文/王吉伟 凭借高质推理能力，DeepSeek在各个行业备受青睐，工业领域便是其中之一。 DeepSeek能够显著提升生产效率、降低成本并优化生产流程，进一步加速了企业“人工智能+工业”的进程。例如，某大型机械制造企业通过DeepSeek搭建的供应链智能管理平台，实现了库存周转率提高30%、供应链成本降低20%。 这个简单的案例，映射了工业大模型在工业互联网的应用价值。DeepSeek等推理模型通过优化数据采集与预处理、深度学习与数据分析、智能决策支持、智能交互、降低开发成本、推动工业智能化升级和促进产业生态创新。 从2016年相关部门提出发展工业联网，到去年开始推动工业互联网规模化应用，伴随着政策推动以及市场需求的快速增长，以工业大模型和智能体技术为代表的AI正在成为工业互联网规模化应用新的突破路径。 随着“人工智能＋”行动再次被写入政府报告，连接设备与应用并融合大语言模型等技术的工业互联网平台，将成为推动工业数字化与人工智能融合发展的重要力量。 那么，融合大模型和智能体技术的工业互联网平台长什么样？它能为用户带来哪些价值？本文，王吉伟频道实测卡奥斯智能交互引擎，带大家一探究竟。 体验卡奥斯智能交互引擎 卡奥斯智能交互引擎是基于卡奥斯COSMOPlat工业互联网平台和天智工业大模型推出的智能体应用构建平台。整个平台分为知识引擎、智能应用、智能体开发、工业知识社区四个板块。 专业回答是知识引擎的一个特色，基于天智工业大模型的智能交互不同于通用大模型，在这里你只需要输入相应关键词，引擎就能迅速从海量的数据库中筛选出最准确、最相关的工业知识。 每一个问答的交互过程会经过问题分析、知识匹配和输出方案三个步骤，经过深度思考和知识匹配输出的答案，还索引了外站链接方便查看可信来源。以后查找工业相关的技术、应用案例及解决方案等，在这里得到的答案可以更精准。 它还支持图片检测、图像生成和货

实在Agent或是现阶段企业级通用智能体的最优解 3个实操案例，带你体验真正流畅可用的企业级通用智能体 什么是真正的企业级通用智能体？实在Agent立了一个行业标杆 体验实在Agent，这才是当前形成生产力的企业级通用智能体 几个实操案例，告诉你什么是真正可用的企业级通用智能体 Manus昙花一现，实在Agent或会带来一场企业级通用智能体飓风 文/王吉伟 Manus的火爆，不仅带火了一批开源项目，也带来了一场通用智能体之辨。 至今大家还拿不到邀请码的Manus，以官网多个案例视频和有数的体验视频，让大家感受到了通用智能体的魅力。很多人在看完那些视频后，直言不讳那就是他们需要的智能体。另一方面，很多人在体验Manus同类项目之后非常失望，它们距离成为企业生产力还有不小的距离。 在技术圈和学术界，目前通用AI Agent（General AI Agent）被看作是一种能够自主执行任务、进行复杂决策并适应多种环境的高级人工智能系统。能够响应用户指令，主动规划和执行任务而无需频繁的人类干预。这种系统通常基于多个大型语言模型（LLM）和其他独立运行的软件组件，以实现更广泛的任务处理能力。 需要说明的是，目前不同公司对AI Agent的定义差异很大，从完全自主系统到预定义工作流的实现都有。因此通用AI Agent的“通用”程度，尚未有统一标准。 而真实的体验与应用反馈是，如果通用智能体是现在这种产品形态，还不如直接用RPA等工具去实现各种电脑应用自动化的操作。大模型与AI Agent技术架构比比皆是的当前，企业对于应用引入大模型和应用智能体的渴望是炽烈的，对于适合当前阶段的企业级智能体解决方案的需求自然也是强烈的。 面对通用智能体的热潮和企业级应用的需求，广大企业与组织对于真正可用的技术、产品及解决方案可以说是翘首以盼。 那么，在当前AI Agent应用早期阶段，到底什么样的智能体才

