腾讯视频网址：qqlive://sso/vbarid=ecta0n6w6oaiw2k&stag=search.result.new
《我，机器人》（I，Robot） 是我最喜欢的一部机器人主题科幻片，情节相当的精彩，让人百看不厌， 根据艾萨克 · 阿西莫夫的短篇小说《我，机器人》改编，耗资超过一亿美金的现代科幻电影。该故事背景设定在 2035年，一个地球上每十五人就拥有一台人工智能机器人的时代。机器工人、机器助理无处不在，它们甚至渗入家庭生活，担当起保姆，护理的责任，人们越来越依赖先进的科技。该影片即是讲述人和机器之间相处，感情纠葛的故事。由当红影星威尔 史密斯主演。
公元2035年，智能型机器人已被人类广泛利用。作为最好的生产工具和人类伙伴，机器人在各个领域扮演着日益重要的角色，而由于众所周知的机器人“三大安全法则”的限制，人类对这些能够胜任各种工作且毫无怨言的伙伴充满信任，它们中的很多甚至已经成为了一个家庭的组成成员。
总部位于芝加哥的USR公司开发出更先进的NS-5型超能机器人，并计划达到平均每5人便可拥有1个。然而就在新产品上市前夕，机器人的创造者阿尔弗莱德·朗宁博士却在公司内离奇自杀。
留恋以往简单生活，爱听老歌，喜欢老式打扮的黑人警探戴尔·史普纳接受了此案的调查工作。他根据对朗宁博士生前在3D投影机内留下的信息分析和对自杀现场的勘查，怀疑这起案件并非人类所为，而公司总裁劳伦斯·罗伯逊似乎也与此事有关。调查过程中他遇到了专门从事机器人心理研究的科学家苏珊·卡尔文博士，希望在她的帮助下找到答案。向来崇尚逻辑与科学的苏珊坚信，机器人不仅会最大限度地帮助人类进步，而且决不会违背“三大安全法则”对人类有所伤害。过去的经历令史普纳对机器人深感厌恶，对于机器人安全性的怀疑与苏珊的坚定南辕北辙。
史普纳发现了一个名叫桑尼的机器人极有可能就是奉命杀害朗宁博士的“凶手”。在追捕中他发现桑尼不仅具有自我思考能力，而且拥有酷似人类的情感。讯问中桑尼告诉史普纳，他并没有杀害朗宁博士，而是在帮助他做一件事情。劳伦斯以只有人杀人才能定罪，机器人杀人只能认定为“工业意外”为由将桑尼带回公司。这给调查带来了极大的困难，却更坚定了史普纳追查到底的决心。
史普纳继续追踪一切与朗宁博士有关的资料。深入的调查使他遭到大批NS-5型机器人的追杀，显然是有人想致史普纳于死地。苏珊来到史普纳家中，告知在对桑尼的检查中发现，他不仅是完全超越了旧型号的新一代机器人，而且可以不受“三大安全法则”的限制做任何事情。
苏珊无意中惊讶地发现，史普纳原来是一个利用高科技修复合成的人。史普纳向苏珊讲述了他几年前经历的一场严重车祸。前来救助的机器人以存活率为依据，放弃了一个12岁女孩的生命，这就是他对机器人冷酷无情、深感厌恶的原因。劳伦斯承认他知道确实存在着能够超越三大安全法则的机器人，而自己也在尽力挽回这个由朗宁博士犯下的错误，并要求苏珊尽快将桑尼销毁。桑尼将自己的梦画在纸上交给了史普纳，希望这个被朗宁博士载入的信息能够对他有所帮助。在执行销毁命令时，苏珊使用调包计将桑尼救出。
根据桑尼梦中的情景，史普纳寻察到一个机器人的存放基地。他发现一项所谓“人类保护计划”正在实施。新一代NS-5型机器人正在基地奉命销毁所有旧型号机器人，然而这仅仅是计划的第一步。与此同时，大批新型机器人走上街头命令市民回到家中，并对抗议的市民实行宵禁。机器人与人类之间发生了激烈的冲突，此时机器人已完全不受人类操纵，整个城市顷刻间被它们所控制。苏珊也被自家的机器人限制了自由，幸好史普纳及时赶到将她救出。
史普纳、苏珊和桑尼一起来到USR公司总部，却发现劳伦斯已死。史普纳忽然意识到自己的错误，应该怀疑的其实并非人类。真正的幕后操纵者竟然是公司名为“薇琪”的中央控制系统。正是“她”利用上层控制系统囚禁了朗宁博士并对机器人进行操控。“薇琪”的影像出现在他们面前。“她”认为人类正在危害自身的安全，国家发动战争，人类摧残地球，而机器人则必须拯救人类，保证人类的持续存在发展，因此利用了上行线路控制了NS-5的程序来实施拯救计划。
真相大白，而此时唯一能做的就是尽快用抹除剂摧毁“薇琪”的智能控制系统，制止这场人类的灾难。大批受到控制的机器人向他们涌来。双方经过激烈的战斗，纳米机器人终于注入了“薇琪”的智能系统，“人类保护计划”的所有命令随即终止。城市恢复了正常，机器人重新开始为人类服务。史普纳也终于消除了对机器人的怀疑和厌恶，与桑尼成为了好朋友。
耗资超过1亿美元，由好莱坞巨星威尔·史密斯主演的美国惊险科幻大片《我，机器人》，首映周末的票房就高达5220万美元，受到影迷的热烈追捧。导演艾里克斯·普罗亚斯展现了一个巧夺天工、精彩眩目的未来世界，同时营造了一场危机四伏的科幻冒险，让观众在感受惊险刺激的同时，思考人类生存危机的深刻主题。
这部电影是2004年公映的，至今我欣赏了很多遍，我特别喜欢里面的这段对话：
Will Smith: Can robot write a symphony? Can robot turn a canvas into a great masterpiece?Robot: Can you?Will Smith被问得哑口无言。看看今天的世界，随着深度学习带来的技术突破，越来越多的资源投入到人工智能的研究。虽然当前还做不到让机器人“觉醒”，但是再过50年，100年，200年，500年，机器人难道还觉醒不了吗？电影的结尾是主角机器人带领一票机器人开创新生活，颇有摩西率领希伯来人前往迦南的意味。
但我一直觉得，真正应该好好思考的是我们人类，可否放下高贵的身段，问自己一句“Can you？”。
在人工智能主导世界的未来，人类该往何处去，是涅槃重生，还是被进化淘汰？
毫无疑问，机器人世纪已经来临，下面让我们看一看当前最热门的话题：AI
人工智能（Artificial Intelligence），是计算机科学的一个分支，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
人工智能研究价值
例如繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。
通常，“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外，还会创造，即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会的就是“顿悟”。或者再严格一些来说，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或者从一个“概念”直接到另一个“概念”。正因为如此，这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。这是智能化研究者梦寐以求的东西。
人工智能发展阶段
1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。IBM公司“深蓝”电脑击败了人类的世界国际象棋冠军更是人工智能技术的一个完美表现。
从1956年正式提出人工智能学科算起，50多年来，取得长足的发展，成为一门广泛的交叉和前沿科学。总的说来，人工智能的目的就是让计算机这台机器能够像人一样思考。如果希望做出一台能够思考的机器，那就必须知道什么是思考，更进一步讲就是什么是智慧。什么样的机器才是智慧的呢？科学家已经作出了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是能不能模仿人类大脑的功能呢？到目前为止，我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官，我们对这个东西知之甚少，模仿它或许是天下最困难的事情了。
当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标努力着。如今人工智能已经不再是几个科学家的专利了，全世界几乎所有大学的计算机系都有人在研究这门学科，学习计算机的大学生也必须学习这样一门课程，在大家不懈的努力下，如今计算机似乎已经变得十分聪明了。例如，1997年5月，IBM公司研制的深蓝（DEEP BLUE）计算机战胜了国际象棋大师卡斯帕洛夫（KASPAROV）。大家或许不会注意到，在一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确为人类发挥着它的作用。人工智能始终是计算机科学的前沿学科，计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。
2019年3月4日,十三届全国人大二次会议举行新闻发布会，大会发言人张业遂表示，已将与人工智能密切相关的立法项目列入立法规划 。
人工智能科学介绍
实际应用
机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。
学科范畴
人工智能是一门边缘学科，属于自然科学和社会科学的交叉。
涉及学科
哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论
研究范畴
自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法
意识和人工智能
人工智能就其本质而言，是对人的思维的信息过程的模拟。
对于人的思维模拟可以从两条道路进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；二是功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。
弱人工智能如今不断地迅猛发展，尤其是2008年经济危机后，美日欧希望借机器人等实现再工业化，工业机器人以比以往任何时候更快的速度发展，更加带动了弱人工智能和相关领域产业的不断突破，很多必须用人来做的工作如今已经能用机器人实现。
而强人工智能则暂时处于瓶颈，还需要科学家们和人类的努力。
人工智能技术研究
用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
人工智能研究方法
如今没有统一的原理或范式指导人工智能研究。许多问题上研究者都存在争论。其中几个长久以来仍没有结论的问题是：是否应从心理或神经方面模拟人工智能?或者像鸟类生物学对于航空工程一样，人类生物学对于人工智能研究是没有关系的？智能行为能否用简单的原则（如逻辑或优化）来描述？还是必须解决大量完全无关的问题？
智能是否可以使用高级符号表达，如词和想法？还是需要“子符号”的处理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提议人工智能应归类为SYNTHETIC INTELLIGENCE，[29]这个概念后来被某些非GOFAI研究者采纳。
大脑模拟
主条目：控制论和计算神经科学
20世纪40年代到50年代，许多研究者探索神经病学，信息理论及控制论之间的联系。其中还造出一些使用电子网络构造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。这些研究者还经常在普林斯顿大学和英国的RATIO CLUB举行技术协会会议. 直到1960， 大部分人已经放弃这个方法，尽管在80年代再次提出这些原理。
符号处理
主条目：GOFAI
当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学， 斯坦福大学和麻省理工学院，而各自有独立的研究风格。JOHN HAUGELAND称这些方法为GOFAI(出色的老式人工智能)。[33] 60年代，符号方法在小型证明程序上模拟高级思考有很大的成就。基于控制论或神经网络的方法则置于次要。[34] 60~70年代的研究者确信符号方法最终可以成功创造强人工智能的机器，同时这也是他们的目标。
