“今年比以往的任何一年都要忙”，金智维创始人兼董事长廖万里向「甲子光年」感叹。
这家成立于2016年的RPA公司，在今年3月刚刚宣布完成近5亿元的C轮融资。这是一场超出预期的融资，投资人的热情将原定开放的3.5亿额度提升到了近5亿元，而这还不包括被金智维婉拒的一部分资金。
但市场并没有这般火热。今年上半年，RPA国内融资仅4起，总额约8亿元，像金智维这样完成大额融资的to B企业少之又少。
在《Market Insight：中国RPA市场发展洞察（2022）》报告中，投资者们认为RPA在中国市场依然存在机会，但同时也表现出了更加理性审慎的态度。国内的RPA赛道正在由“高期望的热态投资”向“理性的稳态投资”进行转变。
融资情况变化反映的是RPA正日趋成熟，整个赛道从拥挤慢慢过渡到了去伪存真的阶段。在前几年的资本推动下，一些RPA企业迅速膨胀，却也在市场遇冷的情况下落寞退场。
但金智维是留下来的其中之一。从自动化产品出发，金智维已经成长为RPA这一细分领域的佼佼者，“我们一点也没有感受到冷，反而需求在越来越多”，廖万里告诉「甲子光年」。
在2023年6月IDC发布的《中国RPA+AI市场份额报告，2022》报告中，2022年金智维在国内RPA+AI市场份额为10.9%，位列第一。
7月，金智维成功被认定为国家级专精特新“小巨人”企业。8月，金智维创始人兼董事长廖万里获评“2023中国金融科技十大年度人物”。
“花开蝶自来”，金智维多年的努力赢得了市场与行业的认可。如何保持高质量的发展？如何成长为行业的领头羊？为此，「甲子光年」采访了金智维创始人兼董事长廖万里，试图找出问题的答案。
1.以盈利姿态拿下市场占有率第一
何为RPA（Robotic Process Automation）？
RPA是一种自动化软件，可以通过用户界面使用并理解企业现有的应用程序，根据规则自动执行常规操作，如邮件处理、检查文件、数据处理等自动化重复性和标准化的工作，提高生产效率和质量，减少人工错误和时间浪费。
成立于2016年的金智维，凭借着产品和服务的优势，如今已经成长为中国RPA市场增长的头部力量。
根据国际权威分析机构IDC发布的《中国RPA+AI市场份额报告，2022》，金智维以10.9%的份额位居2022年中国RPA+AI市场份额之首，解决方案收入达3360万美元，进一步提升了RPA市场的集中度。
金智维是国内同行业内既有研发能力又能提供完善服务的RPA企业，其能够为政企智能化及数字化转型提供有效的系统工具、平台及服务支撑。
在产品层面，金智维是国内少有的可以提供跨网络、高并发、海量协同、提供IT运维自动化能力的产品的RPA企业，其产品的安全稳定性等企业级核心特性已经久经行业标杆客户考验和认可。
在服务方面，金智维已经拥有一套完整成熟的数智化咨询服务体系。金智维有一套成熟的CoE（Center of Excellence）模板体系，这是一个专门负责某个领域或业务的团队，旨在提高该领域的专业能力和水平。通过CoE建设，可以推动集中分布式RPA发展，打通多部门需求管理、加强跨部门流程自动化协同、并降低成本。此外，依托丰富的经验，金智维还可以给客户提供丰富的企业级RPA项目经验和行业业务场景。
值得一提的是，市场规模第一的金智维，并不是靠牺牲质量换来的。对于大多数软件公司来说，前期无论是研发还是营销，都需要有较高的投入，在短时间内很难盈利。但金智维从成立第一天就开始了产品化，并持续保持盈利至今。
这离不开廖万里和团队的长期积累。
在2005年第一次创业之初，廖万里就敏锐地意识到，随着国内人力成本的不断攀升，社会将不可避免地迈向自动化和智能化。他早早地将目光瞄准了软件流程自动化的赛道，开始组建雏形团队、涉足证券行业、做面向金融机构的运维自动化工具。
2015年，RPA概念引入中国，国内RPA迎来萌芽期。“我当时就发现，RPA怎么跟我们做的能力是一样的，所以在16年的时候就申请了RPA的著作权，拿下了国内第一个RPA软件机器人的自主知识产权证书。”廖万里告诉「甲子光年」。
在国内to B行业往往遵循着这样的一个规律：当一个赛道还相对比较弱的时候，许多资金的进入，会催生出一批资本推动的公司。很快，廖万里意识到，RPA的客户竞争市场变得越来越卷。