到底什么是AI Agent？重新审视AI Agent的定义与内涵 AI Agent现状如何？聊聊近期国内的智能体市场动向 AI Agent应用实践与应用发展趋势 如何快速打造适合自己的个性化AI Agent？（即将更新） AI Agent产品与项目实操，如何用Coze、钉钉、Dify构建智能体？（即将更新） Ollama+OpenUI+Dify，三位一体打造本地AI Agent系统（即将更新） 全文约2000字+PPT，阅读时间8分钟 文/王吉伟 在比尔盖茨预测“AI Agent将在5年内彻底改变我们生活”的1年后，现在AI Agent真的爆发了。 先来看看大模型厂商与软件厂商的动作。 10月22日，Anthropic发布了能操控电脑的Claude 3.5 Sonnet升级版。 10月24 日，微软开源了一款解析和识别屏幕上可交互图标的AI工具OmniParser。 OmniParser整体框架图 论文链接：https://arxiv.org/abs/2403.19128 代码：https://github.com/AlibabaResearch/AdvancedLiterateMachinery 10月25日，智谱AI正式推出了能够操控手机的AutoGLM（PC端推出网页版）。这两天还传出消息，OpenAI准备在明年1月推出一款代号为“Operator”的可以自动执行各种复杂操作AI助理产品。 其实在10月中旬，实在智能就在内部发布了手机智能体。除了推出UFO、OmniParser等能操控PC的技术架构和工具，微软还在9月推出了Windows Agent Arena 基准框架，用于评估生成式AI智能体在Windows PC上的性能。 Windows Agent Arena运行截图 论文地址：https://arxiv.org/abs/2409.08264 项目地址：htt

智能体进化发展了一年，现在的RPA Agent迭代到什么程度了？ 从实在智能最新发布的实在Agent 7.0，看RPA Agent的迭代升级 抓取豆瓣信息、自己制作PPT，这款AI Agent真的实现了流程全自动化 AI Agent构建到执行全自动化，持续进化RPA Agent再次降低智能体应用门槛 实在智能重磅发布实在Agent 7.0 ，这款神器做到了B端与C端通吃 C端AI Agent构建与应用实现端到端，这个智能体构建平台真的不一般 文/王吉伟 智能体的爆发，意味着大语言模型的快速落地与应用。所以它一经提出便如泄洪之水一发而不可收，直至现在如火如荼。 尤其是在智能体工作流（Agentic Workflow）的加持下，智能体表现出了更强的易用性和适应性。除了解决简单工作流的自动化，也在积极融合进入更多的传统业务流程和应用场景。 王吉伟频道在《Agentic Workflow新范式，基于大语言模型的工作流、业务流程、智能体大融合》一文中提到过，广义上的Agentic Workflow是包含传统软件（工具、解决方案）、大语言模型、AI Agent等在内的新型业务流程的集合，其中用RPA等超自动化工具将轻量化LLM工作流与传统工作流相连接的工作流，将会成为企业业务流程的重要形式。 当前的AI Agent构建平台所构建的AI Agent通过各种插件和工作流已经可以做到较长的流程，但仍然无法操作没有API接口和没有开放API的大型以及遗留的企业级应用程序，并且API接口也不能保障绝对的稳定。 因此在智能体的应用上，用RPA来连接多种应用系统以保障数据的流通是不可或缺的，这对于已将RPA应用于企业运营人机交互层的组织来说则更加重要。 在企业级智能体的解决方案上，基于RPA构建的或者以RPA为tools的RPA Agent越发受到广大组织重视，原因正是它能够弥补单纯的API类智能体