认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化，同时他们为人工智能的基本原理打下基础，如认知科学， 运筹学和经营科学。他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序。这方法一直在卡内基梅隆大学沿袭下来，并在80年代于SOAR发展到高峰。基于逻辑不像艾伦·纽厄尔和赫伯特·西蒙，JOHN MCCARTHY认为机器不需要模拟人类的思想，而应尝试找到抽象推理和解决问题的本质，不管人们是否使用同样的算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题，包括知识表示， 智能规划和机器学习. 致力于逻辑方法的还有爱丁堡大学，而促成欧洲的其他地方开发编程语言PROLOG和逻辑编程科学.“反逻辑”斯坦福大学的研究者 (如马文·闵斯基和西摩尔·派普特)发现要解决计算机视觉和自然语言处理的困难问题，需要专门的方案-他们主张不存在简单和通用原理（如逻辑）能够达到所有的智能行为。ROGER SCHANK 描述他们的“反逻辑”方法为 “SCRUFFY” .常识知识库 (如DOUG LENAT的CYC)就是”SCRUFFY”AI的例子，因为他们必须人工一次编写一个复杂的概念。基于知识大约在1970年出现大容量内存计算机，研究者分别以三个方法开始把知识构造成应用软件。这场“知识革命”促成专家系统的开发与计划，这是第一个成功的人工智能软件形式。“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。
子符号法
统计学法
90年代，人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法，即这些方法的结果是可测量的和可验证的，同时也是人工智能成功的原因。共用的数学语言也允许已有学科的合作（如数学，经济或运筹学）。STUART J. RUSSELL和PETER NORVIG指出这些进步不亚于“革命”和“NEATS的成功”。有人批评这些技术太专注于特定的问题，而没有考虑长远的强人工智能目标。
集成方法
智能AGENT范式智能AGENT是一个会感知环境并作出行动以达致目标的系统。最简单的智能AGENT是那些可以解决特定问题的程序。更复杂的AGENT包括人类和人类组织（如公司）。这些范式可以让研究者研究单独的问题和找出有用且可验证的方案，而不需考虑单一的方法。一个解决特定问题的AGENT可以使用任何可行的方法-一些AGENT用符号方法和逻辑方法，一些则是子符号神经网络或其他新的方法。范式同时也给研究者提供一个与其他领域沟通的共同语言–如决策论和经济学（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被广泛接受。AGENT体系结构和认知体系结构研究者设计出一些系统来处理多ANGENT系统中智能AGENT之间的相互作用。一个系统中包含符号和子符号部分的系统称为混合智能系统 ，而对这种系统的研究则是人工智能系统集成。分级控制系统则给反应级别的子符号AI 和最高级别的传统符号AI提供桥梁，同时放宽了规划和世界建模的时间。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一个早期的分级系统计划。
人工智能智能模拟
机器视、听、触、感觉及思维方式的模拟：指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，智能搜索，定理证明，逻辑推理，博弈，信息感应与辨证处理。
人工智能学科范畴
人工智能是一门边沿学科，属于自然科学、社会科学、技术科学三向交叉学科。
人工智能涉及学科
哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论，仿生学，社会结构学与科学发展观。
人工智能研究范畴
语言的学习与处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法人类思维方式，最关键的难题还是机器的自主创造性思维能力的塑造与提升。
人工智能安全问题
人工智能还在研究中，但有学者认为让计算机拥有智商是很危险的，它可能会反抗人类。这种隐患也在多部电影中发生过，其主要的关键是允不允许机器拥有自主意识的产生与延续，如果使机器拥有自主意识，则意味着机器具有与人同等或类似的创造性，自我保护意识，情感和自发行为。
人工智能实现方法
人工智能在计算机上实现时有2种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（ENGINEERING APPROACH），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（MODELING APPROACH），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。遗传算法（GENERIC ALGORITHM，简称GA）和人工神经网络（ARTIFICIAL NEURAL NETWORK，简称ANN）均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁，非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。
人工智能专业机构
人工智能美国
⒈ MASSACHUSETTS INSTITUTE OF TECHNOLOGY麻省理工学院
⒉ STANFORD UNIVERSITY斯坦福大学(CA)
⒊ CARNEGIE MELLON UNIVERSITY卡内基美隆大学(PA)
⒋ UNIVERSITY OF CALIFORNIA-BERKELEY加州大学伯克利分校
⒌ UNIVERSITY OF WASHINGTON华盛顿大学
⒍ UNIVERSITY OF TEXAS-AUSTIN德克萨斯大学奥斯汀分校
⒎ UNIVERSITY OF PENNSYLVANIA宾夕法尼亚大学
⒏ UNIVERSITY OF ILLINOIS-URBANA-CHAMPAIGN 伊利诺伊大学厄本那—香槟分校
⒐ UNIVERSITY OF MARYLAND-COLLEGE PARK马里兰大学帕克分校
⒑ CORNELL UNIVERSITY 康奈尔大学 (NY)
⒒ UNIVERSITY OF MASSACHUSETTS-AMHERST马萨诸塞大学AMHERST校区
⒓ GEORGIA INSTITUTE OF TECHNOLOGY佐治亚理工学院
UNIVERSITY OF MICHIGAN-ANN ARBOR 密西根大学-安娜堡分校
⒕ UNIVERSITY OF SOUTHERN CALIFORNIA南加州大学
⒖ COLUMBIA UNIVERSITY哥伦比亚大学(NY)
UNIVERSITY OF CALIFORNIA-LOS ANGELES加州大学洛杉矶分校
⒘ BROWN UNIVERSITY布朗大学(RI)
⒙ YALE UNIVERSITY耶鲁大学(CT)
⒚ UNIVERSITY OF CALIFORNIA-SAN DIEGO加利福尼亚大学圣地亚哥分校
⒛ UNIVERSITY OF WISCONSIN-MADISON威斯康星大学麦迪逊分校
人工智能中国
1、中国科学院自动化研究所
2、清华大学
3、北京大学
4、南京理工大学
5、北京科技大学
6、中国科学技术大学
7、吉林大学
8、哈尔滨工业大学
9、北京邮电大学
10、北京理工大学
11、厦门大学人工智能研究所
12、西安交通大学智能车研究所
13、中南大学智能系统与智能软件研究所
14、西安电子科技大学智能所
15、华中科技大学图像与人工智能研究所
16、重庆邮电大学
17、武汉工程大学
人工智能主要成果
人工智能人机对弈
1996年2月10～17日， GARRY KASPAROV以4：2战胜“深蓝” （DEEP BLUE）。
1997年5月3～11日， GARRY KASPAROV以2.5：3.5输于改进后的“深蓝”。
2003年2月GARRY KASPAROV 3:3战平 “小深”（DEEP JUNIOR）。
2003年11月GARRY KASPAROV 2:2战平 “X3D德国人” (X3D-FRITZ）。
人工智能模式识别
采用 $模式识别引擎，分支有2D识别引擎 ，3D识别引擎，驻波识别引擎以及多维识别引擎
2D识别引擎已推出指纹识别，人像识别 ，文字识别，图像识别 ，车牌识别；驻波识别引擎已推出语音识别；3D识别引擎已推出指纹识别玉带林中挂（玩游智能版1.25）
人工智能自动工程
自动驾驶（OSO系统）
印钞工厂（￥流水线）
猎鹰系统（YOD绘图）
人工智能知识工程
以知识本身为处理对象，研究如何运用人工智能和软件技术，设计、构造和维护知识系统
专家系统
智能搜索引擎
计算机视觉和图像处理
机器翻译和自然语言理解
数据挖掘和知识发现
人工智能相关著作
《视读人工智能》：机器真的可以思考吗？人的思维只是一个复杂的计算机程序吗？本书着眼于人工智能这个有史以来最为棘手的科学问题之一，集中探讨了其背后的一些主要话题。人工智能不仅仅是一个虚构的概念。人类对智能机体结构半个世纪的研究表明：机器可以打败人类最伟大的棋手，类人机器人可以走路并且能和人类进行互动。尽管早就有宣言称智能机器指日可待，但此方面的进展却缓慢而艰难。意识和环境是困扰研究的两大难题。我们到底应该怎样去制造智能机器呢？它应该像大脑一样运转？它是否需要躯体？从图灵影响深远的奠基性研究到机器人和新人工智能的飞跃，本书图文并茂的将人工智能在过去半个世纪的发展清晰的呈现在读者面前。
《人工智能的未来》：诠释了智能的内涵，阐述了大脑工作的原理，并告诉我们如何才能制造出真正意义上的智能机器——这样的智能机器将不再仅仅是对人类大脑的简单模仿，它们的智能在许多方面会远远超过人脑。霍金斯认为，从人工智能到神经网络，早先复制人类智能的努力无一成功，究其原因，都是由于人们并未真正了解智能的内涵和人类大脑。所谓智能，就是人脑比较过去、预测未来的能力。大脑不是计算机，不会亦步亦趋、按部就班的根据输入产生输出。大脑是一个庞大的记忆系统，它储存着在某种程度上反映世界真实结构的经验，能够记忆事件的前后顺序及其相互关系，并依据记忆做出预测。形成智能、感觉、创造力以及知觉等基础的，就是大脑的记忆-预测系统……
《人工智能哲学》：人工智能哲学是伴随现代信息理论和计算机技术发展起来的一个哲学分支。本书收集了人工智能研究领域学者的十五篇代表性论文，这些论文为计算机科学的发展和人工智能哲学的建立作出了开创性的贡献。这些文章总结了人工智能发展的历程，该学科发展的趋势，以及人工智能中的重要课题。在这些划时代的著作中，包括有：现代计算机理论之父艾伦·图灵的“计算机与智能”；美国哲学家塞尔的“心灵，大脑与程序”；J·E·欣顿等人的“分布式表述”，以及本书编者、英国人工智能学者M·A·博登的“逃出中文屋”。
《人工智能：一种现代的方法》：本书以详尽和丰富的资料，从理性智能体的角度，全面阐述了人工智能领域的核心内容，并深入介绍了各个主要的研究方向，是一本难得的综合性教材。全书分为八大部分：第一部分”人工智能”，第二部分”问题求解”，第三部分”知识与推理”，第四部分”规划”，第五部分”不确定知识与推理”，第六部分”学习”，第七部分”通讯、感知与行动”，第八部分”结论”。本书既详细介绍了大量的基本概念、思想和算法，也描述了各研究方向最前沿的进展，同时收集整理了详实的历史文献与事件。因此本书适合于不同层次和领域的研究人员及学生，可以作为信息领域和相关领域的高等院校本科生和研究生的教材或教学辅导书目，也可以作为相关领域的科研与工程技术人员的参考书。
人工智能发展简史
人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”（ARTIFICIAL INTELLIGENCE）一词最初是在1956年DARTMOUTH学会上提出的，从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现至今，已经出现了许多AI程序，并且它们也影响到了其它 技术的发展。
人工智能计算机时代
1941年的一项发明使信息存储和处理的各个方面都发生了革命.这项同时在美国和德国出现的 发明就是电子计算机.第一台计算机要占用几间装空调的大房间，对程序员来说是场噩梦：仅仅为运行一 个程序就要设置成千的线路.1949年改进后的能存储程序的计算机使得输入程序变得简单些，而且计算机 理论的发展产生了计算机科学，并最终促使了人工智能的出现.计算机这个用电子方式处理数据的发明，为人工智能的可能实现提供了一种媒介.
