精选
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