一些RPA公司开始模仿to C的互联网产品实行免费模式推广，廖万里意识到这并不符合市场规律，他认为，RPA厂商的关键在于抓住客户痛点，并不断积累行业know-how：“RPA很多时候也叫它数字员工，说白了就是让它自动地帮你干活。和招工一样，刚毕业的学生和有10年工作经验的员工是不一样的。”
廖万里和团队因此得出一个结论：只要产品和服务好，就不需要参与价格竞争。
2018年底，金智维迎来一个重要的转折点。在这一年底的中国建设银行总行RPA招标中，金智维以黑马姿态打败国际头部RPA厂商UiPath，最终中标。
一开始建总行对彼时还名不见经传的金智维并不放心，只委托了70%的业务，剩下的30%交给了RPA头部厂商UiPath。
事实证明，金智维的产品能真正理解客户的痛点，帮助客户解决问题，随后，建总行将所有业务都交给了金智维，UiPath在这一项目全部出局。
2.场景产品化：RPA+X的产品矩阵升级
RPA赛道乃至整个企服赛道，都想通过标准化的产品来解决大客户的需求。
而对于客户来说，看重的不是工具本身，而是能否解决问题，能否保证100%正确、稳定和安全运行。针对同一个场景，由于不同客户的操作方式不同，在实施的过程中，RPA厂商需要写不同的函数，很容易造成重复劳动。
如果不能沉淀出行业know-how，RPA厂商只能停留在解决简单、表面的问题上，无法扩展出更深、更普遍的应用场景。
金智维从一开始就选择深耕金融领域。廖万里和团队成员拥有长期服务金融客户的经验，同时廖万里表示：“金融行业要求是最高的，场景也是最丰富的，既有挑战又有盈利前景。”
与创立之初就选择深入场景的金智维不同，国内有些头部RPA厂商，前期接受了太多融资，在场景还没做深的时候，急于扩张，始终无法扭亏为盈，最后也容易失去客源。金智维真正做到了“从业务中来，到场景中去”。
目前，金智维积累的RPA机器人函数已经超过了4000个，相较于市场上一些RPA公司利用开源的组件封装RPA能力，廖万里介绍，“底层函数是RPA厂商的核心技术，我们是一行行代码自己写的”。
对于任何一个计算机对象，如何控制、管理、调用都需要底层函数作为核心技术进行支撑。如果没有底层函数的积累，只依赖开源组件封装RPA能力，就无法为客户提供稳定可靠的产品。
廖万里将金智维的RPA产品框架类比成乐高积木，最底层是函数层，第二层封装的是围绕基础对象的组件，最上层则是围绕行业应用的场景组件。廖万里解释道，无论对接的是人民银行的监管，还是银监会的监管，场景是一致的，就可以把这个场景封装成场景组件来实现产品的标准化。
要想进一步帮助客户重构和优化流程，除了场景产品化，还需要其他技术的加持。
在廖万里看来，顺应数字化的发展，企业的所有业务流程都值得用数字化技术重构一遍，未来RPA的应用场景会不断细化，行业对RPA产品的需求也会越来越高。
金智维早早地将AI技术应用到RPA。廖万里曾做过一个比喻：“如果说AI技术是数字员工的大脑，那RPA就是数字员工的四肢。”
在2020年，金智维就开始建立AI与大数据的团队，其中就包括与银行建立合作，利用AI技术自动识别客户身份、人员话术和操作流程等规范。
在探索将RPA与更多自动化智能化技术相结合的道路上，金智维正走得越来越远。在金智维举办的2022夏季发布会上，金智维对产品战略进行全新升级，定位为“RPA+X”产品矩阵与能力平台。
在技术方面，金智维以RPA为核心技术，融合AI、大数据、低代码、大模型等多种技术，实现端到端业务流程自动化，让企业能够自主完成从确定要自动化的特定任务和流程，到构建、管理和部署自动化机器人的全生命周期。
在产品方面，金智维发布了软件机器人集中管理平台K-RPA Hub、AI智能中台K-AIP、流程挖掘系统K-PMS、规则引擎系统K-RDE、青松低代码平台K-PINE、一体化智能运维平台K-UniOps六大新品。
在原有产品的基础上，金智维基于企业级RPA从自动化、智能化、一体化三个方面打造更智能、更全面的一站式数字员工整体解决方案。数字员工可以构建数字化连接能力，从而打通企业内外部的数据、系统和业务。
