作者｜第一新聲 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。不討論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市場呈爆發式增長態勢，2024年全球AI Agent市場規模約爲51億美元，預計2030年將飆升至471億美元，複合年增長率高達44.8%。

趨勢之下，市場對於企業級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，也正迎來基於大模型+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）；並且，當前這一模式正在從從概念走向實踐。

什麼是APA？它能否成爲打破傳統RPA邊界的關鍵力量？基於對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年複合增長率達42.5%

RPA (Robotic proces Automation，機器人流程自動化)，又稱“數字員工”，是一種讓軟件機器人根據預設的固定運行邏輯，在計算機上模擬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，國內衆多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、高頻重複”業務。

以央國企爲例，規模巨大、層級複雜，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。隨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，工作不僅重複、頻繁、數量衆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佔據重要地位，需及時響應國家政策和市場變化，但由於央國企通常流程長、層級多及下屬企業分佈廣泛，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別建設了不同的業務系統，系統衆多且分散，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、重複登錄及操作。由於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通過自動化標準操作流程，減少手動執行任務的需求，提高流程執行的速度和精確性。從某種程度而言，RPA充當了企業業務的“數字粘合劑”，通過將操作腳本部署在機器人上，讓其在不同的軟件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已廣泛用於央國企的各項細分應用場景中。大到財務、IT服務、內部審計等業務系統，小到發票認證、客戶回訪、業務數據彙總等具體工作。現階段，RPA在效率提升、成本降低等方面的技術升級仍在持續……

據相關供應商提供的數據，工商銀行持續推進RPA平臺建設和業務應用，服務於90多家國內外機構，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多臺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%;在憑證審覈業務、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爲RPA的重要市場。據第一新聲智庫發佈的《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，並有望於2025年突破50萬大關。

龐大的央國企羣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，將突破58.1億。其中，值得注意的是，2022年-2027年，央國企RPA市場規模預期將實現複合年均增長率42.5%，遠高於整體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科技投入最爲集中的領域，也是央國企RPA應用的核心細分市場。相比之下，製造行業央國企的數字化程度差異較大。但是製造行業整體規模龐大，全國500餘家製造業上市公司中，國有企業數量佔比達27%，市值佔比達48%。

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

 AI時代下的RPA，不升級、就淘汰？

隨着央國企數字化轉型進入衝刺期，採用RPA技術，已經成爲各行業數字化轉型的標杆。但同時，在第一新聲的調研和訪談過程中，也有不少相關領域的負責人反映，目前衆多業務流程中仍然存在RPA無法解決的問題。

因爲RPA的本質是一種基於預設規則和固定流程的自動化解決方案，其核心痛點在於缺乏自主“思考”能力。簡單來說，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，但無法精確的處理需要實時判斷、動態決策的複雜業務。

第一新聲綜合調研和訪談觀點分析，當前市場主要的RPA應用商們普遍認爲，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並錄入系統，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。因爲它缺乏對自然語言、圖像等複雜信息的理解能力，無法像人那樣根據內容做出判斷，這使得RPA難以覆蓋諸如客服諮詢、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譎的變化。當前，AI Agent的部分功能似乎與RPA高度重疊。第一新聲研究院諮詢師分析，未來受AI技術衝擊，傳統RPA市場增速可能將有所放緩。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之間的關係。

2024年下半年，AI Agent技術成爲市場焦點。據Gartner預測，到2028年，至少有15%的日常工作決策將由AI Agent自主完成，而這一比例在2024年尚爲0%。這一數據爲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，微軟在宣佈在Dynamics 365中集成10個自主AI Agent；2025年1月，OpenAI在發佈了其首款AI Agent產品“Operator”；同月，谷歌推出了基於Gemini 2.0架構的AI智能體原型。

理論上，用戶只需輸出指令，AI Agent 即可在虛擬機中自主操作，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。對於央國企和大型企業而言，這顯然無法完全滿足複雜業務流程的深度參與；此外，智能體存在難以預測的隨機性，考慮到企業對可控性和可追溯性有硬性需求，所以，至少短時間內智能體依舊無法取代RPA對於央國企的價值。

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。於是在此趨勢下，越來越多廠商開始探索將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”；其核心創新在於其產品通過構建一個專爲AI Agent設計的瀏覽器環境。

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，標誌着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，已經陸續有廠商發佈Agent與RPA的融合產品。截止目前，國內主要RPA廠商幾乎已經將AI Agent作爲重點佈局領域。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平臺”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的模式反而還將會放大RPA的價值。

當前，RPA已經呈現出明顯的智能化升級趨勢。據Gartner2024年發佈的RPA相關全球報告預計，到2025年，90%的RPA供應商將整合生成式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廠商將會面臨嚴峻的處境。

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、卡內基梅隆大學、中國人民大學和麪壁智能公司的多位專家學者還聯合發表了一篇名爲《ProAgent‌:From Robotic Proces Automation To Agentic Proces Automation》的論文，首次將AI Agent與RPA融合，正式提出APA的概念、引出了APA的框架。

APA和RPA的區別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；大模型爲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”，和系統交互完成操作。

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，通過自然語言交互獲取指令，進而自主地將複雜任務拆解爲一系列子流程。其核心思想是實現從“按規則執行”向“按目標自主完成人類委派任務”的轉變，這對於當前的企業數字化進程來說，這是里程碑式的跨越。

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態決策；

因此，在企業業務的執行過程中，一旦流程發生變化，智能體能自動基於實時反饋進行調整。例如，在大模型的驅動下，智能體可以讀取和理解政策文件、合同條款等非結構化文本，然後依據內容決定下一步動作；客戶場景中，智能體可理解客戶的自由語言問詢，查詢後臺多個系統，並給予答覆。

基於此，APA相較於RPA，能夠應對更加複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，顯著降低運營成本並提高企業的市場競爭力。二是企業可以通過內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，目前對採用RPA結合AI技術持積極態度，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等技術領域的投資預算高達數十億元，對於表現出色的RPA+AI產品，也有相當數量的央國企願意投入極高預算。

爲確保行業有序發展，中國信通院雲計算與大數據研究所、EP-Link智能流程推進計劃聯合業內專家已於去年底，在《流程自動化RPA智能工具能力要求》標準的基礎上，正式啓動《智能體驅動的流程自動化（APA）能力要求》標準編制。

總體而言，在Agent爆發的2025，APA作爲一種更爲先進的智能自動化解決方案，一方面爲廠商和甲方都帶來了全新的變革契機；另一方面，也高效賦能企業應對複雜多變的市場挑戰、加速數字化轉型進程。