超级自动化的3年：财务、IT等通用场景占比高达65%，垂直领域玩家开始晋级

　　文/无羡

　　编辑/也行

　　策划/Eason、Sunny

　　从信息化时代走向数字化时代，企业的最终目标即利用先进的数字技术完成数字化转型升级，而这绝不是将业务、流程、数据、表单等搬到线上就“完事⼉”。

　　在此背景下，Gartner于2019年提出“超级自动化”，之后全球范围内越来越多的企业开始认可这种服务形态。国内的厂商也闻风而动，以各自产品为基础，逐渐向上下游延伸，以实现超级自动化。据Gartner预测，到2024年，通过将超级自动化技术与重新设计的操作流程相结合，企业将降低30%的运营成本。

　　经过近三年的发展，超级自动化在国内的实际发展情况如何?甲方客户和服务商处于实现超级自动化的哪个阶段?目前面临的挑战有哪些?未来3-5年超级自动化又会出现哪些新趋势?

　　对此，第一新声采访了聚焦于RPA、iPaaS、低代码/无代码等行业的受访者，他们从各自细分赛道出发，解构国内超级自动化行业的现状与痛点，尝试解答上述问题。

　　01 现状：2023年，超级自动化仍处在局部应用阶段

　　根据Gartner在《2020年十大战略技术趋势》中的定义, 超级自动化 (Hyperautomation)是一种涉及多种技术的合集，主要包括：RPA(机器人流程自动化)、低代码开发、流程挖掘、任务挖掘、业务流程管理(BPM)、智能BPM套件(iBPMS)、集成平台(iPaaS)、AI技术(OCR、NLP)等众多创新技术。这些工具和技术分为任务自动化、流程自动化、增强组件三个类别。

　　Gartner声称， 对超级自动化的需求正在创造一个巨大的软件市场，到 2025年将达到 8600 亿美元;到2026年，支持实现超级自动化的软件市场规模将达到近1.04万亿美元，复合年增长率为 11.9%。

　　时至今日，超级自动化在国内的应用情况、发展阶段究竟如何?

　　在通用业务场景方面，超级自动化在财务、办公、人力资源、IT等方面得到普及运用。专用业务场景方面，超级自动化已在金融、制造、政务、电信等专用场景中探索出不同创新应用模式。

　　根据弘玑发布的相关报告显示，全球范围内的业务流程自动化应用份额在财务会计、IT运维等通用场景占比高达65%，行业应用份额第⼀梯队包括金融、制造、政务等行业，电信、物流、零售、电力等行业的需求也在不断增强。

　　与此同时，第一新声采访的大部分受访者认为，截至2023年上半年，超级自动化在国内的发展速度相对缓慢，仍处在局部应用阶段。

　　“超级自动化和自动驾驶行业类似，一辆车想要实现自动驾驶不仅需要成熟的自动驾驶技术，还需要高精度的地图，需要道路的基础设施等。同样，企业想要实现超级自动化，也需要有一定的基础设施建设，包括数据的规范、对原有软件系统的规范、数据管道的建设等。由于目前超级自动化的基础设施还不是很完善，所以发展比较缓慢，一些应用基本上都还是局部的。”幂链科技创始人涂志勇说道。

　　在熵简科技创始人费斌杰看来：“整个资本市场对超级自动化的投资比前两年的预期稍稍降温，但是整个行业的发展比较稳定。熵简科技主要聚焦金融资管行业，超级自动化在该行业已经逐步落地，正稳步推进。比如在中后台的监管报表等场景，大部分的金融机构已经使用RPA做数据填报。熵简科技做前台的业务，例如资管机构等在进行投研投资场景中，用RPA产品去汇集各方数据，起到提供辅助投资决策的作用。”

　　不过，其他受访者也有更乐观的看法。

　　“今年超级自动化的发展相比前两年是加速的。原因是九科信息从服务的大型国央企情况来看，这些企业在当前的经济形势下，在数字化方面的投入占比是国内所有企业里偏高。主要得益于两个机遇，一是在制造业升级、新基建等战略的鼓励下，更多的传统企业开始采取超级自动化的技术做降本增效，改善服务和产品的品质。二是信创的发展，衍生出很多对超级自动化相关的需求，为国内软件行业带来了新的增量市场。”九科信息VP傅恺说道。

