2019年的创投领域，投资机构密集在看的赛道里，RPA 名列前茅。36氪此前也于新风向报道中介绍，RPA(Robotic Process Automation)这一概念于2000年初在国外兴起，产品形态是自动化软件，目的是替代重复、密集劳动型的工作，工作场景基于强规则进行，且需要人类在不同系统间跳转获取、输入信息才能完成。

对这一新兴赛道，许多人存有疑惑。有人将RPA公司与做传统 BPM 、BPO业务的公司相比较，认为技术壁垒不高，RPA做的不是新鲜事;有人对市场天花板提出质疑，认为这一赛道目前热度虚高。

不过，这些问题显然没有阻碍资本的脚步。今年5月，位于美国的Uipath完成D轮2.15亿美金融资，估值达到70亿美元。相较去年年底的C轮融资后估值30亿美元、2018年收入相较2017年增长了 629.5% ，UiPath成为全球增长最快的人工智能企业软件公司之一。

UiPath也成为国内RPA赛道今年热度猛增的重要原因。在过去的上半年，RPA赛道已经出现了数起投资及并购案例，包括Cyclone、云扩、Uibot与助理来也合并等。

是什么让资本对RPA如此看好?36氪于近日采访了DCM董事合伙人曾振宇(Ramon Zeng)，与他交流了RPA的相关问题。曾振宇专注于互联网、企业服务、云计算、消费升级等领域，投资项目包括58同城、唯品会、途牛、探探、脉脉、UCloud、神策数据、SequoiaDB巨杉数据库等项目。在今年6月，DCM也作为领投方，完成对 RPA 公司“弘玑 Cyclone”的 A 轮融资。

本次专访围绕以下主要问题进行：

DCM对弘玑Cyclone的投资逻辑是怎么样的?

国内RPA市场和赛道发展现状，创业公司发展的路径是?

RPA未来的发展方向?生态如何建立?AI+RPA的故事要怎么讲?

曾振宇与36氪分享了一些观点。他认为，RPA在中国有很强的存在前提，在对人工的替代以及灵活部署上，更适合中国的软件及IT环境——业务之间的联通程度弱，割裂程度强，不标准化程度更高。另外，适配、可视化和可扩展性、开发者接受程度、与 AI 结合，是 RPA 的技术壁垒所在。

他还表示，未来中国RPA公司的发展，具有很强的竞合关系。此后RPA公司的流派，以技术和商业模式为两条线出发，各家公司可能选择不同的应用场景、客户深挖，分出不同的“枝杈”。

至于 RPA 公司常讲述的AI+RPA故事，曾振宇认为，做RPA和AI是两件不同的事，AI最主要的三种能力：视觉、语音和语义分析，其实是RPA的“眼睛”和“耳朵”，RPA的后端与AI的前端会有联系，但两者并不相等。随着技术发展，AI技术是希望变成RPA公司的大脑，提供更深层次、更多场景的服务。

以下是与曾振宇的对话，经36氪编辑整理：

DCM投资弘玑Cyclone的经过是怎么样的?

曾振宇：DCM在国内企业服务市场里，很早就有观察和布局，企服也是我们的主赛道，有过很多很好的投资案例，如神策数据、UCloud、Udesk、上上签、pony.ai 等。我们是在去年下半年之后开始花时间仔细观察RPA这个赛道的。我们觉得这个市场长期来看是好的，也有预感RPA在中国会比较热。但是短期内为什么会这么热，我觉得可能是因为Uipath的融资，这是一个trigger。我们只是按照自己的商业逻辑，觉得这个领域是可以的，然后再仔细看产品和业务逻辑，觉得国内RPA的时机一直存在。接着我们就看国内的 RPA 创业公司，觉得弘玑是一个比较好的对象，上半年就出手了。

选择弘玑Cyclone的原因是?什么方面吸引了DCM?