在2023年3月的新品发布会上，“RPA+X”产品矩阵与能力平台持续升级。金智维公布了核心产品K-RPA全新升级的企业级功能与特性，包括跨时区任务调动、超大规模集群、国产化适配兼容、两地三中心多活部署架构、通讯协议及国密算法等功能。
同时发布了虚拟数字人、营业厅智慧管控解决方案、集管平台、数据中心现场管理系统、数字可视化系统和K-EE金智维课易数字化技术教学与实训平台六大新品，进一步完善“RPA+X”产品矩阵。
在一站式数字员工整体解决方案的具体执行上，廖万里举了一个法院执行款的例子。在法院判罚出来到执行款最终打入受益人账户之间，存在着非常复杂的过程。首先受益人提供证明材料，之后法院需要审核，审核通过之后才可以从法院的专有账户通过银行进行对接，才能实现最终打款。也正是繁琐的流程导致执行款经常出现发放滞后的情况。
金智维运用低代码开发平台快速搭建了一个法院执行款智慧管理系统，运用RPA实现不同系统之间的连接和数据调用，可自动化处理平台上的申请、审核和发放等流程，高效智能地完成了执行款发放业务。这正是金智维的“RPA+X”产品矩阵和能力平台让产品开发和应用更智能、更便捷的体现。
3.市场规模化：从金融到更多行业
从金融起家，金智维目前已经服务了全国200+银行、110+证券公司等，其中包括国有六大行总行以及海通、安信等头部券商。
在金融领域完成了0-1的突破之后，廖万里表示，金智维的下一步发展，要从金融出发，走出去连接更多的行业。
这符合国家数字化发展的趋势。今年年初，中共中央、国务院印发《数字中国建设整体布局规划》，指出数字中国是数字时代推进中国式现代化的重要引擎，“金智维在2022年就已经将企业战略升级成为服务千行万业、助力数字经济、共建数字中国。”廖万里告诉「甲子光年」。就在2023年7月，金智维成功入选第五批国家专精特新“小巨人”企业。
与此同时，这也是市场上的需求。2021年开始，廖万里就注意到越来越多的行业在对自动化智能化提出需求。很快，金智维成立了行业研究院，通过深入到不同行业里，了解不同行业的系统与系统特征，判断哪些应用场景对行业来说是最有价值的。同时，金智维也成立了相应的研发部门，沿着非金融行业的一些特点，去制定解决这些场景问题的产品。
“要永远抱着市场经济的理念，客户花了1块钱，你是不是能帮他赚到3块钱、5块钱，甚至10块钱，这样的生意才是可持续的。”廖万里说道。
金融就是金智维裂变到不同行业的连接器。在对安全、准确性要求极高的金融领域，金智维已经积累了丰富的技术能力，加深对新行业的理解之后，技术可以直接复用到不同行业，廖万里形容为“降维输出”，从而实现市场的规模化。
2022年，金智维金融以外的客户营收占比为20%左右。廖万里表示，今年金融以外的客户营收占比将有一个不小的突破，未来的目标是能实现五五分。
目前，金智维已服务政企客户超1000家，为全行业提供了80万+的RPA数字员工，积极拓展政务、能源、电力、通信、烟草、公安、医疗、教育等行业。
数字政务是其中落地较快的领域之一。廖万里以电影《孤注一掷》中的诈骗场景为例，在日常公安机关的反诈工作中，往往会涉及到通信、交易、身份证明等海量数据，要能及时发现并制止诈骗行为，需要实时更新分析这些量大而杂的数据。
金智维基于RPA、AI、低代码等多种数字技术，打造K-AFA反诈数字警察助理，覆盖资金预警、资金止付、账号冻结等多个步骤，实现反诈工作的全流程自动化，能有效提高反诈案件的侦办效率。
反诈数字警察助理在某地公安分局上线仅6个月，已累计处理超2000例案件，冻结账户近12000个，止付金额约4亿元。
要想实现市场的规模化，除了要真正找到客户的痛点，在廖万里看来，公司的组织能力也至关重要，“to B行业，很多时候各个环节都要抢夺领先，不仅仅要有好的产品和好的解决方案，公司也要兼顾整体的营销能力、服务能力和生态能力”。
随着公司规模的逐渐扩大，廖万里近几年将不少精力放在了组织管理上。去年以来，金智维开始进行组织调整，并引进了一批原来微软的Top Sales、Meta青年科学家等人进一步优化销售和技术人才团队。
4.大模型打造“超级数字员工”