近日，菜鸟网络与多多买菜的侵权诉讼迎来最新判决，多多买菜因侵权、不正当竞争等原因，被判赔偿菜鸟网络经济损失及合理维权费用500万元。 据了解，菜鸟与多多买菜的争端由来已久，双方的争端其实主要源于对快递“最后一公里”的业务之争。2022年2月，很多消费者反馈在菜鸟上搜不到拼多多的快递，多多买菜宣布升级多多买菜团长端软件，为消费者提供快递代收寄服务，并与三通一达、极兔、邮政等快递公司实现对接，打通了快递签收环节。 随后，菜鸟要求快递驿站禁止使用第三方软件，也被多多买菜指责进行排他性竞争。同年4月，菜鸟起诉多多买菜侵权以及不正当竞争，双方从口水仗升级到对簿公堂。 根据法院文件显示，双方的纠纷主要集中在“菜鸟”“菜鸟驿站”的标签使用权上，菜鸟指责多多买菜侵权主要有以下几点：1、多多买菜向消费者提供的“自提点”名称、图示中出现“菜鸟”“菜鸟驿站”的标识；2、在网页版“拼多多快递代收”以及“拼多多门店端”APP中所用的门店名称中出现“菜鸟驿站”，3、在“拼多多”门店交接单中均使用了“菜鸟驿站”“菜鸟”标识。 从菜鸟指控的上述三点来看，颇有一点“提灯定损”的意味。在多多买菜、美团优选、淘菜菜等社区团购软件买过菜的用户应该都知道，自提点大都是夫妻店、小卖店，是作为搜索地址体现在软件中。菜鸟指控多多买菜“自提点”使用菜鸟标识，类似在高德地图搜索目的地，弹出的结果中出现了“菜鸟驿站”。此外，在淘菜菜、美团优选的自提点中，也不乏“菜鸟驿站”的站点。 前不久，江西上饶一位网友发布视频称，其在当地租住了一处自建房，但退租时被房东拿着灯一点一点检查，甚至对卫生间蹲坑都照来照去，最后在房屋没有明显损坏的情况下，被索赔一万余元。该事件也被网友戏称为“提灯定损”，菜鸟对多多买菜的侵权指控与此也颇为神似。 关于多多买菜的门店端出现了“菜鸟驿站”“菜鸟”标识，更多的是驿站老板的个人选择，对于驿站老板而言，多接一

在互联网的加持下，云南鲜花的声名也被传播得更广。曾经只在线下流转的鲜花，通过电商，完成了更广阔意义上的信息和货物的交换，一捧捧鲜花也触达到了更多消费者手中。 线上终端消费市场的巨大潜力，让鲜切花行业迅速地发生着变化。 斗南花市康乃馨交易区满目鲜花。（本文图片均由 胡弘彪 摄） 老鲜花人走上一条新“花路” 斗南花市，白天属于游客，晚上是批发商和电商们的主场。花农将花田里剪下代售的花枝，按照标准分级包装，然后送到“鲜花班车”上，批发商和电商们一家家选，仔细检查这花苞有没有残损，挑出满意的样品记下编号，等待落槌后收花。 昆明花拍中心就在距离斗南花市不远处，每一个初到斗南花市的花卉拍卖交易中心的人，都会被眼前景象震惊：成千个拍手坐在电脑前，拍卖师确定起拍价格，会场上的电子大钟显示拍卖价格，拍卖开始后，价格从高向低逐次下跌，竞买者在认为能够接受的价位上，按下竞价按钮，价高者得，这是一场“速度游戏”，整个交易过程平均下来只有4.5秒。在提货大厅里，提货车穿梭在花海仓库，即将发送到各个参与竞拍者的仓库中。 昆明国际花卉拍卖交易中心花拍现场，每一个参与拍卖的鲜花人正摩拳擦掌抢拍心仪的鲜花。 昆明花拍中心创建于2001年，是一个以花卉拍卖为主，集花卉标准制定、新品种研发推广，市场信息服务、技术服务、金融服务、物流服务为一体的综合性产业服务平台。承担着推动云南“云花”产业链的创新升级，实现花卉交易国际化、标准化、信息化和数字化的重任。 2014年，本地人王宗堂第一次来斗南花市的花卉拍卖交易中心，和多数初来这里的人一样感到兴奋。此后，他便从学习拍花、采购开始，在慢慢接触行业后，先是做传统批发，然后开始做电商，后来在拼多多上扩充经营，扎根行业10年，在电商的加持下，没有辜负他的坚守，到现在，王宗堂这位老鲜花人走上了一条新“花路”。 在昆明国际花拍中心，王宗堂正在拍花。 王宗堂很少和人提起，踏入鲜花

