AIAgent爆发，RPA进入APA时代？

文 | 第一新声，作者 | Tina

“2025年或成AI智能体爆发元年。”近日，百度创始人李彦宏在人民网的撰文讲出了行业普遍认可的趋势。

继DeepSeek风暴之后，全球首款通用Agent产品Manus的出现再次让行业沸腾。不讨论Manus本身的性能如何，但由此引发的从“被动应答”向“主动执行”的范式跃迁，正在不断突破繁杂业务流程场景下的智能化可行性。

根据麦肯锡等多份权威报告，受多元化需求驱动，AI Agent市场呈爆发式增长态势，2024年全球AI Agent市场规模约为51亿美元，预计2030年将飙升至471亿美元，复合年增长率高达44.8%。

趋势之下，市场对于企业级AI Agent的实践探索正在持续深化。同时，在数字化转型深水区跋涉的央国企等大型企业，也正迎来基于大模型+Agent的智能进化新模式……

其中，值得注意的是，已经发展多年的RPA市场在“+AI Agent”的影响下，正在孵化催生出一个全新的模式——APA（智能体流程自动化）；并且，当前这一模式正在从从概念走向实践。

什么是APA？它能否成为打破传统RPA边界的关键力量？基于对20多家央国企、10余家RPA厂商相关负责人的调研访谈，我们深度剖析了APA与RPA的差异化价值，以及APA的应用趋势。

央国企“提效法宝”RPA年复合增长率达42.5%

RPA (Robotic proces Automation，机器人流程自动化)，又称“数字员工”，是一种让软件机器人根据预设的固定运行逻辑，在计算机上模拟和执行人工操作的技术。

2000年代中期至2019年，市场需求意识萌生，国内众多RPA厂商崭露头角；2020年至今，RPA高速迭代，融合流程挖掘、CV、OCR、NLP、低代码等技术，已经能够针对性、高效化解决企业在业务流程中面临的“操作简单，但流程化、规则清晰、高频重复”业务。

以央国企为例，规模巨大、层级复杂，导致大量央国企在业务流程方面累积了一系列亟待解决的痛点难题。

首先，庞杂的数据系统导致执行层面难度高、效率低。随着数字化转型的不断推进以及企业规模的扩大，央国企建设了大量业务系统，但许多流程仍依赖人工操作，工作不仅重复、频繁、数量众多且人工执行也非常出现容易错误和效率低下的情况。

其次，繁琐的流程操作导致响应市场变化的灵活性不足。央国企在国家经济中占据重要地位，需及时响应国家政策和市场变化，但由于央国企通常流程长、层级多及下属企业分布广泛，所以在业务调整时，会有业务执行缓慢、灵活性不足等现象。

此外，跨系统操作协同性不足，导致各层级之间“信息孤岛”现象严重。各业务部门根据自身需求分别建设了不同的业务系统，系统众多且分散，部分业务流程支持跨系统操作，但这通常需要多次切换系统、重复登录及操作。由于各个业务系统间的操作不协同，手动跨系统的操作效率低下且耗时高，所以当大量业务流程需要频繁跨系统操作时，数据之间可能缺乏联通，容易形成数据孤岛。

针对这些问题，RPA通过自动化标准操作流程，减少手动执行任务的需求，提高流程执行的速度和精确性。从某种程度而言，RPA充当了企业业务的“数字粘合剂”，通过将操作脚本部署在机器人上，让其在不同的软件系统间自主执行事务，把多个孤立系统、层级和部门连接起来。

目前，RPA已广泛用于央国企的各项细分应用场景中。大到财务、IT服务、内部审计等业务系统，小到发票认证、客户回访、业务数据汇总等具体工作。现阶段，RPA在效率提升、成本降低等方面的技术升级仍在持续……

据相关供应商提供的数据，工商银行持续推进RPA平台建设和业务应用，服务于90多家国内外机构，日均任务量50000+，已经建设13个综合型数字员工以及1000余个流程自动化数字员工，智能增效超过3万人年；

中交集团RPA项目则已累计投入300多台RPA机器人，应用在39类业务场景中。在资金结算等场景中，处理效率提升了200%到300%;在凭证审核业务、付款录入业务、汇率维护业务等场景，处理效率提升了1.4倍到2.4倍，综合节约工时达到每月80人天以上。

