深度|艾瑞咨询发布《2020年中国RPA行业研究报告》：市场规模、竞争分析、发展趋势等

国内著名调查机构艾瑞咨询发布了《2020年中国RPA行业研究报告》。艾瑞咨询通过对国内外RPA行业的深度调研，详细介绍了在企业数字化转型的大趋势下，RPA扮演了什么角色，以及市场规模、竞争分析、应用渗透率和未来发展趋势等。

01.

主要发现：

• 2019年RPA市场规模为10.2亿元，较上年增长96.6%。2020年受新冠疫情和宏观环境的影响，增速有所下滑为79.1%。但是RPA软件和服务市场现处于蓝海阶段，仍有较大增长空间。据艾瑞咨询预测，未来3年增速仍将维持在70%以上。
  

• RPA市场尚处于早期阶段，整体渗透率不高。但金融行业存在大量重复的数据操作工作，是RPA应用最多的业务场景之一，渗透率最高预计在5%~10%；而制造业数字化转型也相对完善，渗透率仅次于金融；其余行业渗透率均在5%以下。
  

• RPA厂商主要有四种类型：原生RPA厂商、AI厂商、云计算厂商、金融科技厂商。其中原生RPA厂商在产品通用性和稳定性上优势较强；AI转型RPA厂商一般具有更强的AI赋能，能够更好应对AI需求；云计算厂商和金融科技厂商目前更多用于特定垂直场景。

02.

RPA在数字化转型过程中的关键价值

2019年我国数字经济规模为35.8万亿元，占GDP比重达到36.2%，产业数字化占数字经济的比例已上升至80.2%，不断推动了国内产业向信息化、数字化高质量发展。

从软件收入来看，我国软件和信息技术服务呈现较好发展态势，2019年软件产品收入实现7.2万亿元，同比增长15.4%，随着产业数字化转型的深入，企业软件的应用也从原来的单点应用向连续协同演进，底层数据和信息的打通成为企业新的诉求，RPA作为系统之间数据之间的连接接口，将在企业数字化转型中扮演重要角色。

随着人工智能技术和实体经济在经营模式和业务流程上的融合，AI赋能实体经济的市场规模也在不断增长，根据艾瑞咨询预测，2019年人工智能核心产业规模预计将突破570亿元。未来，人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合，成为经济增长的助推剂。

人工智能发展至今涉及多个研究领域，研究方向包括智能控制、符号计算、自然语言理解、模式识别和计算机视觉、机器学习与数据挖掘、智能信息检索、语音识别等，其中自然语言处理（NLP）和计算机视觉技术的发展，也赋予了RPA在企业自动化流程应用中新的能力。

相对传统手工完成重复类工作，RPA流程自动化软件具有以下三方面价值。

• 从业务层面来看，RPA致力于将繁琐、重复的流程实现自动化操作，通过触达不同数据平台打通企业上下游业务，实现整条业务线自动化。
  

• 从工作层面来看，传统软件在数据管理环节有一定缺失，且存在数据质量差、手工处理费时费力的痛点，RPA软件在满足自动化的基础上降低人力成本，减少人为失误，可以24小时不间断工作，将员工从低效工作中解放出来，以便处理更高阶的工作。
  

• 从技术层面来看，RPA作为自动化流程软件可以嵌套在其他软件中完成部门重复类工作，也可以直接连接顶层软件而不侵入企业原有系统,增加软件系统稳定性。随着数字化时代的到来，利用高新技术来取代低效率的劳动力付出，是必然的发展趋势。

03.

RPA与低代码、中台的关系

作为企业服务中担当重要角色的三种技术，RPA、低代码、中台各司其职又相辅相成，共同推动企业供给端发展。

中台作为连接前后台系统的中间层，对前台业务的敏捷性形成强力支撑。低代码开发平台通过拖拽方式快速搭建应用降低开发成本并灵活更新迭代。

RPA在不侵入原有系统的同时，完成企业自动化的最后“一公里”，减少人为重复、繁琐的工作任务，实现业务人员劳动力释放。

同时，RPA可以作为接口打通底层数据，进行跨系统数据整合，且本身具备中台和低代码属性，中台在执行过程中需要调用大量数据，又可以通过低代码完成引擎的搭建，三者功能相互补充共同助力企业完成数字化转型。

04.