随着大语言模型技术的日益成熟，国内科技巨头纷纷加快在AI Agent领域的布局和应用落地。凭借自身强大的技术积累和丰富的应用场景，推动AI Agent技术在各行各业的深度融合与创新应用。 在AI Agent的落地应用上，目前科技巨头正借助已有AI技术平台集体发力，众多创业公司也在拼命迎头追赶。 事实上，国内科技企业在AI Agent的探索与落地应用方面也有了不错的进展。比如百度灵境平台的智能体类型已经覆盖了办公、生活服务等多个领域。飞书也引入了智能伙伴，将飞书逐步转变为一个解决人与人、人与AI协同工作的平台。钉钉AI助理被钉钉视为是AI Agent的一次探索落地，还被视为钉钉在No App时代成为超级流量入口的机会。 实在智能的Agent智能体则是一款结合了人工智能（AI）和机器人流程自动化（RPA）技术的产品，旨在通过自研AGI大模型和超自动化技术，实现高度自主、适应性和交互性的软件实体。这种智能体能够自主理解环境、做出决策并执行相应动作，为各个领域带来前所未有的便利和创新。实在Agent智能体已经在很多场景实现商用落地，并将于3月底正式对外公测，也是国内唯一一家首先推出Agent智能体公测的科技企业。 从当前国内各大科技企业在AI Agent领域所取得的最新进展和突破不难看出，AI Agent正在向着更垂直的业务领域渗透，而各科技企业能否在这场AI Agent商用应用之战中取得胜利，更多取决于： AI Agent解决方案能否与企业当前采用的自动化解决方案完美融合 AI Agent是否简单，易用，好推广 AI Agent是否在企业隐私数据和安全方面有保障 AI Agent能否真正被企业用来去实现更多新业务自动化场景 AI Agent是否具有全行业流程自动化执行能力 01 与当前自动化路径完美结合的Agent智能体解决方案 实在智能的Agent智能体不仅支持私有化部署，还支

近日，实在智能完成近2亿元C轮融资。本轮由金泰富资本和安吉智慧谷共同领投、安吉两山国创跟投。 作为行业领先的人工智能科技公司和AI准独角兽，实在智能致力于通过自研AGI大模型结合超自动化技术，领跑人机协同时代。近年来，公司不断加大研发投入，加快产品迭代和技术创新。现已拥有60多项实授技术发明专利，300多项软件著作权，全面支持国产化“信创”生态，助力超2000家央企国企、世界500强、上市集团公司及政府机构数字化转型升级，全面应用部署各类“数字员工”（智能软件机器人）；同时，实在智能已分别在日本和马来西亚设立子公司，全面布局东南亚“数字员工”市场并已取得阶段性进展。 实在智能进入RPA行业四年以来，通过技术快速创新先后推出三代实在RPA产品，始终引领行业方向。第一代产品推出“融合拾取”技术，解决精准识别各类PC软件界面元素的问题；第二代产品推出“智能屏幕语义理解技术（ISSUT）”和IPA模式，将传统RPA的“组件拖拉拽”专家模式升级为“鼠标点选用”的小白模式，使业务人员可轻松构建自动化流程，大幅降低“数字员工”应用门槛；第三代产品将大模型与RPA相结合，将RPA行业升级到Agent智能体时代，实现“你说PC做，所说即所得”。 2023年8月16日，实在智能发布自研垂直“塔斯（TARS）大语言模型”，并在全行业首发产品级别的Agent落地产品：TARS-RPA-Agent，即实在RPA Agent智能体，通过“自然对话式交互和超自动化执行打造全能业务专家”，再次大幅降低“数字员工”构建门槛，真正实现人人可用。 在具体实现方案上，实在智能将自研CV技术（ISSUT）、大模型（TARS）和实在RPA进行深度融合，即通过智能屏幕语义理解技术（ISSUT），提供基于人类视觉的，对屏幕画面和被操作对象的理解能力；通过“塔斯（TARS）大模型”，提供理解人类意图，将复杂问题自主拆解细化