曾振宇：首先是团队。我觉得弘玑Cyclone是技术和商务能力结合比较好的，他们既有很好的技术背景，也有非常好的商务能力，有大商务BD团队。产品也是对的。我们通过客户访谈，去比较不同RPA的产品，觉得他们也是对的。更重要的是，发展思路也是对的。在RPA发展的技术路径上，弘玑 Cyclone 无论是在技术路径本地化、在市场的切入点还是长线的和人工智能的结合等几个方面，都具备很好的基础、想法都很清楚。

技术壁垒不低，更有利于中国的IT环境

中国 RPA市场需求已经发展到什么程度?这一赛道发展所依托的优势是?

曾振宇：我觉得市场刚刚开始，今年其实才是RPA的概念被大家真正所认知，可以称为元年吧。RPA最大的两个优势，在中国有很强的存在前提，第一是对人工的替代，第二是弱耦合的灵活部署。

在人工替代方面，中国的人工变得越来越贵，用“软件”取代人的趋势，在今后会越来越明显，而不像前几年。

另外是部署的灵活性。并且，RPA部署更有利于中国的软件或是IT环境。中国企业IT历史的legacy其实是很多的。各个业务之间的联通程度更弱，割裂程度更强，不标准化程度更高，中间的integrator很少。

比如要打通两个系统，一个是80年代编的，另外一个是2000年，在系统层面很难兼容，即使在不同的系统之间用API联通，也非常硬，需要大量定制化接口开发，那么RPA的连接方式其实非常有效——用技术、用规则模拟机器人，在完全不对现有系统进行干扰的情况下，在几个系统之间自动的切换，利用规则完成简单工作。

另外从SaaS的逻辑和角度去看，RPA比较适合按量收费的模式。中国SaaS企业其实在收费方面比较艰难，比美国SaaS公司的收入低很多，但RPA有点像卖虚拟人头，很容易按照用量来部署，是很好的适合中国国情的业务。

RPA火起来后，常有人表示，RPA技术并没有技术壁垒，您的观点是?

曾振宇：可以看到，现在RPA赛道里有两类公司。一类就是以前的外包公司，包括软件公司和人力服务公司，以及做其他各种各样业务的，都在向RPA转型。另外一类就是新的RPA创业公司。我们觉得要在中国做RPA，时机到了，但要把产品做好，其实要求挺高的。

一个是技术比较重要。把RPA这个产品做好，技术是非常重要的壁垒。技术壁垒包括几个方面：第一是对系统的整合的适配，因为RPA面临软件千差万别，特别是在国内的环境，浏览器就会有适配很多上的问题，即使是最简单的浏览器。

第二，RPA在编程语言可视化方面，还是有挺高要求的。在怎么样把RPA产品做得好、有足够的应用场景、长期可扩展性、是否能够建立开发者社区或者开发者生态等方面，这会发挥特别重要的作用。

第三，从长线来看，RPA会与人工智能技术不断结合，包括视觉、语义、语音等等，最远的会到智能化决策，但是RPA现在远远到不了那一步，所以现在就把简单重复的事干好就可以了。

所以这三项——适配、可视化和可扩展性，能不能被开发者接受，加上和AI结合，本身就创造出了很强的技术壁垒。

在商务上也有很多壁垒。RPA要想为大客户服务，还是要有大客户企业销售的mindset、方法论、售后体系。从传统业务转型的的公司，可能不一定能做得到，技术关大概率过不了。而一般的互联网创业公司不光是技术关可能过不了，大企业销售服务也可能搞不懂。对于早期互联网企业来说，他们不一定能够理解业务，对企业真正的应用场景和分析有难度。因此，我们选了弘玑。

您觉得国内外的RPA客户有什么不同?比如使用习惯或产品偏好层面。

曾振宇：国外的客户使用习惯会更加灵活，diy能力更强，想要更加开放的生态，更有意愿去编程和进行二次开发。国内客户，特别是大企业，求稳的心态还是很重要。他们希望产品是完整的、生产级的产品，效能上是可靠的，服务上是可支持的，但还没到会去做二次开发的阶段。