虽然计算机为AI提供了必要的技术基础，但直到50年代早期人们才注意到人类智能与机器之间 的联系. NORBERT WIENER是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它 将收集到的房间温度与希望的温度比较，并做出反应将加热器开大或关小，从而控制环境温度.这项对反馈 回路的研究重要性在于：WIENER从理论上指出，所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器模拟的.这项发现对早期AI的发展影响很大.
1955年末，NEWELL和SIMON做了一个名为”逻辑专家”(LOGIC THEORIST）的程序.这个程序被许多人 认为是第一个AI程序.它将每个问题都表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解 问题.”逻辑专家”对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑.1956年，被认为是 人工智能之父的JOHN MCCARTHY组织了一次学会，将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论.他请他们到 VERMONT参加 ” DARTMOUTH人工智能夏季研究会”.从那时起，这个领域被命名为 “人工智能”.虽然 DARTMOUTH学会不是非常成功，但它确实集中了AI的创立者们，并为以后的AI研究奠定了基础.
DARTMOUTH会议后的7年中，AI研究开始快速发展.虽然这个领域还没明确定义，会议中的一些思想 已被重新考虑和使用了. CARNEGIE MELLON大学和MIT开始组建AI研究中心.研究面临新的挑战：下一步需 要建立能够更有效解决问题的系统，例如在”逻辑专家”中减少搜索；还有就是建立可以自我学习的系统.
1957年一个新程序，”通用解题机”(GPS）的第一个版本进行了测试.这个程序是由制作”逻辑专家” 的同一个组开发的.GPS扩展了WIENER的反馈原理，可以解决很多常识问题.两年以后，IBM成立了一个AI研究组.HERBERT GELERNETER花3年时间制作了一个解几何定理的程序.
当越来越多的程序涌现时，MCCARTHY正忙于一个AI史上的突破.1958年MCCARTHY宣布了他的新成 果：LISP语言. LISP到今天还在用.”LISP”的意思是”表处理”(LIST PROCESSING），它很快就为大多数AI开发者采纳.
1963年MIT从美国政府得到一笔220万美元的资助，用于研究机器辅助识别.这笔资助来自国防部 高级研究计划署（ARPA），已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的计算机科学家，加快了AI研究的发展步伐.
人工智能竞赛
LOEBNER（人工智能类）
以人类的智慧创造出堪与人类大脑相平行的机器脑（人工智能），对人类来说是一个极具诱惑的领域，人类为了实现这一梦想也已经奋斗了很多个年头了。而从一个语言研究者的角度来看，要让机器与人之间自由交流那是相当困难的，甚至可以说可能会是一个永无答案的问题。人类的语言，人类的智能是如此的复杂，以至于我们的研究还并未触及其导向本质的外延部分的边沿。
人工智能大量程序
以后几年出现了大量程序.其中一个叫”SHRDLU”.”SHRDLU”是”微型世界”项目的一部分，包括 在微型世界（例如只有有限数量的几何形体）中的研究与编程.在MIT由MARVIN MINSKY领导的研究人员发现，面对小规模的对象，计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的”STUDENT”可以解决代数 问题，”SIR”可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助.
70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率.由于当时计算机已 有巨大容量，专家系统有可能从数据中得出规律.专家系统的市场应用很广.十年间，专家系统被用于股市预 测，帮助医生诊断疾病，以及指示矿工确定矿藏位置等.这一切都因为专家系统存储规律和信息的能力而成为可能.
70年代许多新方法被用于AI开发，如MINSKY的构造理论.另外DAVID MARR提出了机器视觉方 面的新理论，例如，如何通过一副图像的阴影，形状，颜色，边界和纹理等基本信息辨别图像.通过分析这些信息，可以推断出图像可能是什么.同时期另一项成果是PROLOGE语言，于1972年提出. 80年代期间，AI前进更为迅速，并更多地进入商业领域.1986年，美国AI相关软硬件销售高达4.25亿美元.专家系统因其效用尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦，通用 汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要，一些生产专家系统辅助制作软件的公 司，如TEKNOWLEDGE和INTELLICORP成立了。为了查找和改正现有专家系统中的错误，又有另外一些专家系统被设计出来.
人工智能日常生活
人们开始感受到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员. 个人电脑和众多技术杂志使计算机技术展现在人们面前.有了像美国人工智能协会这样的基金会.因为AI开发 的需要，还出现了一阵研究人员进入私人公司的热潮。150多所像DEC（它雇了700多员工从事AI研究）这样的公司共花了10亿美元在内部的AI开发组上.
其它AI领域也在80年代进入市场.其中一项就是机器视觉. MINSKY和MARR的成果如今用到了生产线上的相机和计算机中，进行质量控制.尽管还很简陋，这些系统已能够通过黑白区别分辨出物件形状的不同.到1985年美国有一百多个公司生产机器视觉系统，销售额共达8千万美元.
但80年代对AI工业来说也不全是好年景.86-87年对AI系统的需求下降，业界损失了近5亿美元.象 TEKNOWLEDGE和INTELLICORP两家共损失超过6百万美元，大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另一个令人失望的是国防部高级研究计划署支持的所谓”智能卡车”.这个项目目的是研制一种能完成许多战地任务的机器人。由于项目缺陷和成功无望，PENTAGON停止了项目的经费.
尽管经历了这些受挫的事件，AI仍在慢慢恢复发展.新的技术在日本被开发出来，如在美国首创的模糊逻辑，它可以从不确定的条件作出决策；还有神经网络，被视为实现人工智能的可能途径.总之，80年代AI被引入了市场，并显示出实用价值.可以确信，它将是通向21世纪之匙. 人工智能技术接受检验 在”沙漠风暴”行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公众兴趣；一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到；使用模糊逻辑，AI技术简化了摄像设备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活。
人工智能强弱对比
人工智能的一个比较流行的定义，也是该领域较早的定义，是由约翰·麦卡锡（JOHN MCCARTHY）在1956年的达特矛斯会议（DARTMOUTH CONFERENCE）上提出的：人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性（见下）。另一个定义指人工智能是人造机器所表现出来的智能性。总体来讲，对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
强人工智能(BOTTOM-UP AI)
强人工智能观点认为有可能制造出真正能推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：
类人的人工智能，即机器的思考和推理就像人的思维一样。
非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
弱人工智能(TOP-DOWN AI)
弱人工智能观点认为不可能制造出能真正地推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态下。
对强人工智能的哲学争论
“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：
“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”（J SEARLE IN MINDS BRAINS AND PROGRAMS. THE BEHAVIORAL AND BRAIN SCIENCES,VOL. 3,1980）这是指使计算机从事智能的活动。在这里智能的涵义是多义的、不确定的，像下面所提到的就是其中的例子。利用计算机解决问题时，必须知道明确的程序。可是，人即使在不清楚程序时，根据发现（HEU- RISTIC）法而设法巧妙的解决了问题的情况是不少的。如识别书写的文字、图形、声音等，所谓认识模型就是一例。再有，能力因学习而得到的提高和归纳推理、依据类推而进行的推理等，也是其例。此外，解决的程序虽然是清楚的，但是实行起来需要很长时间，对于这样的问题，人能在很短的时间内找出相当好的解决方法，如竞技的比赛等就是其例。还有，计算机在没有给予充分的合乎逻辑的正确信息时，就不能理解它的意义，而人在仅是被给予不充分、不正确的信息的情况下，根据适当的补充信息，也能抓住它的意义。自然语言就是例子。用计算机处理自然语言，称为自然语言处理。
关于强人工智能的争论不同于更广义的一元论和二元论（DUALISM）的争论。其争论要点是：如果一台机器的唯一工作原理就是对编码数据进行转换，那么这台机器是不是有思维的？希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是对数据进行转换，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。