　　数环通COO方棋表示：“在国内，超级自动化目前仍处于早期阶段，但它正经历着高速发展。目前，各个领域都在发展自己的自动化解决方案，例如RPA，它主要关注任务级别的自动化，例如办公自动化和iPaaS，他们专注于系统间的自动化。我们可以看到整个自动化领域的边界和成熟度仍在不断完善，离超级自动化的阶段还有一段距离。”

　　具体来看，超级自动化在国内的发展阶段主从两个方面解读。第一，厂商端的超级自动化正处于从可组装迈向智能化的阶段。

　　超级自动化会经历三个阶段——可组装、智能化、创新。乐观派认为目前中国处于从可组装迈向智能化的阶段。

　　“我认为目前是可组装还是进入智能化的伊始，然而远未达到真正的智能化。过去半年里，AIGC的爆发让人类意识到AI可以在每一个行业渗透，超级自动化概念在诞生时就融合了AI概念，已经有了一些利用简单AI工具应用，然而这还只是初级阶段;另一方面可组装概念也在加速。判断走完了可组装阶段的依据，是从甲方乙方到生态，在构建数字化能力时都首先意识到是否可以通过组装和最大程度连接复用现有系统而不是上来就从底层开始定制化开发系统造轮子的方式，来满足业务诉求。时至今日，依然还有大量的客户和技术服务公司，在采用堆人头重复造轮子的方式解决业务数字化的问题，所以超级自动化还有比较长的路要走。”精鲲科技COO张欣解释道。

　　“假设超级自动化进入智能阶段，一个标志是企业内部的任一业务流程(不是全部业务流程，只是一个简单的业务流程)能自运行、自修复、自改进，能在自己的逻辑里不需要人工干预，就能去维持业务流程的完全自动化。”精鲲科技CTO葛丁佳补充道。

　　熵简科技创始人费斌杰与上述观点类似，其认为：“现在超级自动化行业从可组装迈向智能化，因为AI在超级自动化中的定位发生了本质性的变化。在2018左右， AI在流程中是一个组件，是辅助定位，是各位工程师在构建工具、搭建流程时的积木。而今年随着GPT模型的推出，AI在整个超级自动化中逐渐变成一个操作系统级别的定位，可以让AI来决定如何组装流程，可以自由的选择用哪些工具来组装工作流。”

　　不过，保守派则认为目前还在可组装的阶段。

　　幂链科技创始人涂志勇认为，目前连可组装的阶段都未完全实现，尤其是非原生的数字企业、传统企业，当他们推进超级自动化的过程当中，整个IT系统建设有很大的历史包袱，里面包括单体架构、SOA架构、微服务架构、可组装的架构等。当企业里有各种架构的软件时，要想做到可组装就要让不同架构的产品能够对外提供标准化的接口( API)，并且做整个API生命周期的管理，达到这个基础才能做到可组装，未来才能做组装式的创新，但达到这种程度的企业目前并不多。

　　“目前各大央国企在超级自动化方面的发展路径有不同的方向，进度也不太一样，大部分的企业属于可组装或者未完全走完的阶段，少部分已经向智能化转型。为什么第一阶段还没有完全通过?因为当前各个央企内有不同的组织和部门，对超级自动化的使用完全不一样。例如财务领域普遍已经过了第一阶段向智能化阶段迈进，而非财务领域仍在做第一阶段的事情。”九科信息VP傅恺说道。

　　第二，甲方客户端的超级自动化正处于任务自动化和流程自动化中间阶段。

　　想要实现超级自动化并非一蹴而就，需要经历由浅入深的三个阶段：一是任务自动化，这是走向自动化的第⼀步，解决单“点”的问题——解决⼈的操作自动化问题，如自动跑批程序和自动化运维工具等，可以通过这些工具将各种预构建的任务自动化执行; 二是流程自动化，通过控制平台、数据平台、AI技能平台等，解决企业“线”的问题。三是超级自动化，在完成“点”到“线”的业务流程自动化后，企业将走向面向“面”的数字化业务运营阶段，实现敏捷且库部门的业务开发与重构。

