（低成本减轻人力负担）、非标系统连接、数字经济爆发的背景等优势，我们仍看好市场，因此我们认为未来三年增速仍能维持在40%。 
RPA会被取代吗？明确ROI和非标准IT环境，为长青赛道奠定基础，让数字经济需求场景倍增RPA项目在计算机界面中模拟员工操作，自动化和替换员工执行任务，节省员工的工作时间，同时增加处理的业务订单数量。 有了 RPA，公司可以清楚地量化 RPA 项目带来的 ROI（投资回报率）。 ROI通常在几倍到100倍之间，在项目建设后期往往有明显提升的趋势，因此RPA受到企业采购的青睐。 在这种需求基础下，数字经济的兴起进一步带来了需求。 随着数字化的发展，企业规模不断扩大，企业流程更加复杂，数据类型、数量、应用之间的交叉操作数量不断涌现，对非核心业务产生了更多的运营需求。 同时，我国中小企业较多，封闭系统较多，系统接口标准化程度不高。 
RPA在国外是如何发展的？融合RPA与多种工具，灵活搭配，全面拓展需求覆盖面的实用宝箱超自动化融合了RPA、流程挖掘、low**、AI、IPAAS等技术的综合实践，是可以针对不同需求场景灵活采用解决方案的宝库。 其中，流程挖掘可以改进RPA的实现过程，缩短开发时间，IPAAS可以补充RPA数据采集的不足，进一步为企业系统集成提供全面的编排平台。 Low**和AI不仅可以集成到RPA中，还可以与其他技术联动，提高整体开发能力的便利性、服务的智能化和用户体验。 在国外，超自动化的实践通常由RPA负责人等生态合作伙伴完成，或者由大型综合性科技公司（如Microsoft、IBM）灵活选择相关技术，提供完整的解决方案。 
RPA在中国的发展能否复制国外的路径？需求侧受限于成本和IT架构标准，供给侧的技术和服务成熟度尚未达到峰值从需求端来看，国内中小企业占多数，RPA需求仍停留在单点自动化场景的应用上，且由于成本限制，项目部署以省力数量为导向。 在国外，更多的企业被业务的闭环性质和连接的效率所驱动，自动化场景的应用往往涉及更广泛的技术。 同时，由于国外IT标准化程度高，综合解决方案可复制性强，供给侧发展超级自动化综合应用更有动力。 与国内供给侧相比，匹配全面、复杂需求的开发不足，在解决方案的制定上，与国外相比，人才、技术、服务经验等还存在差距，且缺乏IBM等大型综合软件厂商，因此不建议RPA厂商直接装备超自动化应用的所有技术实践， 并应小步发展，实现稳定增长。
扩大客户的困境RPA对第三方系统的依赖难以平衡，降低了产品的稳定性超过一半的客户产品体验较差：与2024年相比，2024年RPA需求者对产品的整体认可度有所提升，但达到或超过预期的客户占比为45%，不到一半。 产品体验差**：RPA是一种软件，异常因素还会包括运行环境不匹配、实际业务数据与测试不一致等，但其独特且占比较大的因素依赖于第三方系统。 当第三方系统发生更改时，RPA 无法识别和执行它们。 有两个因素加剧了这种不稳定性带来的任务量。 1）由于指令中可能出现这种不稳定性，因此堆栈中子进程、主进程甚至多个进程的出现次数和类型都会增加2）业务流程封装运行后，很多原有细节的处理没有记录和同步，导致相关用户变更后出现黑盒业务流程，甚至RPA项目以失败告终虽然上述这些现象在设计方法、管理方法、标准维护等方面都可以得到缓解，但由于RPA厂商能力水平参差不齐（包括方案定制和产品运维），相当一部分客户对RPA产品存在错误认知，难以塑造统一、优秀的产品体验口碑。 
短期战略：RPA智能魏巍救赵：AI提升产品设计体验，拓宽业务场景范围需要长时间积累经验，才能将所有制造商的产品设计能力和运行稳定性提高到较高水平。 但是，通过RPA+AI，可以从两个方向提升客户的使用感：升级产品设计能力和拓宽应用场景。 1.设计能力：推荐智能开发主要提升产品设计体验，如更精准的元素把握定位、更简洁、更智能的开发流程。 应用于RPA的流程挖掘+AI，更适合大中型企业RPA项目的后期建设或复杂场景下新需求的挖掘，优化执行流程，进一步提高ROI，从而提高客户粘性。 2.拓宽业务场景：1）智能识别基本由所有RPA厂商配置，利用RPA原有的自动审核和传输功能，可以识别和上传各种工单和订单，可以进一步提升线上线下服务的一体化体验。智能识别的门槛不高，但对非标准化工单和订单的识别精度仍会在算法和训练模型上打开缺口。 2）由于RPA的重复性自动化操作常用于采集数据、文档等内容，因此有RPA厂商为大中型企业衍生出相关的文档管理和数据处理平台，以沉淀和复用数字资产，其中文文件内容平台通常使用NLP、知识图谱等AI能力来提高文档内容审核的准确性， 而数据衍生平台则倾向于集成OCR、NLP、ML等，加强数据采集、处理、分析和应用。