也有哲学家持不同的观点。DANIEL C. DENNETT 在其著作 CONSCIOUSNESS EXPLAINED 里认为，人也不过是一台有灵魂的机器而已，为什么我们认为人可以有智能而普通机器就不能呢？他认为像上述的数据转换机器是有可能有思维和意识的。
有的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。比如SIMON BLACKBURN在其哲学入门教材 THINK 里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的，还是说她/他仅仅是看起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。BLACKBURN 认为这是一个主观认定的问题。
需要要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，今日的计算机能做的事，像算术运算等，在百多年前是被认为很需要智能的。
人工智能政策措施
2019年6月17日，国家新一代人工智能治理专业委员会发布《新一代人工智能治理原则——发展负责任的人工智能》，提出了人工智能治理的框架和行动指南。这是中国促进新一代人工智能健康发展，加强人工智能法律、伦理、社会问题研究，积极推动人工智能全球治理的一项重要成果。
如果我们把AI比喻成人类的大脑，帮助人类思维判断，那么，被誉为2019年为元年的RPA技术就是人类的四肢。我们知道，大数据时代的到来，使得人工智能（AI）进入了爆发式的发展阶段，机器人流程自动化（RPA）也风头正起，市场前景广阔。如果将机器人流程自动化和人工智能这两个概念融合在一起，必将会是一个更具吸引力与前瞻性的爆点。
RPA适用的领域是企业具有明确业务规则、结构化输入和输出的操作流程领域，如财务、人力资源、供应链、信息技术等。RPA的技术本身适用于业务高频、大量、规则清晰，人工操作重复、量大、时间长的任务。规则清晰的定义则是可以把详细的、人工操作的每一步动作都能写下来的操作手册。简而言之就是流程标准化程度要足够高。
AI是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学。AI是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
麦肯锡公司认为，AI与RPA结合，可以包括如下五个核心技术：
机器人流程自动化RPA，这是IPA的基础。
智能工作流（Smart Workflow），流程管理软件工具，集成了由人和机器团队执行的工作，允许用户实时启动和跟踪端到端流程的状态，用来管理不同组之间的切换，包括机器人和人类用户之间的切换，并提供瓶颈阶段的统计数据。
机器学习/高级分析，通过“监督”或者“无监督”学习来识别结构化数据中模式的算法。监督算法在根据新输入做出预测之前，通过已有的结构化数据集的输入和输出进行学习，无监督算法观察结构化的数据，直接识别出模式。
自然语言生成（NLG, Natural-Language Generation）：在人类和系统之间创建无缝交互的引擎，遵循规则将从数据中观察到的信息转换成文字，结构化的性能数据可以通过管道传输到自然语言引擎中，并自动编写成内部和外部的管理报告。
AI与RPA结合，可以应用于各个领域
银行业的数据验证、多系统间数据迁移、客户账户管理、自动生成报表、抵押价值比较(当地或跨域)、表单数据填写、金融索赔处理、贷款数据更新以及柜台数据备份等。
医疗卫生行业的从患者注册流程到患者数据迁移、患者数据处理、医生报告、医疗账单处理、数据自动录入、患者记录存储、索赔处理等。
制造业的现有的ERP自动化、物流数据自动化、数据监控以及产品定价比较等。
零售业的制造商网站提取产品数据、自动在线库存更新、网站导入、电子邮件处理、订单数据处理、客服等。
今天的内容就到这里，下一篇我们重点讨论RPA技术，谢谢！
2019 ：中国RPA元年
RPA行业未来发展十大趋势
自IBM、微软、谷歌、Oracle、SAP等名牌大厂优先将RPA（Robotic Process Automation，机器人流程自动化）集成于BPM解决方案之后，一众云计算、SaaS、企服软件、人工智能、系统集成等厂商纷纷跟进。
由此，以UiPath、Blue Prism、Automation Anywhere(AA)为代表的RPA技术供应商成为当代业务流程自动化、数字化及智能化的焦点，而RPA也正在成为主流的业务自动化解决方案之一。
1
RPA融合AI成为常态RPA本来就属于AI的范畴，所有当技术足够成熟之后，为了满足更复杂从业务流程场景，自然会应用AI技术。同时，人工智能平台也正在通过RPA产品，将AI的算力以及数据分析、处理及挖掘能力赋能给更多企业，RPA已经成为AI技术落地重要载体。相关数据报告预测，未来几年中将会有超过40%的组织将通过融合AI技术的RPA产品，来解决更复杂的业务流程管理问题。
很多业务流程中都存在大量非结构化数据，且这些数据现在越来越重要。目前，处理非结构化数据并在其中或缺有价值信息，已成为RPA产品的重要能力所在。为了能够处理邮件、图像等非结构化数据，RPA厂商一般会通过部署NLP和OCR等技术来增强RPA产品的能力，这种部署方式的ROI更高。2020年开始，RPA将会更多的融入人工智能、机器学习和认知计算等智能技术，以优化更复杂的业务流程，RPA AI的模式将会成为RPA产品常态。借助智能技术的综合作用，RPA的自动化的潜力将得到重大发展。
2
RPA上云与商城模式两年前，UiPath、AA等巨头已经将RPA部署到云服务器上，由此能够服务更多具有跨域、跨网需求的客户。RPA上云后都变成了SaaS平台，便进一步催生了RPA商城的诞生。在RPA商城，开发者将RPA机器人、插件、模板发布到市场，RPA商业合伙伙伴以及企业用户可以下载应用。这种模式，既能节省RPA厂商的资源成本，又能让RPA产品在各个领域迅速落地，还有益于RPA产品的快速迭代与完善。重要的是，它还能为企业节省IT资源的投入以及免于技术团队搭建，按需订阅的方式又能满足企业的弹性需求。现在来看，SaaS化的RPA几乎是每个RPA产品的最终形态。当然也只有RPA上云，才能快速扩展规模，能够让用户更快捷方便的使用。目前很多国外RPA产品已经SaaS化，国内诸如艺赛旗已经上云并推出了商城，Uibot即将推出商城，而达观数据等AI平台本身就是SaaS，至于云计算基础上发展的RPA产品，就更无需细说。2020年以后，将会有更多的RPA解决方案，由本地部署走向云端。
3
更多RPA项目涌现随着市场规模的增大，用户需求会刺激更多的RPA项目诞生。当前而言，通用型RPA厂商，云计算厂商、大型企业、AI厂商、企管厂商及垂直型RPA厂商，构成了主流RPA市场。这些企业，代表了大部分同类企业在RPA领域的策略方向。云计算厂商做RPA已经是板上钉钉的事实，随着阿里云RPA、京东云RPA的出现，相信RPA业务会成为云计算厂商的标配。大型企业会自研RPA，或者由RPA厂商提供技术共同开发RPA，譬如平安集团的安小峰RPA，在解决企业内需之后还会输出给客户。AI厂商只要认准这个市场，推出RPA产品是早晚的事，达观数据等企业已经走在前列。ERP厂商出于业务集成的需求，也正在自研RPA或者联合RPA厂商推出RPA，目前金蝶、用友都有自己的RPA。出于业务需求与成本的衡量，有的财务会计所及咨询机构也会推出自有RPA，譬如德勤财务机器人。
除了通用型RPA，一些领域的相关企服机构也正在针对一些行业做垂直型RPA。譬如阿博茨RPA产品主要面向金融体系，英诺森推出的RPA则专注于解决能源与资源行业的业务流程管理。做垂直RPA一般有两个诉求：一是客户业务流程管理所需，RPA正在成为主流解决方案；二是之前这个领域并没有RPA产品，一些企服厂商看到了这个市场的机会，为避开与通用RPA的竞争特意选择小而美，达到小步快跑做成某领域领头羊的目的。在行业需求飙升、厂商发现机会以及更活跃的资本之下，2020年以后将会有更多的RPA项目涌现。
4
5
RPA上升到企业战略层企业对于每一个技术的应用，想要令其发挥更大的潜力，必须在战略上重视它。就如多年前的ERP、CRM、工作流以及现在的AI办公一样，想要让RPA发挥更大的价值，也需要将其放到战略层。据IDG发布调查报告显示，德国已有86%的企业在推行数字化战略，并将RPA作为数字化转型的关键工具，这一数据具有非常大的参考价值。将RPA放到企业经营管理的战略层，可以让RPA集成到更广泛的自动化策略中，实现与流程管理保持关键一致的协作支持，保证最佳流程优化。同时，这更有利于与IT部门及外部伙伴合作，发展自动化与流程优化方面的专业知识、管理架构和运营模型，能够基于企业原有信息化系统和RPA设计全新的IT架构和基础设施集中框架，进而使得协作沟通和管理变的更加简单有效。
通过正确的实施RPA战略，企业将得到更大的股东、客户和员工价值，如成本降低、效率提升、生产率提高等。此外，企业还会实现更好的合规性、更快地向市场交付新产品、增强客户服务体验，以及提高员工的技能和满意度。2020年开始，自动化市场的趋势是从单点解决方案转变为更全面的解决方案，以应对集成挑战并实现企业所需的最佳功能。这个趋势下，RPA实施也将被更多的集成到企业诸多流程中，成为成为长期的战略性工程。企业需要学会通过重新构思流程、组织结构和其他技术，开始对RPA采取更全面的战略方法，从而产生更广泛的RPA应用 。
6
RPA成为自动化补充技术事实上，RPA的主要优点是可以与其他现有技术很好地结合使用。RPA能够快速适应不断变化的业务流程并进行相应学习的潜力，可以更好的增强流程而不是替代流程。毕竟出于投入产出比的考虑，不是每个企业都能将其构建多年的工作流程全部重新设计，而用RPA去补充自动化效率低的流程，就可以极大的提高工作效率。RPA很容易与现有技术集成，且效果很好。譬如财税领域的记帐场景，使用RPA无需更改原有业务流程的任何步骤。如果想更改业务流程，RPA也能够快速响应，实现快速执行任务。同时，员工与RPA进行互动工作，工作更加轻松。在RPA与其他自动化工具一起使用时，可以看到RPA工具的更大的扩展性，与其他自动化工具集成的RPA将会把普通劳动力转变为更强大的数字劳动力。在数字化转型的进程中，RPA会为业务流程管理带来新的创新。2020年以后RPA将会作为原有自动化的补充技术，助力诸多企业进一步实现业务流程优化，完成数字化转型。
7