大语言模型数据泄露堪忧，超自动化Agent成解决之道 数据泄露成LLM应用最大障碍，看实在智能如何用AI Agent破解谜题 从实在RPA Agent智能体安全机制，看AI Agent如何破解LLM应用安全谜题 文/王吉伟 阻碍广大企业应用大语言模型（LLM，Large Langeuage Models）的诸多因素中，无疑数据安全是最重要的。 3月份ChatGPT发生了用户隐私数据泄露事件，OpenAI声明由于开源代码库中存在一个漏洞，使得部分用户能够看到另一个用户的聊天标题记录，并把ChatGPT短暂下线紧急修补了此漏洞。 此事件，让大家认识到大模型并不是“大安全”。 更要命的，是用户使用LLM时会不经意输入敏感数据。仅在三月份，三星内部就发生了三起误用及滥用ChatGPT案例，其中两起关于三星半导体设备，一起关于三星内部会议内容。 以致有网友调侃，三星再多几次敏感数据泄露，ChatGPT就能教大家制造先进芯片了。 在三星等多家企业出现事故后，很多企业都意识到了LLM使用可能造成的数据泄露问题。就在5月份，苹果公司也限制员工使用ChatGPT和其他外部AI工具。当然，苹果公司也在开发自己的LLM产品。 不只是苹果公司，摩根大通、美国电信运营商Verizon等公司都已经宣布禁止使用ChatGPT等应用，亚马逊也希望工程师们使用内部AI工具。 就在11月10日，投资了OpenAI并为广大企业提供OpenAI云服务的微软，因为担心公司机密数据泄露，竟然也开始禁止员工使用ChatGPT，建议员工使用自家的Bing Chat工具。 出于数据安全忧虑，美国银行、花旗集团、德意志银行、高盛集团等多家金融机构已经禁止员工使用ChatGPT聊天机器人处理工作任务，日本的软银、富士通、瑞穗金融集团、三菱日联银行、三井住友银行等企业，同样限制了ChatGPT和类似聊天机器人的商业用途。 现在，

生成式AI席卷电商领域，AIGC赋能厂商与客户增效降本 生成式AI已经热了这么久，厂商们在电商领域都有哪些探索？ 从AI模特换装到AIGC赋能运营，生成式AI全方位渗透电商产业链 生成式AI对电商领域有什么影响？发展现状如何？一篇文章看明白 七个具体应用案例，透析生成式AI在电商领域的应用 科技巨头和创业公司动作频频，生成式AI强力渗透电商领域 文/王吉伟 AIGC的飓风刮起来之后，生成式AI很快就渗透进了电商领域。 电商领域拥有巨大的市场规模与目标客户。从事电商的企业数字化程度较高，对新技术接受能力强，AIGC解决方案可以快速落地。 而电商起家的云计算厂商，更是AIGC的主要推动者。在微软携着OpenAI云服务让ChatGPT、DALL-E等产品与解决方案快速落地到多个领域后，亚马逊、阿里云、京东云等紧跟其后强势推出自有LLM，并快速开发相关应用部署到自有生态以服务用户。 阿里巴巴集团董事会主席兼首席执行官张勇认为，所有的行业都值得在大模型的基础上用人工智能的全新技术重新做一遍。并在发布大语言模型“通义千问”时提到，阿里巴巴从自身开始，各个业务产品、用户产品都将基于大模型重新开发。 这个逻辑当是所有大语言模型厂商的心声，大家都在努力推进内部应用生成式AI，并携手合作伙伴开发出好用的产品服务生态内各个平台的商户与用户。 电商领域既有生成式AI技术的缔造者，也有AIGC落地的重要客户和业务场景。 多年来，在电商平台开店的店主们都在苦苦追求软件工具的应用，以更好的增效降本。生成式AI文生文、文生图在带给C端用户强烈震撼的同时，也让店家先行一步探索AIGC在电商经营中的运用。 由此，电商领域也就被生成式AI先一步渗透。 在各大电商平台推出大语言模型之前，电商圈已经有人开始用Midjourney（MJ）、Stable Diffusion（SD）等生成服装首饰并进行模特替换，还有人用