他们可能更倾向于项目制?公司帮他们设计部署好机器人，直接上手用就好。

曾振宇：这还不像项目制，其实是就一个接一个产品的交付，但他希望说这个机器人在我这的时候，就已经帮我调好一切，而不是给我机器人和说明手册，客户想要的，就是设计好的机器人，帮我做一个明确的流程，像打印银行单据。

RPA还是面向大客户比较多，可用度是否够高对他们来说很重要吗?因为负责采购的人不是个体的员工，很多产品面向IT人员。

曾振宇：我觉得还是挺重要的。RPA的种类或者是场景其实也在变。这里是需要生态系统中的RPA服务厂商，如果它是通过咨询公司卖进去的，需要这些或者说如果他是通过内部人员修改的，需要内部开发者对这件事情有足够的了解和使用。

所以其实这就是外包公司干不了这件事情的核心原因之一。因为这本质上还是像一个编程语言。

假如你是开发者，学会了RPA的语言，目的是为了今后更好地解决问题。如果你所在的公司有了其他的RPA的环境，你就可以在其他环境灵活使用或者修改，换句话说，RPA在其他环境使用得越广，我学到的知识就越有用。

而对社区贡献得越多，也会对RPA的语言贡献得越多，这是双向加强的过程。所以重要的是，这个语言究竟好不好学，就像学Photoshop一样——所以RPA可能需要在应用性和功能之间求得平衡。用的人越多，给Photoshop贡献了越多的模板，Photoshop就会越被世界接受，客户选择同类型软件的时候，就会越倾向于Photoshop。

发展路径：技术和商业模式是坐标轴，分出枝杈

现在中国市场已有的RPA公司，从发展路径上来说，你觉得是更偏向于对标Uipath，或者BP?

曾振宇：我觉得现在说这个有点早，大家刚刚开始，没有说哪个更对。其实你可以看到不同的创业公司路线是不一样的，有的是要做一个轻量型的产品，希望更早的建立社区，有的是建一个完整性的产品，希望现在客户当标杆作用。有的是要做一个特别具体的场景，希望先把收入冲起来。

我们觉得还是有一个完整的产品，然后以大中型客户为切入点，一边打磨产品，一边做生态系统的策略，这样的路径比较好。

未来中国RPA公司会分化成几种流派?

曾振宇：我觉得可能还是一个很强的竞合关系。所有的公司在分类的方法上无外乎是沿着两条线走，两条线可能彼此交叉，就会产生出细的分类。一条是技术的，一条是商务模式的，这是两个不同的方向，对吧?就相当于两个象线一样，两个象限里面分别不同的延展，就会出现好多不同的分类方式。

在技术上，可能有些人会强调更加丰富或者是精细，强调易用性，有些人可能强调跟AI能结合得更好，有些人强调更加完善的调度等等，在技术流派上分出不同枝杈。

另外一类在客户层面。有些公司更强调金融客户，对大型金融客户有更多支持，那他的模板会更适合这种环境里部署，所吸引的开发者也更擅长于做这件事。有些公司可能更擅长于支持电信行业，再或者有些人更擅长、更愿意做大客户，有些公司愿意做小客户。大客户意味着这个产品更好，小客户意味着更便宜的成本。所以商务和技术会是两条路，从两个象限延伸，分出枝杈。

现阶段，RPA公司建立开发者生态或者社区，是必要的吗?

曾振宇：我觉得应该是两件事同时做，一方面是自己的直销体系和产品，同时也要吸引开发者的注意，教育开发者，都要做。怎么去建立好的生态系统?首先在生态系统中要有做领导角色的公司，他们自己要有足够能力和实力，产品是不是在很多场景应用，是否有很多模板，是不是得到很多客户的认可，其实是很重要的。

另外一方面就是产品本身，语言本身是否够开放、友善和丰富，在应用性和功能丰富程度之间的平衡做的如何。

第三件事情就是，对开发者的教育、培训等产品层面支持是不是足够。开发者社区做得好的这些公司，像Oracle，绝大部分也是自己产品很强的，但同时它的产品又具备相当的易用性，可用性和友善程度。

比如说一些AI公司或者是大企业，内部也有孵化RPA业务，您怎么看这些公司?