　　第一新声采访的5位受访人观点基本一致，认为目前甲方客户推进超级自动化是处于第一个阶段迈向第二个阶段的状态。

　　“任务自动化的‘点’解决落地之后，甲方客户可以看到明显的改善效果，它是非 侵入 式的解决方式。通常可以把企业当做一个黑箱，厂商可以从这个黑箱上找到几个基带改造的任务，只要点对点的针对性解决问题就可以了，这个阶段很容易实现。但涉及到流程自动化，就不能把企业当成一个黑箱，要有专家把箱子打开，看里面齿轮之间是怎么构造的，例如部门之间如何做决策，业务如何流转。此时，乙方必须有业务专家和客户做业务流程的交流，甲方必须是开放式的心态，业务部门高度配合。但往往此时会遇到阻碍，因为在业务流程自动化的过程中会涉及多方部门的利益，需要甲方内部有一种长期稳定、自上而下的数字化推动力。”熵简科技创始人费斌杰说道。

　　数环通COO方棋认为，甲方客户目前在超级自动化的阶段要根据业务发展的规模、速度综合评断。“将超级自动化更细的分为5个阶段，第一个阶段是单一任务的自动化，第二个阶段是基于多个工作流组合的自动化，第三个阶段是跨系统和跨应用的工作流和流程的自动化，第四个阶段是结合AI能力实现决策的自动化，第五个阶段是全面实现超级自动化。小企业早期的业务量、工作流相对简单，所以目前大部分处于第二个阶段;中头部的客户更需要实现第四阶段。国内的数字化转型已经发展很多年了，中大型企业内部的信息化建设已经相对成熟，只不过之前有非常多的自动化的系统都形成了孤岛，目前需要把这些孤岛全部整合起来，变成一个完整端到端的自动化。”方棋说道。

　　02 ‍ 技术：3个技术逐渐成熟，小头部开始领跑

　　超级自动化是一种涉及多种技术的合集，那么各细分技术领域谁最成熟呢?

　　根据第一新声采访和整理发现，超级自动化合集里比较成熟度的技术应用主要有三个：一是RPA+iPaaS。

　　从某种意义上说，超级自动化的本质是一种软件形态的机器人，RPA+iPaaS是机器人的执行系统——手，可以帮助机器人完成执行动作，例如可以指示软件机器人完成激活按键、单击、数据迁移等动作

　　2015年，英国开始在国家税务领域进行RPA试点项目。随着试点项目的成功， RPA被进一步扩大推广到了政府机构各个领域。伴随着国外RPA强劲的发展势头，这一年，一些在华外资企业开始将海外 RPA产品引入国内，也是在这一年，RPA赛道迎来资本热潮，2020年达到高峰期，全年融资事件22起。

　　目前国内RPA市场，按照公司基因可以分为5类：一是纯RPA公司，如影刀RPA、Cyclone弘玑、云扩科技、九科信息、慧流科技，二是有丰富to B经验的软件行业老玩家，如艺赛旗。三是大公司孵化，阿里云、平安科技、兴业数金、用友网络、金蝶国际等相继推出RPA产品。四是其他行业切入RPA，如英诺森、达观数据、来也科技、阿博茨科技。五是国外RPA厂商，Uipath、AutomationAnywhere、Blue Prism等。

　　精鲲科技COO张欣表示：“超级自动化一直都在，其中RPA是分支领域里使用最成熟、普及度最高的一个技术领域，现在市场上对这个概念已经完全不陌生，甚至现在国内把RPA等同于超级自动化。”