远程和近距离攻击：LLM以相关的场景深度拉出高原，增强与用户的直接互动LLM相关应用早在RPA产品中就已经体现在需要语言理解的衍生业务场景中，如文档审核、智能客服等。 能力提升程度较高的OpenAI开放后，引发了C端使用热潮，激烈的研发竞争推动了LLM整体能力的提升。 无论是自研LLM，还是调用LLM的RPA厂商，文档的处理和机器人的对话都提升到了新的高度，也是LLM组合最快、落地最多的场景。 少数RPA厂商也引入了文本生成能力，以缩短编写资料的时间，进一步拓宽业务场景，但已启动应用的企业仍是少数。 LLM作为指令理解的大脑，RPA作为命令执行的肢体，通过语言自动生成任务流程建议和执行模型，符合产品设计门槛和开发量大幅降低的优势，将成为未来重要的探索方向。 不过，截至目前，只有少数国外厂商推出了功能，国内厂商仍在探索中。 
盈利能力和融资瓶颈激烈的竞争和两端沉重的服务成本压缩了供给侧的利润空间调查显示，RPA厂商的主要盈利点是软件许可，即产品部分的40%，实施和运维服务劳动密集型，利润低，但占比在60%以上，这在一定程度上反映了人力是RPA厂商成本的重中之重。 1）从软件许可盈利能力来看，受RPA产品差异化小、门槛低、前期投资热等因素影响，厂商采取降价买断的模式获取客户，挤出了整体厂商健康发展的生存和盈利能力，降低了客户体验。2）RPA项目定制和运维更为严峻，运维中使用的人工成本与企业流程的复杂程度呈正相关，由于不同企业流程差异较大，难以实现解决方案复用。因此，在这种再定制模式下，RPA厂商没有主动控制成本。 
投资回归理性，融资前期热点转向产品整合，后期融资受利润因素抑制2024年，Uipath估值75亿美元，PS倍数达35倍，开创了TOB行业的先河。 2024年，UIPATH的成功叠加在“中国人口红利”的背景下，RPA赛道掀起了投资热潮，当年发生了8起投资事件，**至次年13起，2024年达到18起的峰值。 对资本的过热追求，导致很多不成熟的厂商开始“野蛮生长”，出现了一流竞争、客户体验拉低的负面影响，因此2024年融资数量下降到11家，资本回归理性。 在意识到纯RPA产品的门槛不高、长期投资价值不大后，资本对新兴厂商的重心转向了产品集成，即RPA产品是否与低质量、IPAAS、AI等技术深度融合，发挥协同效应。 对于已经规模化的厂家来说，由于过度的定制化和运维，很难增加利润空间，扩大规模，因此在更注重利润指标的融资后期很难遇到困难，以至于经过多年或多轮融资， 它仍然徘徊在C轮。
短期策略：组件积累和再利用一石多鸟：dot RPA可直销，组件可复用，降低定制成本许多 RPA 供应商已经建立了应用程序市场，将点状自动化场景的需求打包为开箱即用的 RPA，只要简单配置即可运行。 也有厂商不选择向应用市场开放，而是会在点场景下积累和复用行业元器件，降低定制成本。 虽然应用市场中的RPA种类很多，但个人用户使用较多，产生的收入屈指可数，主要作用是扩大RPA用户群，吸引客流。 但是，对于一些可以固化、高度全面的业务场景，将SaaS应用销售给B端客户是一种有利可图的策略。 这种SaaS应用不是下图中的虚线场景，而是在更一般的人力资源、采购、财税等领域，针对整个流程的多层次自动化任务，已经被多家RPA厂商推出和使用。