RPA创造新的就业体系从生产车间的硬件机器人到软件机器人RPA，“自动化会不会夺走人类工作”是业内最具争议的话题。2017年麦肯锡有个数据显示，目前已经过论证的技术可以使人类职员工作的45%实现自动化，大约60%的职业可以通过今天的技术实现30%的自动化甚至更多。2020年以后，这个数据应该会有所增长，但不会高到离谱。
在未来，RPA 可能会取代特定任务，但不是雇员的实际职位。RPA 会以某种方式影响工作，却无法完全取代企业对人类员工的需求，许多任务仍然需要人工来完成，因为机器人尚无法自动解决人类特有的某些特征，例如解决问题、创造力和人类互动等。此外，RPA推动业务流程自动化发展的同时，也会催生更多工作岗位的出现。随着RPA应用的增多，企业会需要更多能够增强聊天机器人用户界面的RPA专家，以及能够解决业务问题的流程专家以及设计师等职位。2020年以后，伴随着RPA在企业的普及，机器和人类之间将在许多领域进行合作，企业也将设置更多与RPA相关的工作岗位，将会有新的就业机会等着大家。因此，RPA可能会改变原有招聘体系，进而创造一个新的就业市场。
8
更多企业建立RPA卓越中心企业在具体实施RPA计划时，往往会因为流程规范性欠佳、流程与RPA不匹配、没有将RPA考虑为业务主导、缺乏具体RPA商业案例、忽略IT系统设施等各种因素，导致具体部署速度及进度与初始规划有很大出入，使得RPA项目落地进程受阻。这种情况，通常被称作“‘实施砖墙’影响‘机器人速度’”。据安永一份研究称，有高达30%至50%的初始RPA项目都以失败告终。想要顺利实施RPA，获得最佳“机器人速度”，以及为企业后续的RPA部署打下良好基础，关键在于建立一个结构良好且人员配置完善专门用于实施自动化的研究中心或者职能部门。这个职能部门，主要用于研究哪些自动化技术可用于解决不同的业务问题，同时推动技术兼容性，集成和基本实践。
在RPA领域，这个部门就是RPA卓越中心(Center of Excellence，COE)。尤其是在RPA部署早期阶段，构建一个跨职能的COE对于支持RPA的实现和企业正在进行的部署极为重要。现在，很多引入RPA的企业都已建立了COE，以在整体战略运营层面推进RPA企业的落地应用。有数据显示，2019年有40%左右的企业与组织将建立了自动化中心，并在集中式协调中心或人才中心方面投入大量资金。现在，COE模式正在被广大企业所认可。可以预见，2020年以后将会有更多引入RPA的企业建立COE。
9
10
RPA培训兴起随着RPA在企业的大量应用，能看到一个现象就是这个行业的从业人员严重不足。现在很多RPA企业，都在招聘RPA工程师、技术顾问、产品经理、实施开发工程师、售前工程师、产品培训师等职位。且，工资都不低。RPA行业的人才缺口，给了培训机构一个很好的机会。RPA最早应用于国外，所以国外市场已经有很多培训机构，有的机构还会与Uipath、BluePrism等RPA厂商进行深度合作，开发教程、培训相关从业人员以及推荐相关工作职位。同时，RPA机构也会面向用户，自己或者联合第三方机构开发课程，并提供工程师等相关认证，一方面方便用户学习应用RPA，另一方面也方便从业者直接晋级成为公司职员。目前，国内的RPA培训体系还没有国外那么完善，但雏形已现，基本与国外的培训模式相同。像UiBot、艺赛旗等通用RPA厂商都面向用户推出了应用教程，有的是联合第三方架构开发的，有的则是自行开发课程。目前，这些厂商也都上线了RPA工程师等职业的认证。
艺赛旗线下RPA培训现场当前国内RPA培训机构还不算太多，主要因为国内的市场刚起步没多久，还没有那么大的需求。除了培训机构，媒体平台RPA中国也联合达观数据开发了培训课程，帮助学习者快速入门成长。
达观数据渠道伙伴认证培训现场2020年国内RPA市场会有更高速的发展。经济下行造成的企业裁员潮延续，以及广大企业出于增效降本需求对RPA的大量应用，将会有毕业新生以及更多的外行人士进入RPA行业，对RPA培训需求将会有一个大的提升。因此，RPA培训业务即将兴起。
Gartner大中华区合伙人龚培元：2020年RPA将成为企业数字化运营的必备工具
近日，国际著名信息咨询机构Gartner在台举办“2020年十大科技趋势”巡讲活动。这十大科技包括：超级自动化、自动化物件、人工智能全民化、透明化与可溯性、AI 安全性、分散式云端、更强大的边缘运算、人体感知强化、多重体验，以及实用性区块链。
其中，Gartner 大中华地区资深合伙人龚培元表示，为进一步加快企业数字化转型，企业CIO应着重使用超级自动化与RPA ，来优化和再造企业业务流程实现数字化运营。对于志在实现数字化转型的企业来说，超级自动化将成为重要转型工具。
超级自动化（Hyperautomation ）是指与多种人工智能技术相结合的自动化工具，如机器学习、光学字符识别、自然语言处理等，来帮助企业完成工作流程自动化。
龚培元指出，超级自动化可分为三个阶段：首先通过RPA 串联起不支持API 的老旧系统实现业务流程自动化；其次通过智慧企业管理系统（iBMPs ）执行流程自动化；最后则是利用AI 等技术帮助企业打造数字化运营，再利用实际获取的营运数据，来智能分析各项业务表现，作为管理者优化运营的参考依据。
此外，自动化物件（Autonomous Things ）泛指机器人、无人机、自动驾驶车／船／飞机，以及智慧装置等，将自动化与日常办公、交通的工具实现相互协作。龚培元认为，企业利用相互协作的装置设备，可大幅降低高频率、重复性工作任务以节省大量人力资源和时间。
近年来，不只是微软、谷歌、亚马逊这样的巨头企业投入大量资金到AI 开发、数据训练和部署工具中，许多中小型企业也投入到这片领域。Gartner 指出，明年人工智能技术将呈现全民化趋势，企业无需接受密集且昂贵的培训课程，通过RPA、云端等渠道就可以获得大量AI技术。Gartner 预测，到2023 年专业知识全民化将在4个领域快速发展，分别是：资料分析、AI 应用程序开发、低代码或无代码设计，企业运营。
虽然AI开发和资料分析工具快速普及、门槛逐步降低，却引起数据安全隐忧。Gartner 认为，到2020年，透明性与可溯性会是一大趋势；同时，Gartner 预测，到2023 年时，75 ％的大型组织将雇用AI 专家，来确保顾客隐私与信息降低企业风险。
Gartner预测，至2022年时，有三成的网络攻击会发生在AI模型的训练资料中，包括：病毒、模型窃取，以及伪造的资料样本（AdversarialSamples），使AI模型无法通过验证进入部署。对此，Gartner建议企业的风险管理主管，应聚焦于三大领域，也就是保护AI系统、利用AI强化资产安全防护以及做好防御恶意AI的攻击准备。
随着各行业对数据分析的需求大增，支援运算的云端架构也在发生改变。Gartner预测，2020年将出现分散式云端（Distributed Cloud）。分散式云端指的是，集中式公有云服务将分散到不同地点，比如IoT装置、边缘装置等，并负责这些端点设备的云服务维运、管理和更新等。另一方面，由于运算资源越来越普及、资料储存量日趋庞大， Gartner认为，2020年将出现更强大的边缘运算，而且至2023年时，超过50％企业所产生的资料，会在资料中心或云端以外的地方来处理，远高于今年的10％。
龚培元指出，时下的边缘运算多为静态流程，比如从端点再到云端、企业资料中心；然而， Gartner预测，未来5年的边缘运算，将会是适应性流程，且为雾式或网式架构（如下图），也就是每个端点、云端和企业资料中心可互相沟通，并且分散式云端将应用于边缘装置。
Gartner指出，明年，还会掀起多重体验（Multiexperience）风潮，包括：AR、VR、MR，以及对话式平台的应用。Gartner分析，使用者体验从2000年的网际网络开始，迈入2010年的智慧行动装置，利用云端、API等技术开发出App经济、智慧型穿戴等。
但在 2020年之后，将以边缘运算、无伺服器和AI增强的系统来发展对话式、沉浸式等多重体验，比如利用MR来模拟室内设计成果，或是透过AR来强化零售服务。
同时人体感知强化（Human Augmentation）也将是重要发展趋势。人体感知强化可分为实体强化和认知强化，比如：利用特殊隐形眼镜、碳纤维义肢、人体晶片等，来增强人体机能；或是利用电脑系统、多重体验介面，来加强人对信息的认知能力。
最后， Gartner预测2020年将出现更多的实用性区块链案例。龚培元表示，区块链去中心化、不可窜改的特性，可在商业生态间建立信任进行跨行业的价值交换。
Avasant发布2019年全球RPA厂商评估报告和未来智能自动化发展趋势预测
近期，全球领先的信息咨询公司Avasant发布了一份关于RPA行业的评估报告。对全球25家RPA厂商，包括：Automation Anywhere、Blue Prism、UiPath、Kryon、Antworks等，从产品成熟度、业务适应性和产品创新等维度进行了详细评估。
评估方式包括：公开信息、年度报告、季度收益公告、高管访谈、在线问答以及用户反馈等。同时该报告还预测了未来RPA发展趋势，以及目前IPA（智能自动化）的生态建设和应用情况。
智能自动化正被大量用于更复杂和人性化业务，如：风险分析、欺诈检测、实时对账、响应模拟等。应用IPA较多的行业是银行、保险、电信、制造、零售以及医疗保健等。AI技术已经成为RPA厂商之间竞争的重要元素，同时为了提高客户获取效率，厂商开始提供一些无偿服务，如免费PoC、扩展试用和免费部署实施等。
目前，随着企业非结构化数据业务对自动化的需求越来越多，RPA除了与OCR（光学字符识别）、NLP（自然语言处理）、ML（机器学习）等主流人工智能技术相结合之外，还与计算机视觉、深度学习、神经网络、认知等技术进行了深度集成。
Avasant根据产品成熟度、业务适应性和产品创新等维度，将RPA厂商分成了四个部分：
1、领导者：Automation Anywhere、Blue Prism、UiPath、NICE
2、创新者：AntWorks、EdgeVerve、Pegasystems、IPsoft3、挑战者：Kofax、WorkFusion、Verint4、潜力股：Jacada、Softomotive、KryonSystems
随着时间的推移，各家RPA厂商在技术创新和部署方式方面都发生了巨大变化。2013年之前，多数RPA厂商都以有人值守RPA为主，如Kryon、Softomotive、UiPath、Nice；在部署方面，从2018年RPA厂商开始提供云端RPA服务，这将极大地减少用户在部署RPA时所面临的诸多挑战。未来，云端部署和无人值守将成为智能自动化的主流应用模式。