　　“现在有很多的厂商开始做低代码、iPaaS，虽然与国外相比还有一点差距，但也算是相对成熟。”九科信息VP傅恺说道。

　　“坦率的讲，不管是RPA、iPaaS，还是BPM、AI，其实现在还没有办法去完整的组成超级自动化，可能还需要不断的技术突破和社会发展。未来可能更多的是 AIGC 加某一个技术，它可能会成为接下来超级自动化非常重要的一个里程碑。我个人觉得它一定是发展最快的，因为今天大家最终追求的一定是实现超级自动化，甚至是全面自动化。”数环通COO方棋说道。

　　二是低代码/无代码，目前该技术已经从概念进入了普遍实践和落地阶段，目前已经赋能企业人力、财务、研发、CEO等不同角色提升日常办公效率。

　　例如PPIO研发总监李星星近日在轻流无代码探索者大会上，从管理者视角分享了科技企业三大核心无代码数字化应用场景：供应商管理和供应商对账结算系统、设备巡检处理系统、产研项目管理系统，借助轻流节省企业大量开发资源。

　　从2018年开始，低代码/无代码逐渐在国内市场上有了更多的声音，到2021年低/无代码发展迅速，领头羊企业已经出现。目前，国内低代码玩家包括三类，一是新兴低代码服务商，例如轻流、伙伴云等。二是互联网巨头的低代码开发平台，例如华为的AppCube、阿里的宜搭、腾讯云的LowCode等。三是传统软件巨头入局低代码开发平台。

　　熵简科技创始人费斌杰认为：“低代码开发有一定的门槛，这个技术已经发展多年，之前很多企业在方面做了一定程度的投入，厂商形成了技术壁垒。低代码开发表面上看到的拖拉拽功能很容易开发，如果要做成一个低代码的数据处理工具，底层要看是不是能支持流式处理、批处理的开发，能否支持湖仓一体化建设。例如熵简科技聚焦的金融资管行业，在处理流失数据、接入行情的实时数据时，能否利用低代码收集到数据，进行实时数据的分析，是考验平台能力的关键。”

　　三是业务流程管理(BPM)，这是一种融合了现代管理思想和技术的重量级企业管理工具。BPM有三个特点：以流程为中心，能够集成OA、ERP、CRM等系统和数据，打破企业信息孤岛;更加灵活，是为了适应流程变动而生的系统平台，企业可以通过API接口，利用低代码等模式对其进行定制化开发;更适用于中大型企业，常见于制造业、零售业、物流运输等重视流程信息化的行业之中，这类企业具备成熟的信息架构和专业的IT开发部门。

　　“BPM在国内的应用成熟度最高，该产品的底层技术难度低，只需要对企业内部的业务流程有更高层次的认知和抽象理解，就可以开发出来。”熵简科技创始人费斌杰说道。

　　另外，受访者认为目前超级自动化里最不成熟的是任务挖掘。

　　九科信息VP傅恺表示：“在任务挖掘技术进行产品化的过程中，目前业内还未发现有特别稳定且成熟的商业模式，该领域还需要更多时间挖掘合适的定位和商业价值，现在是辅助的地位。”

　　03 ‍ 路径：各路玩家开始晋级，平台型产品or工具型产品?

　　随着各个细分领域的技术逐渐应用与成熟，各路垂直领域的玩家在基本完成相关技术及产品布局后，在成为超自动化厂商的晋级之路上有了不同选择。

　　第一新声发现，超级自动化与整个软件行业的发展类似，厂商会存在两条路径，一是从某个产品切入后慢慢扩大边界，公司走向平台型产品。

　　“国内更适合做平台型的公司，所以九科信息是第一条路径。这与我们的目标客户相关，基于当前的形势，国内的大型央国企在数字化方面的明显有着更稳定的投入，他们通常会要求我们提供一个完整的解决方案。如果九科信息只专注于某个方向，当企业的数字化建设处于不同阶段时候，就会采用不同的厂商，我们就会处于相对被动的状态。所以九科信息通过自主研发多个方向产品和合作生态的方式，为央国企的数字化转型提供整体的方案。”九科信息VP傅恺介绍道。

　　基于云原生架构，九科信息于行业内率先推出融合了第四代智能型RPA平台bit-Worker、流程挖掘平台bit-Miner、低代码开发平台bit-Builder三大产品的企业级超级自动化平台，并运用AI和大数据技术，满足大型央、国企客户在应用智能化和数字化转型方面的各种挑战。

