DCM董事合伙人曾振宇：我們為什麼看好中國RPA？

2019年的創投領域，投資機構密集在看的賽道里，RPA 名列前茅。36氪此前也於新風向報道中介紹，RPA（Robotic Process Automation）這一概念於2000年初在國外興起，產品形態是自動化軟體，目的是替代重複、密集勞動型的工作，工作場景基於強規則進行，且需要人類在不同系統間跳轉獲取、輸入信息才能完成。

對這一新興賽道，許多人存有疑惑。有人將RPA公司與做傳統 BPM 、BPO業務的公司相比較，認為技術壁壘不高，RPA做的不是新鮮事；有人對市場天花板提出質疑，認為這一賽道目前熱度虛高。

不過，這些問題顯然沒有阻礙資本的腳步。今年5月，位於美國的Uipath完成D輪2.15億美金融資，估值達到70億美元。相較去年年底的C輪融資後估值30億美元、2018年收入相較2017年增長了 629.5% ，UiPath成為全球增長最快的人工智慧企業軟體公司之一。

UiPath也成為國內RPA賽道今年熱度猛增的重要原因。在過去的上半年，RPA賽道已經出現了數起投資及併購案例，包括Cyclone、雲擴、Uibot與助理來也合併等。

是什麼讓資本對RPA如此看好？36氪於近日採訪了DCM董事合伙人曾振宇（Ramon Zeng），與他交流了RPA的相關問題。曾振宇專註於互聯網、企業服務、雲計算、消費升級等領域，投資項目包括58同城、唯品會、途牛、探探、脈脈、UCloud、神策數據、SequoiaDB巨杉資料庫等項目。在今年6月，DCM也作為領投方，完成對 RPA 公司「弘璣 Cyclone」的 A 輪融資。

本次專訪圍繞以下主要問題進行：

DCM對弘璣Cyclone的投資邏輯是怎麼樣的？

國內RPA市場和賽道發展現狀，創業公司發展的路徑是？

RPA未來的發展方向？生態如何建立？AI RPA的故事要怎麼講？

曾振宇與36氪分享了一些觀點。他認為，RPA在中國有很強的存在前提，在對人工的替代以及靈活部署上，更適合中國的軟體及IT環境——業務之間的聯通程度弱，割裂程度強，不標準化程度更高。另外，適配、可視化和可擴展性、開發者接受程度、與 AI 結合，是 RPA 的技術壁壘所在。

他還表示，未來中國RPA公司的發展，具有很強的競合關係。此後RPA公司的流派，以技術和商業模式為兩條線出發，各家公司可能選擇不同的應用場景、客戶深挖，分出不同的「枝杈」。

至於 RPA 公司常講述的AI RPA故事，曾振宇認為，做RPA和AI是兩件不同的事，AI最主要的三種能力：視覺、語音和語義分析，其實是RPA的「眼睛」和「耳朵」，RPA的後端與AI的前端會有聯繫，但兩者並不相等。隨著技術發展，AI技術是希望變成RPA公司的大腦，提供更深層次、更多場景的服務。

以下是36氪與曾振宇的對話，經36氪編輯整理：

復盤投資弘璣Cyclone

36氪：DCM投資弘璣Cyclone的經過是怎麼樣的？

曾振宇：DCM在國內企業服務市場里，很早就有觀察和布局，企服也是我們的主賽道，有過很多很好的投資案例，如神策數據、UCloud、Udesk、上上籤、pony.ai 等。我們是在去年下半年之後開始花時間仔細觀察RPA這個賽道的。我們覺得這個市場長期來看是好的，也有預感RPA在中國會比較熱。但是短期內為什麼會這麼熱，我覺得可能是因為Uipath的融資，這是一個trigger。我們只是按照自己的商業邏輯，覺得這個領域是可以的，然後再仔細看產品和業務邏輯，覺得國內RPA的時機一直存在。接著我們就看國內的 RPA 創業公司，覺得弘璣是一個比較好的對象，上半年就出手了。