2023年8月Gartner发布的《2023年全球RPA魔力象限》指出，过去5年，RPA在技术方面已经发生了翻天覆地的变化，RPA从一个小众、执行单一自动化任务的工具发展成为了通用自动化平台。
AI作为“大脑”，能帮助机器人具备一定的认知、学习、推理能力，做出决策，但机器人能达到多少的认知水平，是否能做出更准确、快速的决策，仍是RPA厂商尚未解决的难点。
大模型和ChatGPT的出现，似乎给RPA带来了一个全新的机遇。
RPA和AGI（通用人工智能）都属于自动化技术，AIGC作为AGI的一个分支，符合RPA自动化的趋势，将为RPA赋予“大脑皮层”的作用。据Gartner预测，到2025年，90%的RPA供应商将提供生成式AI辅助的自动化服务。
在今年年初，大模型尚未在国内蔓延流行之前，廖万里就意识到，大模型对他们来说会是一个非常好的机会。廖万里认为，大模型带来的变化主要有两方面：一方面是，大模型是否能让RPA产品变得更易用、更可用；另一方面是，大模型能否扩大智能处理的场景。
“RPA现在的能力就像一个小学生，如果要让它去帮你买一瓶酱油，你需要告诉它去哪条街，买什么牌子，花多少钱。但是，通过与大模型的结合，RPA就像一个大学生一样，只需要告诉它你需要买酱油，它就能够帮你完成任务。未来，在一些垂直领域中，我们或许可以通过大模型的能力，让RPA不仅成为一个大学生，并在技术不断提升下，更有望成为一个专家。”
在9月15日举行的2023世界计算大会上中国科学院院士姚期智就曾表示，ChatGPT很好，但它是一个工作大脑，没有实体的话，它有很多事是不能做的。那么，要做通用智能机器人，需要有身体、小脑和大脑。所以，身体是硬件，小脑能够控制行为和视觉，大脑则要有一定的推理能力。
因此，RPA与大模型“一拍即合”。
在AGI浪潮下，RPA或许正在经历一次重要的转变。许多RPA厂商选择与大模型公司合作，也有其他的厂商尝试自己研发AI大语言模型。市场期待更加智能的数字员工。
目前金智维的RPA数字员工已经结合现有的AIGC能力，允许技术或业务人员对流程进行自然语言描述，由系统生成对应的代码，还包括对代码进行重新编辑、以新代码反向训练AIGC的代码生成能力。
在代码生产、流程设计和调度等环节，结合大模型，能大幅降低用户的使用门槛，让“人人可用”成为可能。
首先，改革RPA开发模式。
传统的RPA开发模式主要采用人工编写程序代码或者拖拉拽的方式来设计和实现自动化流程。这需要用户对流程有深入的理解，同时也需要一定的编程能力。 相比之下，大模型的核心能力在于理解和生成语言。用户可以用自然语言的方式直接表述业务需求，RPA系统可以根据这些需求生成相应的代码，从而控制相关的组件和流程。
其次，以自然的人机对话，重构流程设计、流程调度方式。
在传统的RPA开发模式下，这两个步骤通常需要人工进行。然而，人工介入可能导致开发效率低下和错误率提高，因为人的理解、逻辑推断和决策容易出现偏差。 大模型技术可以理解业务需求的自然语言描述，并将这些需求转化为可执行的流程设计。在流程调度方面，大模型技术能够根据流程设计，自动进行流程调度。
但同时廖万里也指出，大模型目前的发展还不够成熟，无法完全应用在to B端。
其中最大的问题是大模型的“幻觉”（Hallucination）问题，如果缺乏行业专精的资料库与数据库，大模型就容易“一本正经地胡说八道”。To B端，特别是金智维深耕的金融领域，“安全”、“稳定”、 “可靠”是必需品，任何一点微小的错误都有可能造成巨大的经济损失。
为了满足行业对内容准确性和合规性的要求，金智维的策略是，结合行业的专业数据集，训练出更专业、更精准的大模型。廖万里向「甲子光年」透露，目前金智维已经在和不少国内的大模型公司进行接洽。
在廖万里看来，更重要的还是在于如何通过与新技术的结合，深入场景，解决客户的痛点问题。
如今，金智维通过持续的行业know-how积累，已经建立起了足够深的护城河。
在企业所有业务流程都值得用数字化技术重构一遍的构想下，金智维基于扎实的技术和产品，持续吸收新技术进行加持，一步步踏实稳健，也将走得越来越远。
文章来源：甲子光年