　　二是始终深耕1个方向，公司聚焦做工具型产品，不扩大边界，而是和上下游伙伴协同合作。

　　熵简科技创始人费斌杰表示：“我们走第二条路。选择走哪条路径取决于两个方面，一方面是取决于企业家的愿景，另一方面是取决于资本市场的整体情况。假如资本市场是一个持续火热状态，它能够在相当一段时间(3~5年)都对盈利不迫切关注，而是更看重企业的市场规模、影响力、市场竞争格局，那么第一条路径可以尝试，否则企业还是先解决一个垂直的问题，形成正向的财务回报，有了自己的阵地之后，才有资格去开疆拓土，做更大的事儿。”

　　幂链科技创始人涂志勇认为，即便是巨头也没有办法做到每个领域都很好，更多的厂商是专注于一个方向做到极致，所以目前公司是选择第二条路径。幂链科技作为国内主流iPaaS平台，支持在后台业务正常运行时进行集成开发、测试，能够提高整个运作效率，同时授权API监管，实时监控集成接口情况，提供流程异常报警。除了集成能力，幂链科技还可实现企业集成管理，帮助企业管理内部API服务资源，实现对从测试到上线整个生命周期的管理，清晰地了解API调用记录，并通过配置抓取数据做统一维护管理。未来把整个基础设施搭建好后，将在应用方面与低代码、RPA、BPM等厂商合作。

　　“我们现在专注于iPaaS方向，做跨系统的自动化数据管道。我认为超级自动化最终会以一个超级自动化的方案来实现，很难以一个产品形态出现。主要有两个问题，一是从社会趋势来看，我认为从国内的情况来看，超级自动化不太容易出现一个多专业领域的巨头，未来一定是高度协同的世界，各自专注于自身领域的多个领导者之间相互协同;二是产品技术问题，超级自动化涉及众多技术，这就意味着这些技术融合起来的难度非常高，如果无法做到无缝结合，甲方的体验和使用效率就会大打折扣，再提超级自动化就显得牵强了。”数环通COO方棋说道。

　　有意思的是，精鲲科技的答案与上述企业均不相同，其COO张欣介绍：“前两条路径都是前人提供，有成功的前车借鉴。但中国B端市场和欧美最大的区别在于，国内的决策者和使用者是两个群体，首先决策人员并不完全来自于技术群体，其次决策人员要解决的问题不仅仅考虑技术，更加偏向于宏观的业务决策。在此背景下，我们选择走第三条路——深耕业务方向，并在这个基础上去结合第一条和第二条，找准自己需要瞄准的行业群体和用户诉求，尽量用平台化、有广度、更加标准化的产品来满足行业用户的诉求。”

　　“我们在项目实际推动过程中，通过‘点、线、面’的方式去解决。如果厂商只有解决‘点’的产品工具，只能被动的等客户的IT部门来选择，再去找业务部门共同开拓场景，这个过程会花费很多的时间和成本，且对于甲方客户来讲，业务的粘性很小。我们正在做‘面’——基于超级自动化的整合能力，为行业用户提供数字化转型的整体方案。”精鲲科技CTO葛丁佳补充道，“实际客户根本不关心服务商底层用的是哪些技术能力，看的是产品能解决什么业务问题。”

　　当然，无论选择哪条路径，在推进超级自动化的过程中，都会面临诸多挑战，主要分为以下几个方面。

　　精鲲科技COO张欣认为，核心挑战是目前超级自动化供给侧还停留在个体赋能、基层赋能的阶段，未上升到对全局、对组织产生根本性影响的阶段。

　　“从甲方和乙方角度来看核心挑战是一样的，即中国市场严重缺乏懂技术的业务人员，尤其是国内的甲方客户里更稀缺。这给乙方既带来机会也是挑战，挑战是乙方在做超级自动化落地的过程中会做得很重。如果甲方内部有一批人能够用好乙方的产品，乙方厂商只需要把产品迭代到极致，只需要经营好社区，在上面形成一定的方案，就可以做好规模化。但现实却实乙方厂商必须有一个比较重的实施团队或者合作伙伴，才可以做到客户成功，这个过程对于资金的消耗，对人员的占用很高。”熵简科技创始人费斌杰说道。

