金智维的务实主义，打响大模型落地“突围战”

今年以来，新质生产力成为全社会关注的焦点。新质生产力的特征之一，就是深化新技术应用，尤其是AI及大模型，要加速落地到实际业务场景中，为千行万业提质增效。

2024是大模型技术做深、价值做实的一年。3月20日，在以“新生产力，质变！”为主题的2024金智维大模型应用暨新品发布会，金智维董事长廖万里在《共启大模型时代的人机协同新范式》演讲中提及，金智维大模型应用产品从研发到落地，都是围绕着解决企业实际需求，实现社会价值和商业价值的目标去实现的。

具体是怎么做的呢？战略上，金智维将RPA和大模型的融合发展，作为其核心战略。产品上，此次发布会推出了AI Agent类新品K-Agent，以及基于K-Agent平台打造金智维Kopilot——一个面向千行万业的智能助手（Copilot）应用集群。

可以看到，金智维的AI探索之路，特别的地方在于，将RPA和大模型相结合，从而为AI在B端业务场景的普惠化应用铺平道路。

RPA（Robotic Process Automation，机器人流程自动化）是一种自动执行业务流程的软件机器人，在2000年初出现，是企业软件领域的“前辈”。而大模型技术方兴未艾，被认为是通向AGI的正确方向。

借此契机，我们来聊聊， “RPA+大模型”的双轮驱动，能为企业智能化带来什么变化？

务实主义，直击大模型的落地痛点

由大模型掀起的这一波AI浪潮，已经进入到了第二年，产业界开始出现了“卷又卷不动，躺也躺不平”的神奇现象。

卷不动，是因为基础模型的参数规模越来越大，对AI算力、高质量数据、人才等要素的投入仍在加大，这让很多商业化路线不够清晰、模型能力又卷不过大厂的大模型厂商，心生退意。

然而，数字经济、产业智能化，又是当下最具确定性的高增长赛道之一。各行各业智能化升级的意愿格外迫切，对AI、大模型等数字技术的需求强烈，这时候企业一旦躺平可能就被时代甩在了身后。

在卷和躺之间，金智维将RPA和大模型融合的务实主义，为我们提供了一种可持续良性发展的思路，具体表现在：

实际。不卷基础通用大模型，而是选择与业内领先的基础大模型厂商合作，避开高投入赛道，发挥自身优势与特点，聚焦行业应用和场景，通过工程化能力，打磨出可落地的产品。

实用。企业智能化升级是一项多技术协同的综合工程，金智维将大模型、AI、RPA等融合，多种技术各取所长，减少大模型在“幻觉”、高成本、不可解释性等方面的挑战，从而加速大模型应用落地，让千行万业真正享受到大模型给业务带来的助益。

实效。大语言模型和RPA自动化机器人的协同，不仅能从技术层面赋能，让企业快速接入大模型能力，还有望重构和优化业务流程，推动企业组织及运营模式的智能化转型。相当于治标又治本，切实为企业降本提质增效，这正是金智维所追求的技术实效。

如今，千行万企都渴望拥抱AI，但智能化究竟该如何开启？很多人和企业是迷茫的。金智维的“务实主义”，为大模型落地构建了一个可行的途径。那么，大模型与RPA的融合，究竟会在业务场景中发挥哪些作用？

三步走，大模型与RPA的融合之路

在务实主义的驱动下，金智维较早便对大模型应用需求做出预判，为了让更多企业切实把握住这一波智能化机遇，更高效、低门槛地接入大模型能力，金智维提前在技术范式和架构方面做了布局，形成了大模型“三步走”战略，以推动RPA与大模型的融合。

第一步，精调领域模型。

与业内优质基础大模型合作，植入金智维十余年积累的行业专精知识库，对模型开展精调训练，形成金融等领域大模型。具备“通识能力+专精能力”的领域大模型，相当于给数字员工一个强大的“大脑”，理解和创造能力大幅提升。