过去五年，RPA受到的认可与广泛应用离不开数字化转型需求的推动。而在数字化转型深水区的央国企则成为RPA的重要市场。据第一新声智库发布的《2024年央国企RPA市场研究报告》数据显示，2024年，全国国有企业数量超过48万家，并有望于2025年突破50万大关。

庞大的央国企群体也带来了巨大的市场，上述报告数据显示，央国企RPA市场规模正在持续上升，2024年已达20.9亿元，预计到2027年，将突破58.1亿。其中，值得注意的是，2022年-2027年，央国企RPA市场规模预期将实现复合年均增长率42.5%，远高于整体RPA市场32.7%的增长。这也表明，在央国企中，RPA展现出了更加明显的应用价值。

当前，金融行业是数字化建设与IT科技投入最为集中的领域，也是央国企RPA应用的核心细分市场。相比之下，制造行业央国企的数字化程度差异较大。但是制造行业整体规模庞大，全国500余家制造业上市公司中，国有企业数量占比达27%，市值占比达48%。

近年来，交通与能源行业的数字化推讲速度极为迅强、由于对运营效率提升、成本降低以及数据处理准确性的迫切需求，交通与能源行业对RPA的需求日益增长。

AI时代下的RPA不升级、就淘汰？

随着央国企数字化转型进入冲刺期，采用RPA技术，已经成为各行业数字化转型的标杆。但同时，在第一新声的调研和访谈过程中，也有不少相关领域的负责人反映，目前众多业务流程中仍然存在RPA无法解决的问题。

因为RPA的本质是一种基于预设规则和固定流程的自动化解决方案，其核心痛点在于缺乏自主“思考”能力。简单来说，RPA更像是一个勤勉高效但不善变通的“数字劳工”，在高度依赖稳定规则的场景下价值突出，但无法精确的处理需要实时判断、动态决策的复杂业务。

第一新声综合调研和访谈观点分析，当前市场主要的RPA应用商们普遍认为，市场上的RPA产品目前还存在以下短板：

首先，RPA没有自主决策优化流程的能力。当业务规则发生变化，RPA往往无法灵活应对。例如，一个RPA机器人负责从报表中提取数据并录入系统，如果某次报表格式有所调整，机器人可能就会抓取错误数据甚至崩溃。

其次，RPA擅长处理结构化数据，但在非结构化的数据处理方面面临巨大挑战。因为它缺乏对自然语言、图像等复杂信息的理解能力，无法像人那样根据内容做出判断，这使得RPA难以覆盖诸如客服咨询、经营分析等需要认知智能的场景。

此外，在AI同步飞速发展的当下，市场的需求也在发生波诡云谲的变化。当前，AI Agent的部分功能似乎与RPA高度重叠。第一新声研究院咨询师分析，未来受AI技术冲击，传统RPA市场增速可能将有所放缓。在此情况下，我们不禁思考，如果RPA曾是解决“信息孤岛”和“流程繁琐”问题的突破口，那么如今RPA的突破口又在何方？它是否会被更先进的技术所取代？

要回答这个问题，首先我们需要理清AI Agent和传统RPA之间的关系。

2024年下半年，AI Agent技术成为市场焦点。据Gartner预测，到2028年，至少有15%的日常工作决策将由AI Agent自主完成，而这一比例在2024年尚为0%。这一数据为行业带来了巨大的想象空间，目前已经有不少大厂陆续推出相关产品。

2024年10月，微软在宣布在Dynamics 365中集成10个自主AI Agent；2025年1月，OpenAI在发布了其首款AI Agent产品“Operator”；同月，谷歌推出了基于Gemini 2.0架构的AI智能体原型。

理论上，用户只需输出指令，AI Agent 即可在虚拟机中自主操作，甚至可以调取Python等抓取、分析工具输出报告呈现可视化结果。这在一定程度上替代了RPA的自动化需求。

但实际上，回顾过去一年左右的实践，绝大多数AI Agent仍然停留在简单的问答或基础场景，几乎还没有出现能够实现“全流程闭环”的AI Agent产品。对于央国企和大型企业而言，这显然无法完全满足复杂业务流程的深度参与；此外，智能体存在难以预测的随机性，考虑到企业对可控性和可追溯性有硬性需求，所以，至少短时间内智能体依旧无法取代RPA对于央国企的价值。