　　九科信息VP傅恺表示：“甲方最大的挑战是战略层能否形成有效的自动化战略?这个是决定了央国企能不能把自动化去深化实践的一个重要先决条件。一旦缺乏顶层战略设计，就会导致企业内部无法形成有效的自动化治理体系，无法充分的动员和管理企业内可以支撑自动化落地的各方人员力量、资源，无法去统筹企业内全部的力量去做推广和复制。”

　　数环通COO方棋认为：“对于甲方来说，核心挑战就是采纳自动化技术过程中出现自动化孤岛现象。大部分的甲方已经实现了第二个阶段(多个工作流的自动化)，比如通过OA解决办公自动化，通过CRM解决销售流的自动化，但是当解决这些工作流的自动化之后，一个又一个工作流的自动化无法协同起来，就和传统的数据孤岛问题一样，那我们今天是需要把这些孤岛全部整合起来，变成一个完整的端到端的自动化。对于乙方来讲挑战是一是产品技术上需要突破，例如产品的个稳定性、应用性以及效率如何去提升。二是目前超级自动化受限于市场开放的程度以及各系统API的开放程度、标准化不够。要等到社会的相关机制和规定逐步完善、成熟之后，乙方的产品会做得越来越好。”

　　04 ‍ 趋势：数字化进入深水区，超级自动化的3个趋势

　　目前，国内的数字化发展已经进入“深水区”，企业对跨业务、跨系统、跨平台的服务需求呈现量级增长。为了满足企业的复杂需求，各位受访人分析，未来超级自动化会有三个趋势：

　　一是超级自动化的各个子集里，未来市场增长最快的是AI技术，尤其是行业大模型。

　　仅仅是RPA领域，国内外已有几十家厂商引入了生成式AI;在低代码/无代码领域，生成式AI技术也成为了必需;在流程挖掘领域，超自动化厂商Pega推出了深度融合ChatGPT功能的全新流程挖掘产品Pega Process Mining;老牌的BPM、BPA等厂商，如servicenow、Mulesoft等快速引入了GPT。

　　精鲲科技COO张欣表示：“数据分析的能力和生成式AI能力的融入，极大的提升超级自动化解决问题的维度和丰富度，所以这两个是我们最看好的领域。尤其是AIGC的出现，每个软件的业务逻辑或都将升级一遍。”

　　“过去AI仅做为超级自动化流程中的一个组件，现在AI明显变成了流程中的一个操作系统级别的存在，相当于‘大脑’。未来能够发号施令的‘大脑’肯定比解决问题的小工具更重要。所以我认为AI技术是接下来超级自动化最关键、空间最大的领域。其中在 AI领域更看好的方向是所谓的领域大模型，在接下来的半年到一年之内会成为一股比较确定性的机会。而通用大模型一年之内会快速收敛。”熵简科技创始人费斌杰说道。

　　“过去超级自动化提的AI是(OCR、NLP)能力，未来更多是基于AIGC的能力，AIGC有文本理解、图像识别等能力。目前我们已经实现用户与机器人对话，接下来的趋势是用户直接把想要自动化的工作流告诉机器人，机器人自动把工作流按照规则每天甚至每小时全自动化的处理掉，成为真正的企业助手角色。”数环通COO方棋说道。

　　不过，对于未来超级自动化里哪个细分领域市场增长更快，幂链科技创始人涂志勇和九科信息VP傅恺有不同想法。

　　“要去实现超级自动化，一定是多个软件、多个系统、多个技术协同去完成的一件事，没有办法完成接口标准化，所以我认为iPaaS是这个领域里必不可少的基础设施。很多大型企业在集成管理方面还是空白，未来的市场增速会很快。”幂链科技创始人涂志勇说道。