36氪：選擇弘璣Cyclone的原因是？什麼方面吸引了DCM？

曾振宇：首先是團隊。我覺得弘璣Cyclone是技術和商務能力結合比較好的，他們既有很好的技術背景，也有非常好的商務能力，有大商務BD團隊。產品也是對的。我們通過客戶訪談，去比較不同RPA的產品，覺得他們也是對的。更重要的是，發展思路也是對的。在RPA發展的技術路徑上，弘璣 Cyclone 無論是在技術路徑本地化、在市場的切入點還是長線的和人工智慧的結合等幾個方面，都具備很好的基礎、想法都很清楚。

技術壁壘不低，更有利於中國的IT環境

36氪：中國 RPA市場需求已經發展到什麼程度？這一賽道發展所依託的優勢是？

曾振宇：我覺得市場剛剛開始，今年其實才是RPA的概念被大家真正所認知，可以稱為元年吧。RPA最大的兩個優勢，在中國有很強的存在前提，第一是對人工的替代，第二是弱耦合的靈活部署。

在人工替代方面，中國的人工變得越來越貴，用「軟體」取代人的趨勢，在今後會越來越明顯，而不像前幾年。

另外是部署的靈活性。並且，RPA部署更有利於中國的軟體或是IT環境。中國企業IT歷史的legacy其實是很多的。各個業務之間的聯通程度更弱，割裂程度更強，不標準化程度更高，中間的integrator很少。

比如要打通兩個系統，一個是80年代編的，另外一個是2000年，在系統層面很難兼容，即使在不同的系統之間用API聯通，也非常硬，需要大量定製化介面開發，那麼RPA的連接方式其實非常有效——用技術、用規則模擬機器人，在完全不對現有系統進行干擾的情況下，在幾個系統之間自動的切換，利用規則完成簡單工作。

另外從SaaS的邏輯和角度去看，RPA比較適合按量收費的模式。中國SaaS企業其實在收費方面比較艱難，比美國SaaS公司的收入低很多，但RPA有點像賣虛擬人頭，很容易按照用量來部署，是很好的適合中國國情的業務。

36氪：RPA火起來後，常有人表示，RPA技術並沒有技術壁壘，您的觀點是？

曾振宇：可以看到，現在RPA賽道里有兩類公司。一類就是以前的外包公司，包括軟體公司和人力服務公司，以及做其他各種各樣業務的，都在向RPA轉型。另外一類就是新的RPA創業公司。我們覺得要在中國做RPA，時機到了，但要把產品做好，其實要求挺高的。

一個是技術比較重要。把RPA這個產品做好，技術是非常重要的壁壘。技術壁壘包括幾個方面：第一是對系統的整合的適配，因為RPA面臨軟體千差萬別，特別是在國內的環境，瀏覽器就會有適配很多上的問題，即使是最簡單的瀏覽器。

第二，RPA在編程語言可視化方面，還是有挺高要求的。在怎麼樣把RPA產品做得好、有足夠的應用場景、長期可擴展性、是否能夠建立開發者社區或者開發者生態等方面，這會發揮特別重要的作用。

第三，從長線來看，RPA會與人工智慧技術不斷結合，包括視覺、語義、語音等等，最遠的會到智能化決策，但是RPA現在遠遠到不了那一步，所以現在就把簡單重複的事干好就可以了。

所以這三項——適配、可視化和可擴展性，能不能被開發者接受，加上和AI結合，本身就創造出了很強的技術壁壘。

在商務上也有很多壁壘。RPA要想為大客戶服務，還是要有大客戶企業銷售的mindset、方法論、售後體系。從傳統業務轉型的的公司，可能不一定能做得到，技術關大概率過不了。而一般的互聯網創業公司不光是技術關可能過不了，大企業銷售服務也可能搞不懂。對於早期互聯網企業來說，他們不一定能夠理解業務，對企業真正的應用場景和分析有難度。因此，我們選了弘璣。

36氪：您覺得國內外的RPA客戶有什麼不同？比如使用習慣或產品偏好層面。

曾振宇：國外的客戶使用習慣會更加靈活，diy能力更強，想要更加開放的生態，更有意願去編程和進行二次開發。國內客戶，特別是大企業，求穩的心態還是很重要。他們希望產品是完整的、生產級的產品，效能上是可靠的，服務上是可支持的，但還沒到會去做二次開發的階段。