完善的解决方案能力：RPA+低**固化业务可以SaaS，非固化业务可以结合低质量的完美解决方案如前所述，**和定制化运维成本是影响RPA盈利和后期融资的主要因素。 其中，在不同的业务场景下，通过采用不同的产品策略，可以降低定制化的运维成本。 这里的业务场景是指 L2 级别的场景和下属流程（L1 通常是企业的整体目标）。 根据业务对IT的依赖程度和业务流程成熟度两个维度，两个维度水平较高的场景可以归类为可固化业务（如财务、就业和退休），通过RPA+SaaS塑造开箱即用的产品可以降低定制成本，而集成低**可以将不稳定的不固化业务变成更闭环的解决方案，减轻后期运维负担。 目前，这种按照企业流程架构拆分非固化业务，结合低**提供完整解决方案的策略，在国内还不成熟，只有少数龙头RPA厂商和少数大型综合厂商能做到。
需求场景深度拓展：RPA+流程挖掘适用于大规模、深度化的场景，有利于后期需求场景的探索和优化，缩短开发时间RPA与流程挖掘的结合，通常结合现有RPA项目的优化和后期项目的升级，可以对原有的RPA项目流程进行优化，发现更多的自动化需求场景。 这类需求场景往往具有流程复杂度高、重复操作量大、业务数据密集、自动化要求更加精细严密等特点。在此背景下，RPA供应商可以配合流程挖掘，大幅提升大型项目或后期附加项目的客户体验，减少常规任务对人力的依赖，缩短前期开发时间。 目前，直接提供流程挖掘的厂商很少，但超过80%的企业愿意计划在2年左右尝试流程挖掘，因此RPA供应商需要与具有相关技术的服务商合作或提前积累经验来补充其能力。
产品能力垂直提升：RPA+IPAas为多个系统下的数据和信息交换开发端到端自动化方案IPAas和RPA在数据集成功能方面存在一定的重叠，但总的来说，RPA的数据集成方式是在相对简单的环境中使用的，而IPA的集成能力面临更广泛、更复杂的需求。 因此，IPAAS可以弥补RPA在系统更复杂的交换需求中对第三方系统的依赖性带来的不稳定性，配合RPA对非标接口系统的连接和自动运行能力，实现更全面、更稳定的数据流和信息交换需求。 目前，能够直接集成这两个功能的RPA厂商很少，RPA厂商可以选择与服务商合作或集成到IPAAS产品中，以提高产品集成能力，不仅可以缓解RPA操作的不稳定性，还可以扩大需求场景的范围。
市场规模2024年增速低于预期，但未来三年增速仍将在40%以上RPA投资在2024年达到顶峰后，在同质化竞争严重的背景下，客户扩张和盈利能力出现一系列瓶颈，因此尽管需求情景稳定，但供给侧的营收增速增速低于此前预期，疫情叠加等因素对2024年增速的影响将降至35%， 总规模41亿。但是，考虑到中国企业重视ROI的背景、IT系统整体标准化开发周期、信息化创新的发展、内部系统安全的重视，以及RPA的供给侧也在积极采取多种策略来提升整体客户体验， 我们对后期RPA市场的增长仍然充满信心，2023-2024年整体市场增速仍将在40%以上，2024年市场规模将突破100亿元，市场集中度将逐步上升，整体增速将向头部厂商靠拢。
产业链技术与服务伙伴可以在短时间内全面、高效地提升RPA厂商的服务竞争力RPA基础技术的门槛不高，所以RPA产品的厂家种类很多。 除了原生的RPA厂商和具有AI背景的RPA厂商外，基础云厂商和综合软件厂商也将开发RPA能力，以补充自己的软件能力矩阵。 此外，由于RPA在金融行业应用较早，一些金融科技公司也纷纷部署RPA。 RPA厂商会不同程度地掌握流程挖掘、AI、IPAas、低质量等技术，但有时也会调用技术合作伙伴的能力，同时对接集成和实施的提供商不仅提供交付集成等服务，有时还提供相关的技术组件，双方都是RPA厂商快速提升竞争力的核心因素。
纵向指标 - 需求覆盖率从营收水平、产品基础能力、场景拓展广度、垂直行业深度四个方面权衡取舍——产品基础能力差异较小，垂直场景深度拉大差距
水平指标 - 产品前瞻性从AI、流程挖掘、数据管理、交互四个方面来看，各方面都存在厂商的竞争差异化特征
供应商竞争格局供给侧可以从垂直行业渗透率和产品前瞻性的角度着力打造差异化竞争优势，需求端也要考虑自身需求场景的深度等因素
特殊。 推荐。
联合办公市场研究 |数字化新采购发展：零售业的数字化转型企业数字化转型车企数字化转型|数据库行业研究。