▲ 图片由AI生成 LLM强势挺进端侧，AI大语言模型端侧部署如何影响超自动化？ 端侧部署对大语言模型落地有什么好处？对超自动化有什么影响？ 产业上下游齐发力LLM挺进端侧，大语言模型加速落地利好超自动化 芯片、云服务、终端厂商齐发力，LLM决胜端侧，超自动化受益其中 从谷歌推出Gecko到高通引入Llama 2，端侧部署成为LLM落地重要方向 大语言模型端侧部署+LLM超自动化，“贾维斯”智能管家照进现实 文/王吉伟 算力资源吃紧，成本居高不下，数据隐私泄露，用户体验不佳…… 以OpenAI为代表的大语言模型爆发后，多重因素影响之下本地化部署成为LLM落地的主流模式。LLM迫切需要部署在本地设备上，围绕LLM端侧部署的研究与探索空前高涨。 5月份，Google推出了可以在旗舰手机上离线运行的PaLM2 轻量版Gecko。 从这一刻起，能够在端侧运行的大语言模型成了厂商们的重要任务。毕竟LLM要落地，移动终端是最好的载体之一，同时端侧也有着巨大的市场空间。 于是，厂商们纷纷开启狂飙模式，踏上LLM的压缩、蒸馏及优化之路，要把自家的云端大模型先行装进手机。 也就是在此期间，高通提出了混合AI概念：AI处理必须分布在云端和终端进行，才能实现AI的规模化扩展并发挥其最大潜能。 端侧的市场规模，加上混合AI趋势，就连微软也与Meta结盟共同推出了可以部署在端侧的开源大语言模型Llama 2。 被称为“GPT-4最强平替”的Llama 2，可以让开发者以很低的成本为客户提供自主大模型，将为开发者们带来更多可能性和创新机遇。 由此开始，各家芯片厂商全力研发能够适配各种大模型的芯片、技术以及解决方案。 虽然能够支持LLM本地运行的芯片还没有量产，但高通在世界人工智能大会期间于手机端使用SD十几秒生成一张图片的演示，迅速吸引多方眼球。 高通计划2024年开始在搭载骁龙平台的终端上支持基于L

AIGC如何借AI Agent落地？ 融合LLM的RPA进化到什么程度？ 像生成文本一样生成流程的ChatRPA，能够提升RPA新体验？ 边探索边创建的ChatRPA，能否破解RPA与LLM融合难题？ AI Agent模式的TARS-RPA-Agent，对超自动化有什么意义？ 文/王吉伟 大语言模型（LLM，Large Language Model）的持续爆发，让AIGC一直处于这股AI风暴最中央，不停席卷各个领域。 在国内，仍在雨后春笋般上新的大语言模型，在持续累加“千模大战”大模型数量的同时，也在不断填补垂直大语言模型在各个领域的空白。 每个领域都会有自己的大模型，每个领域都会有厂商推出自有模型。更多的LLM，让AIGC以更迅猛的速度进入并影响更多业务场景。 AIGC并不只有C端用户所看到的用AI工具生成文字、图画、视频等各种内容，还有B端的用AI直接生成以及驱动管理系统生成各种可执行的业务流程。 相对于C端产品直接引入生成式AI或者部署开源模型就能搞定，B端产品要在引入、部署及自研LLM的基础上做更多的训练、微调与优化等，才能保证LLM能够与已有产品更好的融合，以更好地发挥各自所长。 一旦LLM与企业管理软件融合好，便意味着大模型的顺利落地。而大语言模型的私有化部署能力，往往意味着厂商们更大的商机。 这样，LLM与企业管理软件的融合成了重中之重。发布领域大模型与提供私有化部署，也成了广大B端厂商主流做法，更使得能够代替用户和大模型进行交互的AI Agent ，在Prompt系统工程之后成了香饽饽。 当前，AI Agent已是公认大语言模型落地的有效方式之一，它让更多人看清了大语言模型创业的方向，也让投资者们更加看好LLM、Agent与已有企业管理软件的融合应用。 在这其中，因为RPA、低代码等技术在自动化方面的天然属性，并且自然语言交互能够为其带来相当的质变，能够为客