36氪：他們可能更傾向於項目制？公司幫他們設計部署好機器人，直接上手用就好。

曾振宇：這還不像項目制，其實是就一個接一個產品的交付，但他希望說這個機器人在我這的時候，就已經幫我調好一切，而不是給我機器人和說明手冊，客戶想要的，就是設計好的機器人，幫我做一個明確的流程，像列印銀行單據。

36氪：RPA還是面向大客戶比較多，可用度是否夠高對他們來說很重要嗎？因為負責採購的人不是個體的員工，很多產品面向IT人員。

曾振宇：我覺得還是挺重要的。RPA的種類或者是場景其實也在變。這裡是需要生態系統中的RPA服務廠商，如果它是通過諮詢公司賣進去的，需要這些或者說如果他是通過內部人員修改的，需要內部開發者對這件事情有足夠的了解和使用。

所以其實這就是外包公司幹不了這件事情的核心原因之一。因為這本質上還是像一個編程語言。

假如你是開發者，學會了RPA的語言，目的是為了今後更好地解決問題。如果你所在的公司有了其他的RPA的環境，你就可以在其他環境靈活使用或者修改，換句話說，RPA在其他環境使用得越廣，我學到的知識就越有用。

而對社區貢獻得越多，也會對RPA的語言貢獻得越多，這是雙向加強的過程。所以重要的是，這個語言究竟好不好學，就像學Photoshop一樣——所以RPA可能需要在應用性和功能之間求得平衡。用的人越多，給Photoshop貢獻了越多的模板，Photoshop就會越被世界接受，客戶選擇同類型軟體的時候，就會越傾向於Photoshop。

發展路徑：技術和商業模式是坐標軸，分出枝杈

36氪：現在中國市場已有的RPA公司，從發展路徑上來說，你覺得是更偏向於對標Uipath，或者BP？

曾振宇：我覺得現在說這個有點早，大家剛剛開始，沒有說哪個更對。其實你可以看到不同的創業公司路線是不一樣的，有的是要做一個輕量型的產品，希望更早的建立社區，有的是建一個完整性的產品，希望現在客戶當標杆作用。有的是要做一個特別具體的場景，希望先把收入衝起來。

我們覺得還是有一個完整的產品，然後以大中型客戶為切入點，一邊打磨產品，一邊做生態系統的策略，這樣的路徑比較好。

36氪：未來中國RPA公司會分化成幾種流派？

曾振宇：我覺得可能還是一個很強的競合關係。所有的公司在分類的方法上無外乎是沿著兩條線走，兩條線可能彼此交叉，就會產生出細的分類。一條是技術的，一條是商務模式的，這是兩個不同的方向，對吧？就相當於兩個象線一樣，兩個象限裡面分別不同的延展，就會出現好多不同的分類方式。

在技術上，可能有些人會強調更加豐富或者是精細，強調易用性，有些人可能強調跟AI能結合得更好，有些人強調更加完善的調度等等，在技術流派上分出不同枝杈。

另外一類在客戶層面。有些公司更強調金融客戶，對大型金融客戶有更多支持，那他的模板會更適合這種環境里部署，所吸引的開發者也更擅長於做這件事。有些公司可能更擅長於支持電信行業，再或者有些人更擅長、更願意做大客戶，有些公司願意做小客戶。大客戶意味著這個產品更好，小客戶意味著更便宜的成本。所以商務和技術會是兩條路，從兩個象限延伸，分出枝杈。

36氪：現階段，RPA公司建立開發者生態或者社區，是必要的嗎？

曾振宇：我覺得應該是兩件事同時做，一方面是自己的直銷體系和產品，同時也要吸引開發者的注意，教育開發者，都要做。怎麼去建立好的生態系統？首先在生態系統中要有做領導角色的公司，他們自己要有足夠能力和實力，產品是不是在很多場景應用，是否有很多模板，是不是得到很多客戶的認可，其實是很重要的。

另外一方面就是產品本身，語言本身是否夠開放、友善和豐富，在應用性和功能豐富程度之間的平衡做的如何。

第三件事情就是，對開發者的教育、培訓等產品層面支持是不是足夠。開發者社區做得好的這些公司，像Oracle，絕大部分也是自己產品很強的，但同時它的產品又具備相當的易用性，可用性和友善程度。

