2023年中国RPA行业研究报告

发布时间：2023-06-28 23:35:05 丨 浏览次数：

　　火狐电竞潮起潮落：几年前，“数字劳动力”声名鹊起，“RPA将会引起下岗”的头条言论不胜枚举，吸引资本持续涌入RPA赛道，RPA赛道炙手可热。然而，产品基础门槛不高的赛道加之热钱流入，导致厂商同质化竞争严重，甚至开始出现激烈的价格竞争，拉低整体客户体验，并引发了RPA厂商在拓客、盈利、融资上遇到一系列的困境，市场增速低于预期；

　　反观国外厂商，在IT标准化程度高、企业业务驱动意向明显而成本考虑因素占比较低、人才与技术成熟、自动化场景经验较多的背景下，RPA开始朝着超级自动化百宝箱进阶，灵活与其他技术结合，挖掘更深度，规模更大的需求场景；

　　目光拉回国内，因种种差异化因素导致需求端与供给端驱动力不足，国内RPA难以一步登天完全复刻国外的模式，大刀阔斧变革绝无可能，为今之技，只有小步腾挪，先广泛调用人工智能、复刻组件，再培养流程挖掘、iPaaS等适合深度需求场景的高门槛能力，抓准目标客户群体进行集中攻略，以盘活僵局，改善整体发展环境。

　　落子无悔：因而，即使市场规模在2022年增速回落至35%，我们仍因为RPA有明确ROI（低成本减轻人力负担）、非标准系统连接等优势，以及数字经济爆发的时代背景，而对市场保持乐观态度，故认为未来三年增速仍可保持在40%。

　　RPA项目通过模拟员工在电脑界面的操纵，自动化替代员工执行任务，节省员工工作时间、增加同时间内处理的业务单数。部署RPA以后，公司可对RPA项目带来的ROI（投资回报率）进行明确的量化。ROI通常在几倍到百倍之间，并且在后期项目建设中常有明显增长的倾向，因而RPA备受企业采购的青睐。

　　在这种需求根基下，数字经济的崛起进一步带来了需求的上涨。随着数字化的发展，企业规模不断扩张，企业流程更加复杂，数据类型、数量、应用间交叉操作次数上涨，创造出更多非核心业务的操作需求。与此同时，中国中小企业多、封闭系统多、系统接口标准化程度不高，考量到企业的投入成本限制与IT背景，RPA不仅不会被以编码执行相关操作的产品替代，其规模还会保持常量增长。

　　超级自动化融合了RPA、流程挖掘、低代码、AI、iPaaS等多种技术的综合实践，是能针对不同需求场景灵活采用解决方案的百宝箱。其中，流程挖掘可高效化RPA的执行流程并缩短开发时间，iPaaS能对RPA数据采集时的短板做互补并进一步提供企业系统集成的综合性编排平台。低代码和AI不仅能融入RPA中，还可以与其他技术联动，提升整体开发能力的便捷性与业务的智能性，提升体验。在国外，超级自动化实践通常是RPA头部与其他生态合作伙伴完成，或由大型综合性科技公司（如微软、IBM）灵活选取相关技术，提供完整解决方案。

　　从需求端看，国内中小企业占多数，对RPA的需求还停留在单点化的自动化场景应用上，并且受成本限制，项目部署以节省劳动力的数量为目标导向。而在国外，更多企业以业务的闭环性、联通效率为驱动，自动化场景往往应用涉及更广泛的技术。同时，由于国外IT标准化较高，综合性的解决方案可复制性较强，因而供给端对于综合性的超级自动化应用发展动力更足。对比国内供给侧，发展匹配综合、复杂性需求的动力不足，并且在解决方案的制定上，人才、技术与服务经验与国外比仍有差距，同时缺少IBM类的大型综合性软件商，因而不建议RPA厂商直接配备超级自动化应用的全部技术实践，应当小步腾挪发展，实现稳定增长。

　　一半以上的客户产品体验差：与2021年相比，2022年RPA需求方对产品的整体认可度是有所上升的，但是实践成效达到或超过预期的客户占比为45%，不足一半。

　　产品体验差的来源：RPA作为一种软件，异常的因素也会包括运行环境不匹配、实际业务数据与测试不一致，但其特有的并且占大比例的因素来源于对第三方系统的依赖。当第三方系统发生变更时，RPA无法识别、执行。有两点要素加剧了这种不稳定性带来的任务量。1）由于这种不稳定性在指令中可能就会出现，因而在堆叠的子流程、主流程、甚至多个流程中出现状况的次数、种类都会上升；2）在业务流程封装并运行后，许多原始细节的处理没有得到规范记录、同步，导致相关使用人员变更后业务流转过程黑盒化，甚至最后RPA项目以失败告终；尽管这些上述现象可以在设计方法、管理手段、规范维护上得到缓解，但由于RPA厂商能力水平（包括方案定制与产品运营维护）参差不齐，使得相当一部分客户对RPA 产品产生错误认知，难以塑造产品统一优良的体验口碑。