中国RPA行业发展历程

RPA前驱早在2000年左右便以“按键精灵”的形式出现，更多用于玩家游戏、知识化办公等桌面级阶段。2011年左右，国内开始出现最早推出RPA产品的厂商，同年，阿里云RPA的前身“码栈”在淘宝诞生，主要帮助阿里巴巴集团小二做运营和服务售后等自动化。

2015年随着四大会计事务所在中国区应用RPA，RPA工具也逐渐被国内金融机构所接受，随后2年，大批RPA厂商开始成立，金融科技厂商、AI厂商也是在这个阶段开始转型进军RPA。

随着早期厂商对市场认知的教育和产品拓展，2018年更多企业开始认知并接纳RPA带来的价值，并在2019年掀起一股资本浪潮。未来，技术成熟度提升、不同行业应用场景的挖掘仍会在较长一段时间伴随RPA市场。

美国企业整体数字化转型要早于中国，美国RPA龙头厂商Automation Anywhere和UiPath分别成立于2003年和2005年，且美国劳动力成本高于中国，员工对于重复类工作更为排斥，导致企业对数字员工的接受度更高，部分RPA应用场景如桌面级软件已经实现规模化应用。

在中国，RPA厂商大多成立于2015年前后，进入时间尚且较短，应用场景中业务流程标准化程度低，厂商对应用场景的拓展还处于早期，企业对于数字员工的投入产出比还存在迟疑，市场教育力度有待提高。

目前，中国厂商更多专注于对产品和技术的打磨，国内市场已经出现如来也科技这样估值超过20亿的独角兽企业，但要达到规模化应用还需要市场的验证和认可。

05.

中国RPA行业规模

2019年RPA市场规模为10.2亿元，较上年增长96.6%。一方面由于RPA行业尚处于早期发展阶段，早期成立的厂商对市场教育和宣传上有了一定投入，叠加传统软件遗留的问题在数字化转型趋势下暴露出来，RPA作为非侵入式、快速部署的软件在一定程度上缓解了企业数据和信息孤岛的经营痛点。

另一方面，AI技术尤其是自然语言处理（NLP）和计算机视觉（CV）等技术的普及，也让资本市场关注到RPA在复杂场景中所能发挥的更大价值，面对人力成本的增加和企业投入产出的下降，更多企业愿意寻求软件工具解决经营管理痛点。2020年受制于疫情和宏观环境的影响，增速有所下滑为79.1%，但是RPA软件和服务市场还是蓝海，据艾瑞咨询预测，未来3年增速仍将维持在70%以上。

06.

RPA厂商竞争分析

中国RPA厂商数量不断增多，长久来看，应当从技术、产品、服务、生态四个维度去延伸能力圈。通过技术沉淀和项目经验积累打造出成熟度较高的产品，满足用户对基本模块的需求和扩展，提升产品稳定性、易用性、兼容性进而打造具备一定集成度的RPA平台是当前RPA厂商共同关注的方向。

此外，AI技术的成熟使得RPA平台具备了应用于复杂场景的能力，并通过一定智能化决策缩短了产品开发和交付周期，嫁接AI技术来提升产品易用性、智能性是未来打造认知性RPA产品的基本功。

而服务能力和生态建设在当前商业模式中都需要第三方合作伙伴参与配合，打造更高效服务和更低部署成本的生态圈将是RPA厂商未来长期的关注焦点。

不同规模企业对于RPA的选择在付费能力、需求特征、产品功能上存在一定的差异性，大型企业IT支出预算较多，组织架构复杂，跨部门协同工作多，因此对产品和服务实施能力的要求更高，更倾向于能够提供复杂应用场景解决方案的厂商，并在服务实施过程中能够保证交付质量和降低后期维护成本，项目合同在几十万到百万不等；

中型企业处于快速发展阶段，组织架构变动大，市场敏感度高，因此在产品的选择上更倾向于技术成熟、迭代快，组件丰富的厂商；

小微企业本身受制于应用场景和员工数量的限制，需求相对简单，对成本控制较为敏感，可考虑付费方式灵活的SaaS化RPA产品。

07. 