36氪：比如說一些AI公司或者是大企業，內部也有孵化RPA業務，您怎麼看這些公司？

曾振宇：我覺得這個領域剛開始，其實大家都有機會。但其實越是新的領域，新企業的機會其實更大。

36氪：有些AI公司可能比較難找落地的場景，RPA對於他們來說，會是一個進入客戶比較好的一個路徑，因為客戶可以直觀看到RPA的效果。

曾振宇：我覺得是有可能的，但這都在早期，所以誰會贏很難講。但是AI公司做RPA，兩者不是一件事情。因為RPA不等於AI，RPA只是在後端和AI的前端會有一些重合。這就代表著，AI公司在做RPA的時候並沒有天然的、決定性的優勢。

至於AI公司要不要轉型成一個真正的RPA公司，那是另外一回事，是他們的業務選擇。有些人可能想，我應該轉型，那麼就轉；如果不轉型，這就是兩件事。上面提到AI那三種通用的能力，是RPA在後端逐漸應用的能力，但又不完全一致。

36氪：聽下來，AI解決的是比較垂直的需求，RPA比較橫向，貼近業務流程。

曾振宇：還不完全是這樣。AI提供的這三種能力，是RPA需要的能力當中的一個。AI最主要的三種能力：視覺、語音和語義分析，其實是RPA的眼睛和耳朵，比如有效地識別屏幕上的信息，聽到語音的時候，怎麼有效地理解它。AI公司可能在做這件事情上有一些優勢，但是同時RPA公司內部也有AI的人才。

第二，這些介面本身也在變得更加地開放或者通用，RPA公司也可以調用其它的一些介面來做這些事情，RPA在今天對AI需求程度肯定沒有那麼高，AI公司是在解決1%或者5%的問題，RPA可能解決的是15%的問題——因為場景是固定的，比如我今天就在櫃檯上，要問開戶的問題，我就不會談到體育比賽。

換句話說，RPA技術跟純粹AI公司在語音、語義方面的能力來比較，難度是不一樣的。這就代表，AI公司可能有很多AI技術，但是不一定在RPA的實施上有特別效果。

當然長線來看，AI公司是希望自己變成RPA公司的大腦，因為如果你模擬一個人，這個人雖然笨一點，但是它其實也可以做一些基本的判斷。長期來看，智能決策、智能客服之類的，是RPA發展中面臨的挑戰。

36氪：像Uipath和BP產品進中國的話，那他們面對的問題還是挺多的。

曾振宇：我覺得有挑戰。很多原因，比如Uipath要激活license還得翻牆，伺服器在國外，就這一件事就讓很多人都幹不了，也會讓很多大型的國企或者就是政府機關難以選擇。伺服器和激活環節都在國外，那怎麼能夠把大量的工作放在裡面？特別是在今天的營商環境下。這是第一個。

第二個是對本土化軟體或者支持會很弱。然後第三個，他們的開發者或者他們實施者，對業務流程還是不熟悉的，還是需要公司自己和第三方供應商，基於場景來指揮這機器人來做事。比如中國的開戶流程跟美國不一樣，中國填表流程跟美國也不一樣。有很多工作需要去做，他們其實在這些方面也沒有優勢。

第四，比國產軟體貴很多，支持又差很多。所以我覺得這幾件事情結合在一起，想要在中國市場取得勝利是有困難的。

36氪：怎麼看待Uipath 70億美元的估值？有機構測算，這個市場目前只有數十億美元容量，但UiPath的估值比整個市場都要高。

曾振宇：市場增長和天花板遠遠沒到頭。技術的進步也會讓RPA變得更加易用，能做的事情越來越多。因為如果視覺、語音、語義等技術都不夠好，那AI作為眼和腦可以理解的這個東西是有限的。另外，今後會有越來越多設備系統互聯互通，雖然可以用統一平台接通api去做，效率上雖然更高，但是它是更硬的一個東西，耦合度更強、更緊密，而RPA其實是靈活部署的東西。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！