
1. 技术路径的颠覆:从 "低代码" 到 "自然涌现"
- 传统 RPA:依赖工程师编写脚本或流程图(如 UiPath 的拖拽式设计器),需精准定义每一步操作逻辑,如同教机器人跳格子,容错率低。- LLM Agent:直接理解人类意图("把邮件里的发票信息录入系统"),自主拆解任务链条,动态调整执行路径。- 典型案例:ChatGPT 插件系统已能调用 API 完成订机票、查数据等操作,而传统 RPA 实现同等功能需低代码脚本。
2. 护城河的瓦解:数据壁垒 vs 通用智能
- 前大模型时代的 RPA 壁垒:
行业 know-how(如财务报销流程的细微差异)+ 客户定制化部署能力 + 长期积累的模板库。
但多数RPA公司本来的业务就是深入各行各业办公室的小批次业务累积,而不是垂直行业的数据深耕,基本没有多少垂直行业的门坎。
- LLM Agent 的破壁逻辑:
- 通过大模型视觉以及电脑使用(Computer Use)能力直接消化非结构化文档(如五花八门的发票格式)以及模拟人类使用网络(而不是调用API)- 通过思维链(CoT)零样本学习适应新业务流程(如理解 "将合同关键条款同步到 CRM" 的模糊指令)- 致命打击:当大部分标准化场景被头部大模型(包括推理模型)原生覆盖,RPA 仅存的护城河只剩特定行业的私有数据接口——而这块蛋糕正被大模型厂家的的定制化、私有部署以及隐私保护能力所蚕食。
3. 生态位的吞噬:从 "工具提供商" 到 "基础设施层"
- 早期 Copilot 创业者的困境:
- Character.ai(个性化对话角色)、Jasper(营销文案生成)等曾风光一时的产品,本质上是对基础模型能力的浅层封装。- 当 ChatGPT 开放角色预设功能和 DALL·E 3 插件,这些 "中间件" 的生存空间被急剧压缩。
- 幸存者法则:
- Perplexity.ai 以实时搜索+学术级引用杀出血路(弥补了通用模型的事实性缺陷)- Cursor 通过深度绑定开发者工作流(代码库语义检索、AI 结对编程)建立垂直壁垒
二、RPA 赛道的行业剧变- UiPath 股价较 2021 年高点严重下跌,其推出的 Autopilot 功能( "用英语描述自动化流程")被用户吐槽为 "套壳 GPT-4"- 微软 Power Automate 全面接入 Copilot,支持 "描述你想要自动化的任务" 直接生成云端工作流- 硅谷明星创业公司 Adept(专注训练 AI 执行电脑操作)估值突破 10 亿美元,直接威胁 RPA 生存根基
三、幸存者地图:哪些赛道还能抵抗 LLM 洪流?1. 重度垂直型
- Cursor 的代码助手:深度集成 IDE 生态(利用VSCode 扩展市场的高占有率),掌握开发者真实工作流数据- Harvey(法律 AI):通过LexisNexis法律特有语料训练理解法律术语+私有化部署解决合规问题
2. 实时数据型
- Perplexity.ai:构建搜索引擎级索引体系+ 学术数据库独家合作- Hedgeye(金融分析):聚合 Bloomberg/Reuters 实时行情+行业独家预测模型
3. 硬件耦合型
- Covariant 仓储机器人:将 LLM 与机械臂控制算法深度融合,硬件壁垒延缓大模型侵蚀速度- Tesla Optimus:通过具身智能实现物理世界操作,暂时规避纯数字自动化竞争
四、Agent 创业的陷阱与对策常见陷阱问题:不重视安全合规、SLA保障和系统集成
修正:构建企业级功能框架,满足组织级部署要求
问题:认为对大模型进行简单微调就能构建竞争壁垒,例如微调行业术语就标榜 "医疗大模型",实则临床决策支持需要具有高度隐私敏感的“地下”数据综合能力
修正:构建专有数据闭环和场景优化的工作流程,形成实质性差异
问题:仅对通用大模型进行表层封装,缺乏实质性增值,例如将 ChatGPT 的提示词模板包装成 "智能客服系统"
修正:开发特定领域专用功能,针对垂直场景深度优化
简单封装大模型
过度依赖微调
忽视企业级需求
整合垂直领域专业知识
开发领域特定的评估标准
设计高效的人机分工模式
构建质量监控和人工干预机制
聚焦特定工作场景深度集成
开发专用连接器和数据通道
工作流集成专家
人机协作架构师
行业知识库构建者
RPA 的剩余价值: 虽然 LLM Agent 冲击巨大,但 RPA 并非完全没有生存空间。RPA 在以下方面具有剩余价值:
合规性要求高的场景: RPA 流程的可审计性和可追溯性可能更符合某些行业的合规要求。
与遗留系统的集成: 在某些遗留系统集成方面,RPA 可能比 LLM Agent 更成熟和稳定。
超高精度和稳定性的需求: 在极少数对精度和稳定性要求极高的场景下,例如金融交易核心系统,RPA 的确定性执行可能更受青睐。
LLM Agents 正在重演云计算淘汰本地服务器的历史:通用能力标准化底层服务(AWS 取代企业机房),垂直场景留给细分玩家(Snowflake 在云上长成数据仓库巨头)。RPA 和早期 Agent/Copilot 创业者若不能快速转型为 "领域场景深耕者" 或 "人机协作架构师",必将成为大模型吞噬算力时扬起的尘沙。唯一的好消息是:这场碾压的终局将释放出比 RPA 时代大百倍的自动化市场——但入场券只留给能与 LLM 共舞的垂直场景产品架构师。
大模型创业需要避坑,首要的坑正如Sam所说,就是不要开发大模型边缘迟早会内化的能力。
【相关】
转载本文请联系原作者获取授权,同时请注明本文来自李维科学网博客。
链接地址:https://wap.sciencenet.cn/blog-362400-1475068.html?mobile=1
收藏