因此，RPA和Agent实际上存在技术互补性，而不是简单的技术取代。于是在此趋势下，越来越多厂商开始探索将Agent与RPA结合。

早在2023年10月，OpenAI投资的初创公司Induced AI，其产品概念正是智能体结合RPA，而进化成“RPA 3.0”；其核心创新在于其产品通过构建一个专为AI Agent设计的浏览器环境。

同年12月，清华大学与智谱AI团队推出了CogAgent，其产品的技术理念，与RPA厂商“实在智能”的产品RPA Agen非常相似。2023年12月，腾讯推出AppAgent，标志着AI Agent与RPA技术在手机端深度融合，智能自动化的应用场景得到进一步扩展。

从2024年以来，已经陆续有厂商发布Agent与RPA的融合产品。截止目前，国内主要RPA厂商几乎已经将AI Agent作为重点布局领域。其中包括：九科信息推出的“bit-Bot智能知识助手”、来也科技推出的“AI Agent数字员工”、金智维推出的“K-Agent”、达观数据“数字员工Agent平台”等等；

从这些案例来看，AI Agent的崛起不仅没有替代RPA，相反，RPA+AI Agent的模式反而还将会放大RPA的价值。

当前，RPA已经呈现出明显的智能化升级趋势。据Gartner2024年发布的RPA相关全球报告预计，到2025年，90%的RPA供应商将整合生成式AI技术，进一步提升自动化的智能化水平。这也表明，未来传统RPA厂商将会面临严峻的处境。

APA崛起如何拓宽RPA边界？

RPA与AIAgent的结合，在行业中是一种新型流程自动化范式。最早在2023年底由面壁智能与清华自然语言处理实验室等团队共同推出。

当年11月，来自清华大学、麻省理工学院、卡内基梅隆大学、中国人民大学和面壁智能公司的多位专家学者还联合发表了一篇名为《ProAgent‌:From Robotic Proces Automation To Agentic Proces Automation》的论文，首次将AI Agent与RPA融合，正式提出APA的概念、引出了APA的框架。

APA和RPA的区别可以从技术架构和应用场景两方面来理解。

在技术架构上，APA的技术架构通常由大语言模型（LLM）+ Agent + RPA执行单元组成。Agent充当“大脑”和指挥中枢，负责规划任务、调用工具；大模型为Agent提供“动力”，提供人类的认知理解和推理能力；RPA组件扮演“手脚”，和系统交互完成操作。

相比传统RPA只能执行预定脚本，APA中的智能体可以理解人类的意图，通过自然语言交互获取指令，进而自主地将复杂任务拆解为一系列子流程。其核心思想是实现从“按规则执行”向“按目标自主完成人类委派任务”的转变，这对于当前的企业数字化进程来说，这是里程碑式的跨越。

在业务场景上，APA主要攻克了传统RPA的两个核心边界。一是Agent可以代替人构建相应的工作流；二是Agent可以处理工作流过程中的动态决策；

因此，在企业业务的执行过程中，一旦流程发生变化，智能体能自动基于实时反馈进行调整。例如，在大模型的驱动下，智能体可以读取和理解政策文件、合同条款等非结构化文本，然后依据内容决定下一步动作；客户场景中，智能体可理解客户的自由语言问询，查询后台多个系统，并给予答复。

基于此，APA相较于RPA，能够应对更加复杂和多样化的业务场景。一是APA能够推动“端到端”业务流程无人化的实现，显著降低运营成本并提高企业的市场竞争力。二是企业可以通过内部自动化系统完成更多任务，从而减少了对外部人力外包的需求;三是，企业可以更好地控制数据和流程，降低数据安全风险。

从当前的市场情况来看，不少甲方企业对RPA+AI产品抱有较高的期待，这也给了很多RPA厂商更多新的想象。

据《2024年央国企RPA市场研究报告》分析，40%的企业反馈表明，目前对采用RPA结合AI技术持积极态度，正在等待技术成熟度更高、操作更简便的产品出现。其中，部分央国企在AI等技术领域的投资预算高达数十亿元，对于表现出色的RPA+AI产品，也有相当数量的央国企愿意投入极高预算。