今年以來，新質生產力成為全社會關注的焦點。新質生產力的特征之一，就是深化新技術應用，尤其是AI及大模型，要加速落地到實際業務場景中，為千行萬業提質增效。

2024是大模型技術做深、價值做實的一年。3月20日，在以“新生產力，質變！”為主題的2024金智維大模型應用暨新品發布會，金智維董事長廖萬里在《共啟大模型時代的人機協同新范式》演講中提及，金智維大模型應用產品從研發到落地，都是圍繞著解決企業實際需求，實現社會價值和商業價值的目標去實現的。

具體是怎么做的呢？戰略上，金智維將RPA和大模型的融合發展，作為其核心戰略。產品上，此次發布會推出了AI Agent類新品K-Agent，以及基于K-Agent平臺打造金智維Kopilot——一個面向千行萬業的智能助手（Copilot）應用集群。

可以看到，金智維的AI探索之路，特別的地方在于，將RPA和大模型相結合，從而為AI在B端業務場景的普惠化應用鋪平道路。

RPA（Robotic Process Automation，機器人流程自動化）是一種自動執行業務流程的軟件機器人，在2000年初出現，是企業軟件領域的“前輩”。而大模型技術方興未艾，被認為是通向AGI的正確方向。

借此契機，我們來聊聊， “RPA+大模型”的雙輪驅動，能為企業智能化帶來什么變化？

務實主義，直擊大模型的落地痛點

由大模型掀起的這一波AI浪潮，已經進入到了第二年，產業界開始出現了“卷又卷不動，躺也躺不平”的神奇現象。

卷不動，是因為基礎模型的參數規模越來越大，對AI算力、高質量數據、人才等要素的投入仍在加大，這讓很多商業化路線不夠清晰、模型能力又卷不過大廠的大模型廠商，心生退意。

然而，數字經濟、產業智能化，又是當下最具確定性的高增長賽道之一。各行各業智能化升級的意愿格外迫切，對AI、大模型等數字技術的需求強烈，這時候企業一旦躺平可能就被時代甩在了身后。

在卷和躺之間，金智維將RPA和大模型融合的務實主義，為我們提供了一種可持續良性發展的思路，具體表現在：

實際。不卷基礎通用大模型，而是選擇與業內領先的基礎大模型廠商合作，避開高投入賽道，發揮自身優勢與特點，聚焦行業應用和場景，通過工程化能力，打磨出可落地的產品。

實用。企業智能化升級是一項多技術協同的綜合工程，金智維將大模型、AI、RPA等融合，多種技術各取所長，減少大模型在“幻覺”、高成本、不可解釋性等方面的挑戰，從而加速大模型應用落地，讓千行萬業真正享受到大模型給業務帶來的助益。

實效。大語言模型和RPA自動化機器人的協同，不僅能從技術層面賦能，讓企業快速接入大模型能力，還有望重構和優化業務流程，推動企業組織及運營模式的智能化轉型。相當于治標又治本，切實為企業降本提質增效，這正是金智維所追求的技術實效。

如今，千行萬企都渴望擁抱AI，但智能化究竟該如何開啟？很多人和企業是迷茫的。金智維的“務實主義”，為大模型落地構建了一個可行的途徑。那么，大模型與RPA的融合，究竟會在業務場景中發揮哪些作用？

三步走，大模型與RPA的融合之路

在務實主義的驅動下，金智維較早便對大模型應用需求做出預判，為了讓更多企業切實把握住這一波智能化機遇，更高效、低門檻地接入大模型能力，金智維提前在技術范式和架構方面做了布局，形成了大模型“三步走”戰略，以推動RPA與大模型的融合。

第一步，精調領域模型。

與業內優質基礎大模型合作，植入金智維十余年積累的行業專精知識庫，對模型開展精調訓練，形成金融等領域大模型。具備“通識能力+專精能力”的領域大模型，相當于給數字員工一個強大的“大腦”，理解和創造能力大幅提升。

第二步，構建場景級應用解決方案。

將領域大模型與RPA產品相結合，金智維針對不同行業，構建了基于語言大模型和多模態大模型的近十種智能應用解決方案，并結合實際落地應用不斷改進優化。其中，LLM讓AI Agent具備智能化決策能力，而RPA作為AI Agent的執行單元，借助RPA自動化執行能力，相當于“小腦”，可以自動分解任務并執行。