第二步，构建场景级应用解决方案。

将领域大模型与RPA产品相结合，金智维针对不同行业，构建了基于语言大模型和多模态大模型的近十种智能应用解决方案，并结合实际落地应用不断改进优化。其中，LLM让AI Agent具备智能化决策能力，而RPA作为AI Agent的执行单元，借助RPA自动化执行能力，相当于“小脑”，可以自动分解任务并执行。

第三步，打造Al Agent 。

大小脑并用，可以让数字员工像人一样感知、规划、决策、行动、与环境交互。但不同行业和企业的细分场景众多，为每一个场景开发专属的智能助手型数字员工，是一个极为庞大且繁杂的任务。

金智维进一步降低大模型门槛，打造了一系列AI Agent类产品。

图形化的Al Agent开发工具K-Agent平台，可以用最快捷的方式，实现RPA与AI Agent的融合开发，让企业快速开发、部署各类智能助手（Copilot）型数字员工，应对不同的业务场景需求。

基于K-Agent开发的智能助手，充分发挥大语言模型和RPA的能力，依托精调的行业数字员工模型，分析任务指令，规划操作流程，通过RPA调用对应的平台或应用，高效优质地完成业务需求，回答用户问题。

目前，K-Agent已经推出了面向通用场景的数十种数字助手，比如客情维护助手、营销内容助手、舆情风控助手、业务数据查询助手等，同时面向金融、政务等特定行业，打造了专属场景的定制化助手。

以政务领域的政务智能助手为例，面向政务咨询、导办环节，以大语言模型为基础，引入外部和本地优化的知识数据，解决和优化了大模型的幻觉问题，实现精准回答与导办。而新技术的应用，让政务场景的RPA应用开发效率，提升高达180%。

可以看到，大模型与RPA的融合，能够发挥出“1+1＞2”的效果，帮助企业自上而下实现原有业务流程自动化的智能升级，以及更多业务场景智能自动化的发掘与变革，进而推动企业组织架构和运营模式的智能化转型。

人机协同新范式，开启大模型的落地之春

从金智维的战略动作中不难看到，在激发大模型技术价值的过程里，基于大模型融合RPA打造更智能的数字员工，可以切实帮助企业降本提质增效，是当前大模型最具可行性的落地方向，也是企业与智能化的最短距离。

但同时也要看到，ToB市场的“不可能三角”，即大规模、高周转、高毛利不可兼得，同样也体现在大模型产品上，表现在数字员工的普及率、性价比、利润率。对于ToB的AI厂商来说，想打破这个“不可能三角”并非易事。

正如金智维董事长廖万里所说，让大模型真正做到在产业上量产实用，它的效率及成本控制必须是极致的，并且需要有载体承接，RPA和大模型技术正是“天生一对”的技术搭档。

金智维将大模型与RPA融合发展的AI战略，展现出一种人机协同新范式，也让我们看到了数字员工及AI toB市场的新可能。

以质量可靠，提高普及率。金融、政务、营销等专业领域，对生成内容的准确性、完整性都有严格要求，必须解决大模型的“幻觉”问题，而RPA机器人执行任务时几乎没有错误，能够保证数据和操作的准确性。大模型+RPA可以让数字员工不胡言乱语，保证生成内容质量，满足产业场景的需求，从而提高企业接入数字员工的意愿。

以成本可信，提高性价比。RPA可以直接在现有的IT基础设施上运行，无需对系统进行改动，减少了大模型的落地成本。有了大模型之后，RPA可以深层次理解行业知识、客户需求和业务流程，更好地把握企业需求，处理更加复杂的任务和情境。金智维将RPA与大模型相结合，让数字员工变得普惠。

以规模效应，提高利润率。金智维不断打磨和细化AI Agent和RPA产品，降低企业应用AI的门槛，加速推动数字员工进入千行万业。K-Agent平台的流程化、工业化、高效率开发能力，有望更快实现规模效应，提升AI toB项目的利润率，这对于AI企业的良性发展非常重要。

总结一下，金智维基于RPA+LLM打造AI Agent产品，开启组织的人机协同新范式，为企业智能化升级铺设了一条高速路，也为大模型产业化铺设了一条确定性的轨道。

沿着这条AI之路，金智维正在加速突围，更快一步迎向大模型落地的春天。