　　将全部厂商的产品设计能力、运行稳定性提升到高水平需要长期的经验积累。但是，通过在RPA+AI，可以从产品设计能力升级、应用场景拓宽两个方向来提升客户使用感。1. 设计能力：推荐式智能开发主要提升产品设计体验，如元素抓取定位更加精准，开发过程更加简洁智能。而流程挖掘+AI作用到RPA上更加适合中大型企业后期RPA项目建设或者复杂场景的新需求挖掘，优化执行流程，进一步提升ROI从而提升客户粘性。2. 业务场景拓宽：1）智能识别基本被所有RPA厂商配置，将各类票、单识别上传后再发挥RPA原有的自动审核、传送功能，更能提升线上线下业务一体化体验。智能识别门槛不高，但是在非标准化票、单的识别的精确程度，仍可以在算法、训练模型上拉开差距。2）由于RPA的重复自动化操作往往用来收集数据、文档等内容，存在RPA厂商衍生出相关文档管理与数据处理的平台供中大型企业沉淀、复用数字资产，其中文档内容平台通常利用NLP、知识图谱等AI能力去提升文档内容审核的精度，而数据类衍生平台倾向于融合OCR、NLP、ML等，加强对数据的采集、处理、分析至应用。

　　LLM相关的应用，早在RPA产品中有所体现，应用在例如文档审核、智能客服等需要理解语言的衍生业务场景。在能力有高度提升的OpenAI开放并引起C端使用热潮后，激烈研发竞争推动了整体LLM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、机器人的对话，都提升到了新的高度，也是属于LLM结合最快、落地最多的场景。少数RPA厂商也引入了文本生成能力，缩减材料编写时间，进一步拓宽业务场景，但上手应用的企业仍是少数。而将LLM作为指令理解的大脑，RPA作为命令执行的四肢进行结合，通过语言自动生成任务流程建议并执行的模型，本着极大降低产品设计门槛与开发量的优势，将成为未来重要探索方向。但截至目前，国外仅个别厂商已经推出功能，国内厂商仍旧在探索当中。

　　根据调研，RPA厂商主要的盈利点在软件许可证，也就是占比40%产品部分上，实施与运维服务由于偏劳动密集型，利润较低，但其有六成以上的占比，一定程度上体现了人力是RPA厂商成本的重中之重。1）从软件许可证盈利空间来看，受RPA产品差异化小、门槛低、前期投资热等因素影响，厂商采取压价、买断模式来获取客户，挤占了整体厂商健康发展的生存与盈利空间，拉低客户体验。2）RPA项目定制与运维程度较重，实施运维使用的人力成本与企业流程复杂度正相关，且因为不同企业流程差异性强，难以实现方案复用。因而，RPA厂商在这种重定制模式下的成本掌控不具主动权。

　　2018年，UiPath估值高达75亿美元，PS达35倍，成为to B行业的先例。2019年，UiPath的成功叠加“中国人口红利消”的时代背景，RPA赛道掀起投资热潮，在当年发生8起投资事件，在次年上涨到13起，并在2021年达到18起的峰值。过热的资本追捧让许多并不成熟的厂商开始“野蛮生长”，出现了价格竞争、拉低客户体验的负面影响，因此，2022年融资便下降到11起，资本回归理性。在意识到纯粹RPA产品的门槛不高、长期投资价值不大后，资本对于新兴厂商的关注点转移到了产品融合上，也就是RPA产品是否与低代码、iPaaS、AI等技术深度结合，并发挥协同效应。而对于已成规模的厂商，因为过重的定制、运维导致盈利空间难以上升、规模不易扩张，从而在更加注重盈利指标的后期融资遇见困难，以至于在多年或多轮次的融资后，仍在C轮徘徊。

　　许多RPA厂商设立的应用市场，将点状的自动化操作场景需求包装为开箱即用的RPA，只要下载简单配置即可运行。也有厂商不选择开放到应用市场，但是会积累点状场景的行业组件并复用，以减轻定制成本。应用市场上开箱即用的RPA尽管种类丰富，但更多为个人用户使用，创造的收入屈指可数，主要作用还是扩大RPA使用群体、吸引客户流。