曾振宇：我觉得这个领域刚开始，其实大家都有机会。但其实越是新的领域，新企业的机会其实更大。

有些AI公司可能比较难找落地的场景，RPA对于他们来说，会是一个进入客户比较好的一个路径，因为客户可以直观看到RPA的效果。

曾振宇：我觉得是有可能的，但这都在早期，所以谁会赢很难讲。但是AI公司做RPA，两者不是一件事情。因为RPA不等于AI，RPA只是在后端和AI的前端会有一些重合。这就代表着，AI公司在做RPA的时候并没有天然的、决定性的优势。

至于AI公司要不要转型成一个真正的RPA公司，那是另外一回事，是他们的业务选择。有些人可能想，我应该转型，那么就转;如果不转型，这就是两件事。上面提到AI那三种通用的能力，是RPA在后端逐渐应用的能力，但又不完全一致。

听下来，AI解决的是比较垂直的需求，RPA比较横向，贴近业务流程。

曾振宇：还不完全是这样。AI提供的这三种能力，是RPA需要的能力当中的一个。AI最主要的三种能力：视觉、语音和语义分析，其实是RPA的眼睛和耳朵，比如有效地识别屏幕上的信息，听到语音的时候，怎么有效地理解它。AI公司可能在做这件事情上有一些优势，但是同时RPA公司内部也有AI的人才。

第二，这些接口本身也在变得更加地开放或者通用，RPA公司也可以调用其它的一些接口来做这些事情，RPA在今天对AI需求程度肯定没有那么高，AI公司是在解决1%或者5%的问题，RPA可能解决的是15%的问题——因为场景是固定的，比如我今天就在柜台上，要问开户的问题，我就不会谈到体育比赛。

换句话说，RPA技术跟纯粹AI公司在语音、语义方面的能力来比较，难度是不一样的。这就代表，AI公司可能有很多AI技术，但是不一定在RPA的实施上有特别效果。

当然长线来看，AI公司是希望自己变成RPA公司的大脑，因为如果你模拟一个人，这个人虽然笨一点，但是它其实也可以做一些基本的判断。长期来看，智能决策、智能客服之类的，是RPA发展中面临的挑战。

像Uipath和BP产品进中国的话，那他们面对的问题还是挺多的。

曾振宇：我觉得有挑战。很多原因，比如Uipath要激活license还得翻墙，服务器在国外，就这一件事就让很多人都干不了，也会让很多大型的国企或者就是政府机关难以选择。服务器和激活环节都在国外，那怎么能够把大量的工作放在里面?特别是在今天的营商环境下。这是第一个。

第二个是对本土化软件或者支持会很弱。然后第三个，他们的开发者或者他们实施者，对业务流程还是不熟悉的，还是需要公司自己和第三方供应商，基于场景来指挥这机器人来做事。比如中国的开户流程跟美国不一样，中国填表流程跟美国也不一样。有很多工作需要去做，他们其实在这些方面也没有优势。

第四，比国产软件贵很多，支持又差很多。所以我觉得这几件事情结合在一起，想要在中国市场取得胜利是有困难的。

怎么看待Uipath 70亿美元的估值?有机构测算，这个市场目前只有数十亿美元容量，但UiPath的估值比整个市场都要高。

曾振宇：市场增长和天花板远远没到头。技术的进步也会让RPA变得更加易用，能做的事情越来越多。因为如果视觉、语音、语义等技术都不够好，那AI作为眼和脑可以理解的这个东西是有限的。另外，今后会有越来越多设备系统互联互通，虽然可以用统一平台接通api去做，效率上虽然更高，但是它是更硬的一个东西，耦合度更强、更紧密，而RPA其实是灵活部署的东西。