各行业已经体验到应用IPA的全方位好处，银行业以23%的份额成为应用最多的行业，电信、娱乐和媒体行业20%位居第二位，保险和金融服务分别以19%、10%位列三四位。而非营利组织以小于1%成为应用最少的行业。在IPA应用时间方面，公共领域少于12个月，电信和娱乐行业在12—48个月之间，而银行金融业大于48个月成为应用时间最久的行业。
在银行业中，应用IPA最多的流程为信用额度提升、黑名单管理、担保管理、欺诈管理等；在电信行业中，应用IPA最多的流程为订单管理、自动欺诈识别、故障排除、网络规划等；在保险行业中，应用IPA最多的流程为业务查询、自动索赔、自动入保、合规检测等。
在过去18个月的时间里，各家RPA厂商受到了资本大量的投资，其中UiPath以9.86亿美元成为融资最多的有RPA企业，Automation Anywhere以5.55亿美元位列第二，WorkFusion以5000万美元位列第三，Blue Prism以4800万美元位列第四，Kryon以4000万美元位列第五。
为了提高用户获取速度，超过90%的RPA供应商提供了大量优惠活动，以帮助用户快速部署应用RPA，如免费PoC测试，免费的流程挖掘，免费试用1年，补贴中小型企业IT资源等等。
为了提高用户在RPA流程中使用AI的效率，Automation Anywhere、UiPath、Blue Prism三家RPA服务商分别推出了Bot Store、Ui Go、Blue PrismDX三个智能机器人商店。预设智能机器人模板高达1200多个，提供数据备份、获取文件列表、文本提取等智能机器人流程。
为了提高RPA技术创新的进程与自动化范围，部分厂商分别与不同的BPM和AI供应商进行合作，如Automation Anywhere与ADT、DataRobot进行合作；UiPath与Google Cloud、Techmahindra进行合作；Blue Prism与ddls、Bizagi进行合作等等。
其他厂商为了拉近与Automation Anywhere、UiPath、Blue Prism三大RPA厂商之间的距离，分别在AI领域投入了大量资金以增强自身产品的竞争优势，如ML、NLP、认知计算、计算机视觉等。
Forrester发布“RPA市场服务”报告：80%的领导者认为RPA，对于改善客户服务至关重要
近日，全球著名信息咨询公司Forrester Consulting发布了一份关于RPA（机器人流程自动化）市场服务的调查报告。
Forrester对104家企业进行了调查：其中加大拿企业占50%，美国企业占50%；人数在1000—4999的企业有38%，人数在5000—19999的企业有24%，人数在20000以上的企业有38%；50%为企业决策层领导，50%为一线工作人员；8%为联络中心部门，15%为人力资源部门，31%为财务部门，46%为运营部门。
该报告主要对RPA市场应用与用户反馈情况进行了详细研究。根据Forrester调查结果表明，80％接受调查的组织领导者认为，RPA对于提高客户服务和团队工作效率至关重要；72％的人认为RPA对于新兴渠道中的客户自助服务帮助巨大。同时Forrester指出，2019年全球行业在RPA方面支出预计将超过50亿美元，到2023年预计将超过120亿美元。
机器人流程自动化可以极大地简化业务流程，帮助员工将那些基于规则、重复、繁琐的业务实现自动化，从而提高工作效率和节省时间。使员工可以更专注于具有战略意义和人性化的业务。
目前全球企业处于数字化转型阶段，很多企业开始陆续接触RPA机器人。但很多组织的领导者和员工却惧怕RPA，生怕自己的工作岗位被RPA替代。这在一定程度上虽然是正确的，不过即使RPA取代了一些底层机械化的岗位，但RPA可以创造出更多的数字化岗位，并且很多还没有部署RPA的组织表示，主要是因为缺少自动化人才。
当受访者被问道，RPA机器人将为企业带来哪些好处时：
41%认为减少了人为错误；36%认为降低了企业运营成本；34%认为节省了更多时间，可以专注更有意义的工作。
通过RPA从系统中搜集各类信息，并自动生成可视化数据报表：31%认为非常重要，41%认为重要；
使用RPA替代目前的客户服务中心：31%认为非常重要，47%认为重要；
使用RPA提供同样的服务，但是可以降低成本：55%认为非常重要，33%认为重要；
通过RPA提高整体工作效率：49%认为非常重要，37%认为重要；
通过RPA提高整体客户服务团队效率：43%认为非常重要，37%认为重要；
通过RPA提高业务流程效率：53%认为非常重要，35%认为重要；
通过RPA改善客户服务体验：49%认为非常重要，35%认为重要；
通过RPA提高客户留存率：39%认为非常重要，37%认为重要。
在呼叫中心员工为客户提供服务时，需要打开多个应用程序才能了解整个历史记录。而RPA机器人可以帮助员工自动登录各种应用、系统，将那些冗长的历史记录提取出来，在最短的时间内员工查看到想要的信息。当受访者被问道，RPA是否将那些重复任务实现自动化，以提高客户服务效率时：45%认为RPA确实起到了作用
25%认为还需要对RPA更多的观察
19%认为RPA没有任何作用
4%认为RPA非常棒，可以让员工做更多的事情
目前企业对于部署与应用RPA最大的阻碍之一便是员工对它的恐惧。很多人认为企业应用RPA之后，会取代自己的工作岗位造成失业。虽然有一些底层业务被RPA取代，但是RPA会创造出更多的新岗位。当受访者被问道，企业应用RPA之后，对你最大的威胁是什么时：58%认为会丢掉工作
53%认为企业将把更多的钱投资在RPA上，而自己会失去一些薪水
36%认为无法适应RPA的发展速度
36%认为在日常办公中无法适应RPA
15%认为在心里上会造成影响
企业在应用任何一项技术时都会有诸多的困难。当受访者被问道，企业在应用RPA，会有哪些困难时：49%认为缺乏培训渠道45%认为员工排斥RPA41%认为运营人员不喜欢RPA37%认为没有足够的管理人才35%认为目前没有应用RPA的打算
当企业应用RPA时，总是希望从它身上快速看到ROI（投资回报率）。这当然没错，不过很多时候会受限于管理、自动化流程、业务复杂程度，没有达到组织的预期目标这些因素。当受访者被问道，组织应用RPA，期望带来哪些好处时：49%希望减少手动工作；49%认为达到预期目标
47%希望业务流程更合规；49%认为达到预期目标
57%希望降低企业成本；39%认为达到预期目标
43%希望改善数据质量；47%认为达到预期目标
41%希望提高工作效率；47%认为达到预期目标
47%希望提供更好的客户服务；37%认为达到预期目标
33%希望减少员工；27%认为达到预期目标
39%希望提高员工敬业度；24%认为达到预期目标
随着RPA服务市场爆炸式增长，世界众多一流的RPA供应商正在不断创新这项技术。通过将RPA与AI相结合，以帮助企业处理更多的非结构化数据业务。当受访者被问道，希望RPA更多的做哪些事情时：41%希望执行日常任务
31%希望提高工作效率
33%希望可以提供预测性建议
22%希望提供更多智能客户服务
17%希望可以在不同系统中执行数据提取与上传操作
13%希望提供合规性服务
Futurum发布《2019年RPA与IPA现状》数据报告，超过50%的企业已完成RPA部署（上）
近日，由著名信息咨询公司Futurum发布了一份名为《2019年RPA与IPA自动化现状》的调查报告。该报告对北美1000家企业进行了详细调查，其中少于500人的企业有5%（50家）；500-999人的企业有14%（140家）；1000-4900人的企业有34%（340家）；5000-49000人的企业有27%（270家）；5000人以上的企业有20%（200家）。
调查的行业包括：制造业、媒体与出版、金融行业、医疗保健、零售、公共部门等11个行业。本次数据调查报告的目的是，确定企业对RPA（机器人流程自动化）当前与未来的投资趋势，以及各行业对RPA和IPA（智能流程自动化）的应用现状与未来3-5年内对RPA的部署计划。
（调查报告的企业人数与行业类别）
以下是此次调查报告的数据摘要（基于此次1000家被调查企业）：
北美超过50%的企业已部署RPA、IPA、AI等自动化解决方案；
RPA应用最多的行业是银行金融、科技、制造业和媒体；
87%的制造业已将RPA/IPA应用到日常工作中；
85%的银行与金融行业已将RPA/IPA用于日常工作中；
那些尚未应用与部署RPA的公司，多数是因为预算不足、缺少技术合作伙伴以及怀疑RPA创造价值的能力；
到目前为止，RPA的部署主要应用在内部业务，但是从2020年开始转向面向客户的业务，如客户服务、销售、客户体验等；
在已部署RPA的企业中，多数人认为RPA是创造价值的工具而不会替代员工的岗位；
以下是此次调查报告的详细信息：当我们进入21世纪的第三个十年，数字化工作模式对于企业的发展越来越重要。尤其是手动工作向智能自动化的转型成为企业发展中重要战略部署。与传统的机器人流程自动化相比，智能自动化可以轻松地将AI技术应用到工作流程中。
超过50%的企业已完成RPA/IPA的部署；
17%的企业不确定是否会部署；
32%的企业还没有部署的打算
制造业87%媒体与出版88%能源86%银行与金融85%科技行业81%专业服务73%医疗保健与制药62%零售业60%旅游与酒店48%运输业42%公共部门25%
制造业已成为应用RPA/IPA第二多的行业，87%的企业已完成部署，13%尚未部署。按照企业规模的详细统计数据如下：
90%超过5万名员工的企业已完成部署；
员工人数在5000-49000的企业，100%完成部署；
员工人数在1000-9999的企业，82%完成部署；
员工人数在0-999名的企业，82%完成部署；
在零售行业超过60%的企业已完成RPA/IPA的部署，40%的企业却没有完成，详细统计数据如下：
员工人数在1000人以下的企业，只有33%完成部署；
员工人数在1000-4999的企业，有75%完成部署；
员工人数在5000-49999的企业，55%完成部署；
员工人数超过5万人的企业，60%完成部署。
所有应用RPA机器人的行业中，旅游与酒店、运输、公共部门成为应用最少的三个行业分别是48%、42%和25%。在这三个行业中，超过39%的企业表示对RPA不感兴趣，但是目前世界众多知名企业如亚马逊，谷歌，Facebook，沃尔玛，优步，微软已经极大地证明了RPA/IPA机器人的诸多好处，这为企业带来了新的竞争力并且降低了企业运营成本。以下是这三个行业的调查数据：