2023 Gartner RPA魔力象限报告解读：象限跃升彰显国产RPA厂商实力 2023 Gartner RPA魔力象限报告四大行业趋势，国产RPA厂商已在践行 文/王吉伟 8月3日，全球著名咨询调查机构Gartner发布了《2023年全球RPA魔力象限（Gartner RPA MQ）》报告。 报告从执行能力和企业战略两大维度对全球RPA厂商进行全面考察分析，综合产品技术、AI、数据分析、场景应用等360度全方位考核评估，最终UiPath、弘玑Cyclone、Appian、Nintex等来自全球的16家厂商入选该报告。 Gartner基于对ChatGPT等生成式AI与RPA融合趋势及大语言模型（LLM，Large Language Model）的深度研究，在报告开头的“战略规划设想”板块就给出了预测：到2025年，90%的RPA供应商都将提供生成式AI辅助的自动化服务。 而报告所给出的RPA市场四大趋势，其中之一也是”ChatGPT和其他LLM正在推动人工智能生成的自动化”。 在生成式AI的影响下，RPA市场将继续保持高速增长。 市场规模方面，2022年RPA软件市场从2021年的23亿美元增长到28亿美元。RPA软件市场增长率在逐年放缓，已经由2021年的31%下降到2022年的22%，但仍旧远超全球软件市场11%的平均增长率。 MQ报告的评选标准会随着行业的发展与厂商各项能力的提升而不断变化，因此每年都会有厂商在象限图中消失，也会有些厂商发生显著的位置变化。 今年报告中，入选厂商数量从去年的15家变成了16家，新入选了两家厂商，一家厂商被取缔。四个象限的厂商数量，则由去年的5-1-4-5变成了今年5-1-4-6。 这是Gartner连续第五年发布此报告，也是国产RPA厂商连续第三年入选该报告。今年的报告仍有两家国产厂商入选，其中弘玑Cyclone更成为整个报告变动最大

       文/王吉伟 钢铁行业的数字化转型，历来都是值得探讨的热点话题。 2022年，我国粗钢产量10.13亿吨，占据了全球钢铁供给市场的半壁江山。 这组数据可谓非常抢眼，但仍旧难掩诸多企业的各种经营问题。 钢铁生产过程工序众多，大型设备集中，工艺流程极其复杂，更是典型的资源密集的高耗能产业。在政策引导、规划指引以及增效降本迫切需求之下，近些年来很多钢铁企业都开启了轰轰烈烈的数字化转型之路。 转型之路是开启了，至于转型成效就要看企业如何理解数字化转型，更需要企业结合具体情况去做技术、研发、模式及运营方面的大量探索与尝试。 一直以来，“六大难题”长期困扰钢铁行业的数字化转型。产能过剩、流程复杂、缺乏数据标准、核心技术不足、成本问题以及绿色环保，每一个难题无时无刻不在考验企业的决心和耐性。 对于遇到越来越多业务挑战的钢铁企业而言，数字化转型已经成为当前AIoT时代的一道必选题，不得不去做，也必须迎难而上。好在，目前钢铁行业信息化、数字化、网络化、智能化等融合发展的基本框架也已经确立，全行业的“数字化转型、智能化发展”正在有序推进。 有了正确的方向，摆在广大企业面前的问题，已经由原来的做什么和怎么做，变成了现在的找谁做。企业们只需要找到一个技术成熟、产品全面、方案完备、经验十足的技术服务商，就可以简单地实现初步的数字化转型。 那么问题又来了，该找一家什么样的服务商或者平台呢？ 7月4日，王吉伟频道参加了由华为WeAutomate、京诚数科共同主办的智能制造技术论坛。从这场论坛发布的产品和一众专家、学者的分享来看，基于超自动化能力的行业数字化管控平台，对于钢铁行业的数字化转型是一个非常不错的答案。 为什么这么说？本篇文章，王吉伟频道就跟大家聊聊这些。 钢铁行业的数字化转型现状 钢铁行业是国民经济的重要基础产业，也是一个高能耗、高污染、高风