第三步，打造Al Agent 。

大小腦并用，可以讓數字員工像人一樣感知、規劃、決策、行動、與環境交互。但不同行業和企業的細分場景眾多，為每一個場景開發專屬的智能助手型數字員工，是一個極為龐大且繁雜的任務。

金智維進一步降低大模型門檻，打造了一系列AI Agent類產品。

圖形化的Al Agent開發工具K-Agent平臺，可以用最快捷的方式，實現RPA與AI Agent的融合開發，讓企業快速開發、部署各類智能助手（Copilot）型數字員工，應對不同的業務場景需求。

基于K-Agent開發的智能助手，充分發揮大語言模型和RPA的能力，依托精調的行業數字員工模型，分析任務指令，規劃操作流程，通過RPA調用對應的平臺或應用，高效優質地完成業務需求，回答用戶問題。

目前，K-Agent已經推出了面向通用場景的數十種數字助手，比如客情維護助手、營銷內容助手、輿情風控助手、業務數據查詢助手等，同時面向金融、政務等特定行業，打造了專屬場景的定制化助手。

以政務領域的政務智能助手為例，面向政務咨詢、導辦環節，以大語言模型為基礎，引入外部和本地優化的知識數據，解決和優化了大模型的幻覺問題，實現精準回答與導辦。而新技術的應用，讓政務場景的RPA應用開發效率，提升高達180%。

可以看到，大模型與RPA的融合，能夠發揮出“1+1＞2”的效果，幫助企業自上而下實現原有業務流程自動化的智能升級，以及更多業務場景智能自動化的發掘與變革，進而推動企業組織架構和運營模式的智能化轉型。

人機協同新范式，開啟大模型的落地之春

從金智維的戰略動作中不難看到，在激發大模型技術價值的過程里，基于大模型融合RPA打造更智能的數字員工，可以切實幫助企業降本提質增效，是當前大模型最具可行性的落地方向，也是企業與智能化的最短距離。

但同時也要看到，ToB市場的“不可能三角”，即大規模、高周轉、高毛利不可兼得，同樣也體現在大模型產品上，表現在數字員工的普及率、性價比、利潤率。對于ToB的AI廠商來說，想打破這個“不可能三角”并非易事。

正如金智維董事長廖萬里所說，讓大模型真正做到在產業上量產實用，它的效率及成本控制必須是極致的，并且需要有載體承接，RPA和大模型技術正是“天生一對”的技術搭檔。

金智維將大模型與RPA融合發展的AI戰略，展現出一種人機協同新范式，也讓我們看到了數字員工及AI toB市場的新可能。

以質量可靠，提高普及率。金融、政務、營銷等專業領域，對生成內容的準確性、完整性都有嚴格要求，必須解決大模型的“幻覺”問題，而RPA機器人執行任務時幾乎沒有錯誤，能夠保證數據和操作的準確性。大模型+RPA可以讓數字員工不胡言亂語，保證生成內容質量，滿足產業場景的需求，從而提高企業接入數字員工的意愿。

以成本可信，提高性價比。RPA可以直接在現有的IT基礎設施上運行，無需對系統進行改動，減少了大模型的落地成本。有了大模型之后，RPA可以深層次理解行業知識、客戶需求和業務流程，更好地把握企業需求，處理更加復雜的任務和情境。金智維將RPA與大模型相結合，讓數字員工變得普惠。

以規模效應，提高利潤率。金智維不斷打磨和細化AI Agent和RPA產品，降低企業應用AI的門檻，加速推動數字員工進入千行萬業。K-Agent平臺的流程化、工業化、高效率開發能力，有望更快實現規模效應，提升AI toB項目的利潤率，這對于AI企業的良性發展非常重要。

總結一下，金智維基于RPA+LLM打造AI Agent產品，開啟組織的人機協同新范式，為企業智能化升級鋪設了一條高速路，也為大模型產業化鋪設了一條確定性的軌道。

沿著這條AI之路，金智維正在加速突圍，更快一步迎向大模型落地的春天。

審核編輯 黃宇