20%的企业处于自动化落后状态；
30%的企业正在计划使用；
30%的企业已经成功部署；
20%的企业已成熟的应用；
经过研究发现能源和专业服务行业的企业没有部署RPA，是因为预算不足；零售与交通行业是因为部署的进程；制造业和科技行业是因为很难找到合适的技术伙伴；银行与金融、医疗保健、公共部门、媒体出版和旅游与酒店是因为不感兴趣。
详细统计数据如下：
22%的企业预算不足；
13的企业缺乏内部技术支持；
22%的企业没有找到合适的技术伙伴；
9%的企业高层没有应用的意向；
9%的企业已经部署RPA，但是还没有投入使用；
18%的企业已经开始使用RPA，但仍处于测试阶段；
39%的企业对RPA/IPA不感兴趣。
研究表明北美50%的企业已经完成RPA部署，并且表示未来将持续增加对RPA机器人的投资并扩大其应用范围，调查数据如下：
3%的企业将减少对RPA的投资；
9%的企业对投资RPA不感兴趣；13%的企业不确定是否会投资RPA；13%的企业表示在未来的2-5年内持续投资RPA；18%的企业表示在未来的1-2年内持续投资RPA；44%的企业表示在未来的1年内，加大对RPA的投资。
Futurum发布《2019年RPA与IPA现状》数据报告（下），超过50%的企业已完成RPA部署
该报告对北美1000家企业进行了详细调查，调查的行业包括：制造业、媒体与出版、金融行业、医疗保健、零售、公共部门等11个行业。本次数据调查报告的目的是，确定企业对RPA（机器人流程自动化）当前与未来的投资趋势，以及各行业对RPA和IPA（智能流程自动化）的应用现状与未来3-5年内对RPA的部署计划。
在已部署RPA的企业中，应用较多的业务流程如下所示：
数据分析36%IT部门34%库存管理33%数据管理32%物理管理32%
除上述5项业务应用RPA较多之外，以下是在其他业务中的应用比例：
人力资源22%市场营销23%销售管理和CRM 24%项目管理 25%通信管理29%客户服务30%
企业在应用RPA时，投资回报率、资源投入、运营效率、预算成本等成为主要的考虑因素。在未来的1年内，企业将在以下业务中部署RPA：
数据管理23%数据分析23%销售和CRM 23%市场营销23%通信管理22%人力资源22%
RPA/IPA已经证明可以将企业的业务流程变的越来越高效，调查发现数据分析、财务管理、库存管理、IT管理将成为企业部署RPA的重点；在未来的1-2年内，项目管理、财务管理、客户服务呈上升趋势；在未来的2-5年内，财务管理、数据分析、项目管理将是部署的重点。
在已应用RPA的企业中，80%的企业认为RPA机器人帮助他们提高了效率，减少了人为错误，提高了数据的准确率，并认为RPA是帮助他们创造价值的工具而不是替代他们的岗位。
67%的企业认为，提高工作效率是他们应用RPA的主要原因；63%的企业认为，节省成本是他们应用RPA的主要原因。
在企业被问及，RPA在工作业务流程中的作用时：
28%的企业认为RPA改进了业务的工作效率，6%表示不同意；42%的企业认为RPA提高了业务的生产效率，3%表示不同意；44%的企业认为RPA减少了人为错误，2%表示不同意；37%的企业认为RPA帮助员工节省大量时间，3%表示不同意；23%的企业认为RPA可以将任何任务实现自动化，11%表示不同意。
企业应用RPA之后，如何看待RPA与员工共存的问题：
9%的企业表示：75%的员工将会因为RPA失业，25%的员工将因为RPA而增加工作机会；22%的企业表示：50%的员工将会因为RPA失业，50%的员工将因为RPA而增加工作机会；4%的企业表示：员工100%将会因为RPA失业；24%的企业表示：员工不会失业，但是会增加工作机会；42%的企业表示；25%的员工将会失业，75%的员工将因为RPA而增加工作机会。
当企业在RPA部署与应用完全成熟之后，员工与RPA的工作分配比例：
11%的企业认为：75%的工作由RPA完成，25%由人工完成；25%的企业认为：50%的工作由RPA完成，50%由人工完成；5%的企业认为：RPA将完成100%的工作；20%的企业认为：还是以人为主导，RPA配合工作；40%的企业认为：25%的工作由RPA完成，75%由人工完成。
有哪些因素阻碍企业应用RPA：
37%的企业表示是管理层的原因；42%的企业表示是中层管理者原因；21%的企业表示是员工的原因；
在受调查的企业当中，管理层对RPA的态度如下：
12%管理者对RPA没兴趣；42%管理者计划采用RPA；25%管理者已经应用RPA；17%管理者对RPA有极高的兴趣；
在受调查的企业当中，普通员工对RPA的态度如下：
15%员工对RPA没兴趣；42%员工计划接纳RPA；18%员工已经应用RPA；22%员工对RPA有极高的兴趣；
当企业部署RPA时，员工对这一看法如下：
3%认为RPA会使企业高速发展；5%认为RPA不会增加竞争力；17%认为RPA没有任何提升；37%认为RPA增加竞争力；38%认为RPA是企业的好帮手。
在未来5年内，RPA是否会改变企业工作方式：
4%认为彻底改变工作方式；5%不确定；9%认为会改变部分工作方式；28%认为会改变工作方式；17%认为不会改变；38%认为会使工作方式变得更好。
Futurum Research业务负责人Daniel Newman表示，从《2019年RPA与IPA现状》调查报告可以清楚看到，RPA和IPA拥有巨大的商机和市场。管理者们看到了自动化解决方案为企业带来的价值，并正在积极采用RPA将其纳入企业的发展战略中来。RPA已经被证明，可以将企业80%的业务实现业务流程自动化，并提高工作率节省员工时间。
Gartner数据：RPA以75.6%增长率成2019年Q1增速最快的企业级软件
近日，全球著名信息技术分析机构Gartner发布了2019年Q1软件市场数据报告。数据显示，在全球软件市场中RPA(机器人流程自动化)以75.6%的增幅速度继续领跑，成为增长速度最快的企业级软件。在RPA应用方面证券、银行、保险、电信、公共事业、房地产仍旧是应用最多的行业，而房地产、农业、餐饮等行业也略有提升。
根据Gartner2018全年软件数据显示，RPA市场在去年增长了63.1%，达到了8.46亿美元，成为全球企业软件市场中增长最快的一个。而根据今年市场预测来看，很有可能继续保持高速增长并且超过去年。 Gartner研究副总裁Biscotti表示，“自RPA软件问世以来，其增长速度每年都在递增，这主要得益于全球企业正在进行数字化转型阶段，而RPA成为了很好的转型工具。同时RPA的供应商竞争也非常激烈，前10大供应商中有9家在2018年改变了市场份额，今年的市场份额将继续变动，不过整体都趋于好的发展方向。” 根据Gartner的数据，排名前5的供应商在2018年拥有47%的市场份额。排名第6和第7的供应商实现了三位数的收入增长。如下图所示。
在这个快速增长的软件市场中最大的赢家是Uipath，该公司今年以70亿美元的估值，获得了D轮5.68亿美元的融资。Uipath能有如此骄人的成绩，主要是因为Uipath在2017年只有1570万美元的收入，而去年的年收入达到了1.148亿美元，达到了恐怖的629.5%增幅。这种指数级增长速度很快吸引到了世界顶级投资公司的注意。
而另一家与UiPath一样热门的RPA公司是Automation Anywhere，它去年以26亿美元的估值从软银集团获得了3亿美元的投资。2017年的收入是7000万美元，去年达到了1.084亿美元的收入，不过由于Uipath指数级销售额增长率，让Automation Anywhere在去年丢掉了市场份额第一的宝座。
根据Crunchbase的数据，这两家公司到目前为止已经获得了15亿美元的总融资额度，其中Uipath获得了10亿美元，而Automation Anywhere获得了5.5亿美元。
就目前而言，随着RPA市场跨越式发展，每家RPA供应商都处于飞速发展中。事实上，除了这两家巨头之外，NTT-ATT实现了456%的增长，Kofax实现了256%的增长，这些数据足以说明RPA市场正在不断的壮大中。
在RPA市场占有方面，北美占据了主导地位，2018年占51%，但这一数字同比下降了两个百分点。西欧占据第二的位置，占23%的份额。日本排名第三。不过日本2018年的RPA应用率增长了124%，受到了日本企业极大的欢迎。亚洲这块新兴的RPA市场受到了供应商的青睐，目前Uipath已全面进驻中国市场，帮助中国企业快速实现业务流程自动化。
Gartner研究副总裁Biscotti解释说，“RPA之所以这么受企业的欢迎，完全是因为它与业务流程管理平台或业务流程外包相比，RPA的部署周期更快更容易使用，并且无需进行二次开发，灵活的扩展能力可以集成在企业任何的系统上。”
Gartner预测RPA软件市场将在未来3——5年发生更大的变化。这是因为世界著名软件公司，如IBM、微软、SAP正在与RPA软件供应商进行合作或收购RPA软件供应商，这意味着他们正在提高RPA软件在其庞大客户群中的认知度和普及率。
这对于RPA供应商来说是一个激动人心的时刻，如果有世界级软件巨头的帮助和入场助威，那么RPA的发展将迎来最辉煌的时刻。
2019年RPA行业超级大盘点
RPA中国
2019
RPA行业超级大盘点
12.31 RPA中国出品
2019年被誉为中国RPA元年！虽然时间不长，然RPA的发展确也足够迅速。从当初的鲜为人知到现在的势如破竹，其以星火燎原的姿态，成为了行业新宠。早在上世纪90年代便已存在的RPA技术，由于环境、成本、实施等因素的制约，只能是如IBM、亚马逊、沃尔玛等这些超大型企业的专属。随着2015年人工智能技术的迅速崛起，RPA与AI的结合使其以“英雄归来”之势出现在人们眼前。快速将AI技术落地到实际业务中，RPA成为了企业打开人工智能这扇大门的“金钥匙”。这是所有行业同仁共同努力的结果。回顾这一年，RPA中国既是参与者同时也是旁观者，我们见证了各行业为RPA生态建设所作出的努力，也为大家作出的实际贡献而喝彩。在这个过程中，我们感谢行业发展所衍生出的新机会，也感谢自己当初的坚持，RPA中国很荣幸抓住了这样一个契机，能够与RPA行业共成长！下面，RPA中国将从融资、合作、产品、活动、数据报告五个维度为大家总结盘点，作为“RPA元年”的2019到底有哪些值得被铭记的时刻。
融资
RPA行业的风起云涌，引起了各路风投资本的兴趣和青睐。那些走在行业前沿的佼佼者，在这一年里终于成功与资本牵手。