　　然而，对于一些可以固化的、综合性较高的业务场景，封装为SaaS应用售卖给B端客户是收益较大的策略。这类SaaS应用并非停留在下图中的点状场景，而是在较为通用的人力资源、采购、财税领域，对多层级的整体流程的自动化任务进行打包，目前已有几家RPA厂商推出使用。

　　如前所述，价格与定制运维成本是干扰RPA盈利空间和后期融资的主要因素。其中，定制运维成本可以通过在不同的业务场景使用不同的产品策略得到缓解。这里的业务场景指L2层级的场景以及下属流程（L1通常是企业的总宏伟目标）。根据业务对IT依赖度和业务流程成熟度两个维度，可以将两维度均高的场景归为可固化业务（如财务、雇佣到退休），通过RPA+SaaS塑造开箱即用的产品可降低定制成本，而通过融合低代码可以将不稳定的非固化业务做成更为闭环的解决方案并减轻后期运维负担。目前，这种按企业流程架构拆分非固化业务、结合低代码提供完整解决方案的策略在国内尚不成熟，仅个别头部RPA厂商和少数大型综合厂商可做。

　　RPA与流程挖掘结合通常在RPA现有项目的优化、后期项目升级中结合使用，可以优化原有RPA项目流程、发现更多自动化需求场景。这种需求场景往往有流程复杂度高、重复操作量大、业务数据密集、对自动化要求更加精细严格的特征。RPA供给商在这种需求背景下配合流程挖掘可以在大型项目或后期追加项目中大幅提升客户体验，并减轻定制服务对人力的依赖，缩短前期开发时间。流程挖掘技术门槛不高，对于经验积累的要求较为严格，目前直接提供流程挖掘的厂商较少，但是八成以上的企业有意愿计划在2年左右尝试流程挖掘，因而RPA供给商需要通过与相关技术的服务商合作或者提早累积经验来补齐能力。

　　iPaaS与RPA在数据集成功能有所重叠，但通常情况下，RPA的数据集成方法用在较为简单的环境，而iPaaS的集成能力面临的需求场景更加广泛、复杂。因而，iPaaS能在系统更加复杂的交换需求中弥补RPA对三方系统依赖带来的不稳定性，配合RPA对于非标准接口系统的连接能力和自动化操作能力，可实现更全面、稳定的数据流和信息交换需求。目前能够直接综合两种功能的RPA厂商较少，RPA厂商可以选择与服务商合作或者被集成到iPaaS产品上的方式来提升产品集成能力，这种策略既可以缓解RPA运行不稳定性现象，又可以扩大需求场景范围，只是可拓宽场景集中在封闭性不强的垂直行业下，中大型企业多系统下有大量数据和信息交换并有及时性要求类的场景需求。

　　2021年RPA投资到达高峰后，在同质化竞争严重的背景下出现拓客、盈利一系列的瓶颈，因而尽管需求场景稳步上涨，供给侧的收入增速却比之前预想的要慢，叠加疫情等因素冲击，2022年增速回落至35%，整体规模在41亿。但是，考虑到中国企业重视ROI、IT系统整体标准化发展周期长、发展信创、重视内部系统安全的背景，以及RPA供给侧也在积极采取多种策略改善客户整体体验的情况，对后期RPA市场增长仍然有信心，2023年至2025年，整体市场增速仍将在40%以上，2025年市场会破百亿，并且市场集中度会逐步上升，整体增速向头部厂商靠拢。

　　RPA基础技术门槛不高，因而有RPA产品的厂商类型较多。除原生RPA厂商以及AI背景发展过来的RPA厂商，基础云大厂、综合软件厂商也会发展RPA能力来补齐自己的软件能力矩阵。此外，由于RPA在金融行业的应用扎根早、覆盖广，因而一些金融科技企业也部署了RPA。RPA厂商会不同程度的掌握流程挖掘、AI、iPaaS、低代码等技术，但有时也会调用技术伙伴的能力，同时，对接的集成、实施商不仅提供交付集成等服务，有时也会提供相关的技术组件，两种合作伙伴都是RPA厂商快速提升竞争力的核心因素。

　　从营收量级、产品基础能力、场景拓展广度、垂直行业深度四个方面权衡——产品基础能力差异较小，垂直场景深度拉开差距

　　从AI、流程挖掘、数据管理、交互性四方面衡量，各方面均出现厂商竞争差异化特征

　　供给侧可在垂直行业渗透、产品前瞻角度重点打造差异化竞争优势，需求侧还应结合自身需求场景深浅、价格等因素考量

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。