　　九科信息VP傅恺则认为是流程挖掘，主要是流程挖掘有了一些技术储备，而且本身发展速度也不慢。

　　二是，未来超级自动化的应用主战场将会从⼀线中⼼城市到二三线城市，从大型企业到中小型企业，从标杆业务场景到其他业务领域。

　　幂链科技创始人涂志勇表示，大多数事物都会经历这个发展趋势，超级自动化想要做到全面的普及，可能是5~10年甚至更长时间。

　　九科信息VP傅恺认为这个趋势早就已经形成，有些中小企业对超级自动化里某些技术的使用深度可能比大企业更深，尤其是在电商领域，已经由RPA替代了绝大部分人工，例如自动发货、查库存、自动去下单补货等。

　　不过，熵简科技创始人费斌杰认为超级自动化在特定的场景是可以的，但绝大部分的场景是不可以的。什么是特定场景?比如OpenAI 这种非常自然的交互方式，是可以推给中小企业，这类企业的特点是预算有限，对于服务的价值和价格高度敏感，它必须明确的感受到超自动化在当期就能够带来降本增效或者业务效率的改善，而且产品不宜有过高的 使用门槛 。

　　精鲲科技COO张欣认为超级自动化不会从一线走向二线，从大型企业走向中小型企业。从国内多年的产品销售分布来看，北上广深等城市无疑在软件领域面占据了主导的销售市场。在ToB市场，大型客户和头部客户构成了企业信息主要的业务来源，中小型企业虽然能够接受超级自动化，但买单能力略差，这些都是经济指标和历史数据体现出来的客观统计。

　　三是，超级自动化想要创造出更大的价值，各项技术要在不断创新迭代中逐渐加深融合程度，未来各种技术栈之间将会融合、并购。

　　佐证的案例是，2023年Snowflake收购了一家生成式AI公司Neeva，Databricks收购了以AI为中心的数据治理平台Okera。另外，在过去几年里，Celonis收购iPaaS公司Integromat、Salesforce把旗下老牌iPaaS产品MuleSoft与收购来的RPA公司Servicetrace整合后重新推向市场。

　　“国际上一直存在并购，国内未来一定会进行进行整合，但是不是以并购的方式发生还要拭目以待。一方面是国内的初创型企业基本处在类似阶段，很难出现一个超级巨头跑出来去收购其他企业，还没有到需要通过并购的方式来增加自己市场和营收的阶段。”精鲲科技COO张欣说道。

　　“To B领域的并购不多，但是随着技术的发展，商业的信息越来越通透的情况下，未来3~5年内应该会发生比较多的融合并购。 ”幂链科技创始人涂志勇说道。

　　“未来做跨行业的并购整合是趋势，吸收独立产品线，吸收客户。假设并购了一家企业，把它的技术栈吸收进自己的产品，那么重构改造的工作量不亚于重新开发一个产品了。所以一家机构如果想做全行业的超级自动化，更好的方式是聚焦一个行业做透，形成正向反馈后，采用兼并的方式强强联合，形成一个标准化的跨行业服务方式。因为服务于金融行业和服务于消费行业的自动化解决方案在基础组件上只有20%的差异，80%则是重复的。不过，并购的前提条件是公司盈利，各自都在专业领域做得很深，解决方案很成熟，客户口碑也很好，这个时候进行并购才是一个良性的并购。”熵简科技创始人费斌杰说道。

　　“我们的产品定位是工具性产品，专注于提供优秀的iPaaS解决方案。为了使我们的iPaaS在市场上更具竞争力、产品优势和成熟度更高，我们可能会扩展部分RPA和aPaaS的能力。超级自动化并非单一技术的呈现，而是多技术的深度整合。这种深度整合可以通过并购来实现，也可以通过市场的生态合作和深度战略合作来实现。”数环通COO方棋说道。

　　随着各个技术概念的逐步落地和应用，随着AI技术带来的新机遇，未来在企业推进超级自动化的过程中，功底更扎实、技术创新能力更强的厂商将会赢得更多客户的选择和信任，全面实现超级自动化的时代或许即将到来!