正在成为组织运营标配的流程挖掘，到底有哪些商业价值？ 作为超级自动化的重要先驱，流程挖掘正在成为组织运营标配 文/王吉伟 AIGC正在影响越来越多的行业，流程挖掘领域亦不例外。 Mindzie首先宣布集成生成式AI，使用户能够以提出业务问题的方式搜索流程见解。Pega紧随其后，推出了深度融合ChatGPT功能的全新流程挖掘产品Pega Process Mining。Celonis也在近期演示了其与LLM的融合应用，相信很快就能推出新产品。 有了Celonis等厂商在前，很多拥有流程挖掘产品的厂商将会进一步跟进。 目前拥有流程挖掘产品的很多公司同时也是超自动化公司，他们早已在RPA、低代码等产品中接入了ChatGPT等生成AI应用，与流程挖掘融合只是早晚的事。 这样来看，主要的流程挖掘公司都已拥抱了LLM，并且很早就开始探索与应用生成式AI。引入这项技术，既能明显改善用户体验，也能让其保持竞争优势。 所以大家能看到，在3月份Gartner发布的流程挖掘魔力象限报告中，入选的厂商与去年的变化并不是很大。Celonis仍旧一骑绝尘，主流厂商仍旧是收购某些流程挖掘项目的SAP、UiPath、IBM、微软等巨头。 同样，在最近Everest Group发布的全球流程挖掘报告PEAK MATRIX ASSESSMENT中，Celonis和巨头企业们再度占据了各象限主要位置。唯一不同的是，这份报告竟然有一家国产厂商弘玑Cyclone位列“核心玩家（Major Contenders ）象限，着实令人震惊。 有人可能会问，国产流程挖掘已经这么强了吗？这么说吧，虽然中国流程挖掘起步较晚，但已经是百花齐放的格局。 目前国内超自动化厂商以及创业公司所推出的流程挖掘产品数量，已经有十几个之多。并且很多厂商在产品能力、功能创新、生态模式以及差异化服务方面，已经打磨出更加适合中国企业复杂信息化环境的企业

GPT等AI大模型震撼来袭，基于RPA的超级自动化仍是最佳落地载体 对话弘玑CPO贾岿，深入了解国产RPA厂商对AI大模型的探索与实践 文/王吉伟 关于RPA已死的说法，在中国RPA元年（2019年）投资机构疯狂抢项目之时就已经有了。 说它会死的，一般会认为RPA是一种过时的技术，一种打补丁的技术，一种不稳定的技术。在很多人眼里，依赖UI抓取实现的自动化，最终都会被基于API接口的集成自动化所替代。 现在已经过去5年，RPA不但没有死，还进化出了智能自动化和超级自动化。 没错，RPA没死是因为当代RPA都是基于AI构建的，几乎所有主流厂商都在推出RPA产品之前先一步进行AI的研发。 现在采用超自动化架构的RPA集成了NLP、OCR、低代码、流程挖掘、chatbot等几乎所有先进AI技术和工具，并且还在通过UI和API集成更多的技术以为客户提供更全面的端到端自动化解决方案。 当然，说RPA已死也是有道理的，因为没有融合AI技术的RPA早已经死了。 可谓生也AI，死也AI。 每隔一段时间，当RPA技术发展遇到瓶颈或者新技术会对其造成冲击时，就会有看衰RPA的声音出现，并再次提及RPA已死。 现在，以GPT为代表的AI大模型（LLM，Large Language Model）来了，ChatGPT及Midjourney等基于LLM的杀手级应用对各行各业都造成了巨大的冲击，由不得大家不去考虑LLM对各种软件系统的影响。 于是，人们又开始探讨RPA的未来归宿。 起初就连RPA厂商也会为之恐慌，毕竟LLM都是巨头大厂才能玩得起的，有了AI大模型，主打UI自动化的RPA是否还有存在的必要？RPA技术的发展是不是就到此为止了？AI大模型会不会取代RPA？（PS：关于LLM会不会取代RPA，可以参考王吉伟频道之前的文章，本文不再展开讨论。） 扩展阅读：基于AI构建的当代RPA，在生成式AI影响