RPA行业渗透情况分析

RPA尚处于发展早期，整体渗透率不高，金融行业尤其是银行劳动力数量多，重复工作量大，渗透率最高预计在5%~10%左右；而制造业数字化转型也相对完善，财务、共享中心、供应链等场景应用较多，渗透率仅次于金融；

零售行业在结算、供应链流程等环节有先天优势，且多为集团化运营，希望借助数字化转型提高整体毛利率，未来发展前景较为乐观；

政府行业则两级分化，RPA更多用于窗口岗位，之后更多依赖于人力成本考核机制。未来，劳动力密集、标准化程度高、IT系统发展较为完善的行业或将成为RPA发展的沃土。

根据艾瑞对金融机构的调研发现：68%的金融机构认可RPA的价值并愿意在业务中尝试，其中银行居多；约15%的金融机构对RPA的使用持中立态度；

约17%的金融机构认为RPA在部分业务领域中很难落地，主要原因是受制于监管制约以及RPA技术无法适应业务规则的快速变化，持该态度的以证券、保险公司居多。

整体来看，随着RPA落地场景逐渐丰富，以及RPA和AI能力的加速融合，未来金融机构对RPA的投入会逐年增加，RPA也会在市场的孕育下发挥出更大的价值。

在金融行业，许多银行系统部署时间较长，存在诸如流程复杂、系统之间无法打通、数据割裂的痛点，需要大量人工操作，新增需求开发周期长，难以适应当前市场环境的变化，RPA可以帮助金融从业人员快速地改善业务流程，大幅缩短开发周期。

除此之外，RPA还可以简化流程降低风险，人为操作业务流程时会存在大量风险，如盗取数据、篡改数据、输入错误数据等，但是RPA作为数字员工可以基于一定规则自动执行大量重复、枯燥的业务，保证处理的准确度。

得益于人工智能的快速发展，可以通过RPA+AI来应对那些繁琐、复杂的非结构化数据，完成复杂应用场景的流程替代。

在制造业的生产流程中，有许多需要快速完成的重复性工作场景，目前RPA已经应用在如物料清单自动生成自动化跟踪、采购订单创建与管理、工厂记录管理及报告等制造业典型场景等，减少业务操作流程中人为操作失误所带来的非计划停机损失。

除此之外，RPA还可应用于制造企业的财会领域（如AP自动化、运费等级和付款审计等）、运营环节（如库存、SKU更新、销售、定价报告创建、MES集成等）、客服环节（如订单更正、与供应商沟通、向客户发送更新等）以及合规方面（GDPR要求的客户记录更新）。

RPA作为制造业数字化转型关键推动因素，可以有效简化和优化复杂的后台运营流程，帮助企业降本提效。

08. 

RPA未来发展趋势

RPA作为流程自动化软件，受标准化特定场景、部署流程比较短，决策链单一的掣肘，在大范围企业业务的快速落地上仍旧困难。尤其是针对复杂场景的解决方案，常常会涉及非结构化数据、复杂元素识别等RPA无法处理的环节，企业个性化程度高，解决方案定制化强，由此给RPA的发展造成羁绊。

而与AI能力的结合，可以提升感知非结构化数据能力和聊天机器人联动能力，帮助RPA提升易用性，业务端应用向前端迁移。除此之外，AI还能帮助RPA更好处理软件环境的变化，降低运维成本，满足客户智能审批、智能合规、智能信贷流程、智能风控等要求，在复杂应用场景中帮助RPA构筑高壁垒。

RPA应用不受行业和部门限制，但是一直以来，RPA的发力点仍主要落在金融、财税等信息化程度高、流程标准化程度高、重复性工作多、耗费人力大的行业和场景。相对于金融行业，制造、电信、医疗、政务等亟需转型的传统行业对RPA产品都有一定诉求，但渗透率并不理想。

政务行业虽然存在标准化程度较高的场景，且人员短缺，但由于对人效考核制度不完善，对RPA的投入动力不足。近两年随着智慧政务的推进，利用AI和其他自动化软件提升政府部门在办公、监管、服务、决策等效率的提升成为共识。未来，RPA厂商协助传统企业进行数字化转型将成为行业增长新的发力点。

目前，国内提供RPA产品和服务厂商达到数十家，产品在技术、功能、实现方法上各有差异，但综合来看，产品+服务仍是未来RPA能够拓展应用场景提升客户满意度的两个抓手。

在产品方面，需重点关注稳定性和易用性，稳定性是保证客户使用信心的前提，能够支持高并发、高负荷等状态下的稳定运转，并可以提供异常状态的处理措施。

易用性是指在交互界面上更加简洁，尽可能将模块的通用性进行封装，进而拓展客户群体和使用场景。

在服务上，关注交付、扩展、后期运维，其中如何降低部署成本是提升竞争力的关键要素。

-  END  -

往期精彩内容推荐

大佬观点分享

关于RPA、AI、企业数字化转型

(点击文字即可阅读)

公众号后台回复【RPA】

可受邀加入【RPA&AI商业智能】交流群

行业知识交流分享

结识扩展人脉圈层