2月
英诺森获数千万元A轮融资：英诺森成立于2015年初，主要为全球范围内的大中型能源企业，提供企业级RPA服务，致力于融合管理实践与信息技术打造应用层面创新的数字化解决方案。
Kryon Systems完成4000万美元C轮融资：Kryon是一家RPA初创公司，通过提供“拖拽方式”来简化自动化流程设计，用户只需要进行拖拽即可进行操作。该平台可以创建具有深度学习能力的机器人，使得机器人可以“看懂”界面。
RPA初创公司Catalytic宣布完成B轮3000万美金融资：该轮融资由英特尔领投，Redline Capital和现有投资者NEA，Boldstart和Hyde Park Angel跟投。
3月
5月
UiPath获得5.68亿美元D轮融资：本轮融资由Coatue Management领投，从而使得UiPath的估值达到70亿美元，成为全球估值最高的RPA厂商。这也是2019年整个人工智能领域融资最高的企业之一。
People.ai获得6000万美元融资，提供自动化销售机器人：People.ai是一个基于云平台的自动销售系统。通过RPA机器人帮助企业的员工，每天筛选大量的数据，并进行归类分发，以帮助企业员工节省大量工作时间。同时RPA机器人将自动把联系人、潜在客户、相关信息记录，添加到公司的客户关系管理系统中。
6月
企业RPA支出管理软件Procurify，获2000万美元B轮融资：Procurify是基于AWS云托管的软件服务（SaaS）产品，使企业客户能够全面实现机器人流程自动化（RPA）的采购订单提交、应付账款、组织采购等。同时Procurify支持自动成本计算，自动审批等行政功能。其跟踪和报告工具通过与QuickBooks，Oracle的NetSuite和Amazon Business PunchOut等现有会计套件集成，可实现自动化销售数据分析报表。
弘玑 Cyclone获得A轮1000万美元融资：该轮融资由DCM中国、源码资本领投。弘玑Cyclone在金融行业，以及其他中大型国企、央企、上市公司受到广泛应用。弘玑Cyclone目前在营收、融资额、估值都处于国内RPA行业第一梯队。
来也科技 UiBot获得B 轮3500万美元融资：AI公司「来也科技」宣布完成与RPA创业公司「奥森科技」合并；“新来也”同时宣布完成B 轮3500万美元融资，进入RPA AI市场。本轮融资由凯辉创新基金领投，老股东中双湖资本和光速中国超份额跟投。
云扩科技获千万美元A轮融资：此轮融资由金沙江创投领投。云扩与其他RPA公司的一个显著差异是，将自己定位成“RPA产品技术提供商”，为各个行业的合作伙伴提供基础RPA技术，利用合作伙伴在垂直行业数十年的积累，抓住企业业务痛点，更快速精准的推动RPA项目落地产生价值。
AllyO获B轮4500万美元融资：AllyO的RPA利用会话式人工智能来快速识别招聘中合格的求职者，自动化招聘流程将节省简历筛选时间，并为招聘经理提供有价值的招聘数据。AllyO的RPA集成了文本、后期应用、LinkedIn、Monster以及Twitter和Facebook等社交媒体网络；管理方面集成了 SAP SuccessFactors和Taleo等人力管理组件。从AllyO的设置面板，用户可以配置智能工作流程：自动筛选、安排（通过Google日历，Exchange和Outlook）面试以及招聘后签到功能。
7月
Signavio获得1.77亿美元C轮融资，提供智能RPA解决方案：Signavio获得由Apax Digital、DTCP领投的1.77亿美元C轮融资。这是继去年3月份B轮1750万美元之后再次获得巨额融资。Signavio的工作原理是通过RPA自动搜集企业正在进行的工作和已做出的决策，并整理到一个可视化数据系统中。使企业可以简单直观的查看所有业务流程，实时掌握这些工作的动态。同时Signavio RPA从IT系统中进行数据挖掘，以洞察业务流程潜在风险和改进方案。
TMRW获得A轮1200万美元融资，是全球第一个生育医疗RPA：TMRW为生育医疗界创建了世界上第一个完整的射频识别（RFID）低温（-310 F / -190 C）兼容数字监管流程自动化。TMRW的RPA平台通过实时监控，可消除已知的胚胎风险并持续提供安全警告。同时TMRW每天自动进行多达17,000次“环境健康检测”，以确保胚胎的环境安全。
RPA初创公司Mesmer，获得由英特尔领投的1500万美元A轮融资：Mesmer是由Zenprise团队演变而来，该团队在2012年以3.55亿美元的价格为Citrix构建并销售其移动设备管理解决方案。通过RPA内置的AI（人工智能）、ML（机器学习）对测试软件的架构进行建模分析，然后模拟人类行为进行逐个模块的试错，测试速度每分钟可以达到800-1000次。整个自动化测试过程包括：从构建测试基础架构，执行UI测试，记录错误数据到自动生成软件测试报告。
工业自动化公司Fetch Robotics，获得由软银领投的C轮4600万美元融资：Fetch Robotics成立于2014年，主要为客户提供基于云端的智能机器人自动化服务，可在仓库、工厂和配送中心等地点运行。机器人可用于在仓库周围运输货物和材料，并且自动收集数据，包括：库存周期计数、出货量、入货量等数据。还可以生成深度数据分析报表，以供用户对仓库进行更好的科学管理。
RPA初创公司Electroneek获得50万美元种子轮，专注中小企业自动化业务：Electroneek是一款简单而功能强大的机器人自动化工具，适用于重复、固定、繁琐的办公任务。例如：RPA可以自动批量地提取PDF文档中的内容，然后进行格式转换，最后将数据上传或存储到用户指定的位置。Electroneek还可以从业务文档（例如：发票或采购订单）、桌面、SaaS应用程序（例：Salesforce）中提取数据信息，然后进行转换、分析等处理，最后生成数据报告；或者只是在任何系统或应用程序之间，根据用户的设定传输数据。
Quiq获1250万美元B轮融资，将RPA引入客户服务 ：Quiq提供了一个平台，使企业可以轻松地将多种消息传递工具集成到他们的网站和应用中，包括SMS、Apple Messages、Twitter、Facebook Messenger、Web聊天、Kik和谷歌基于RCS的RBM。Quiq还使公司能够将消息传递集成到他们自己的本地移动应用中，并提供单向“广播”服务，以便向客户传播重要消息。
8月
Harver获得1500万美元B轮融资，用RPA重塑招聘流程：Harver通过RPA可以为招聘行业提供一整套自动化招聘流程，包括：简历筛选、简历排名、招聘人员信息记录、通知面试等。
云扩科技获红杉中国资本数千万元 A 轮融资：云扩科技宣布，获得红杉资本中国基金数千万元A 轮融资。云扩信息是一家智能RPA产品与解决方案提供商，利用云计算与流程自动化技术、为用户提供数字化咨询实施服务、数字化机器人解决方案，帮助用户解决云计算咨询、迁移与运维服务、数据平台搭建等难题。
“英诺森”获数千万美金B轮融资：英诺森是定位于能源行业数字化解决方案的服务商，成立于2015年初，主要为全球范围内的大中型能源企业提供企业级软件咨询及研发服务。和业内大型软件公司相比，英诺森的差异化在于全球经营、行业聚焦和产品导向。
10月
11月
Robocorp获得560万美元种子轮融资，为RPA供应商提供开源工具：Robocorp通过云平台、原生开发工具在全球范围内帮助RPA开发商和企业，实现高效的RPA解决方案开发和安全部署，同时提供开源RPA开发框架，可根据自身需求进行量身定制。
Automation Anywhere获得B轮2.9亿美元融资：此轮融资由Salesforce Ventures领投，软银、高盛跟投，使得Automation Anywhere的估值达到68亿美元，总融资额达到8.4亿美元（A轮2.5亿美元，A 轮3亿美元）；而上一次获得A 轮3亿美元融资时，其估值仅为26亿美金。
合作
RPA行业的高速发展激发了行业内部的活跃和繁荣。越来越多的RPA企业开始把目光投向行业内外，寻求与上下游伙伴在商业链条上的合作与共赢。
5月
Appian战略合作UiPath，联手推动无代码RPA：Appian和UiPath此次战略合作可以使企业更快，更轻松地部署RPA自动化解决方案，帮助将工作人员、机器人和系统整合在一起，从而改善客户体验，提高效率和运营绩效。
Infogain与Automation Anywhere达成合作，共同推进房地产RPA：Infogain为客户管理大量房产信息。通常房地产经纪人的任务是手动收集新的房产信息，这不仅耗时而且容易出错。为了解决这些困难，Infogain与Automation Anywhere进行合作，设计了一款智能RPA机器人：利用Google Cloud的AutoML Vision物体检测API，通过查看公开可用的图片自动识别信息。在Bot收集信息后，RPA会添加定价和基本信息以完成列表。房地产业应用这款RPA后，其搜集房产时间将缩短70％。
UiPath与Sopra Steria达成合作，共同搭建RPA培训业务：Sopra Steria将在UiPath RPA平台上提供RPA Developer 1 Foundation 1培训，RPA Developer Level 2 Orchestrator和RPA Developer Level 3高级培训。培训将通过现场和虚拟教室模式进行。
UiPath与东盟多所高校合作，未来三年输出5万名RPA人才：此次合作学校包括：新加坡义安理工学院、共和理工学院、ITE西部学院、菲律宾亚太学院（APC）以及泰国国王Mongkut科技大学Ladkrabang（KMITL）等名校。培训课程会在技术、维护、思维、实践等关键步骤对学生实施教学与帮助。UiPath旨在通过上述技能在未来三年内培训50,000多名东盟学生和专业人士。
Blue Prism与Adlib技术合作，使RPA可处理非结构化数据：该集成通过Adlib Elevate平台领先的人工智能和机器学习等技术，使企业能够从非结构化文档格式（电子邮件，扫描文件，图像等）中发现、访问和提取任务关键型数据，并将其转换为Blue Prism RPA可自动处理的数据。
Blue Prism与Winshuttle达成合作，通过RPA实现SAP、ERP自动化：作为Blue Prism技术联盟计划（TAP）的一部分，Winshuttle为Blue Prism数字化劳动力增加了灵活性。用户通过Blue Prism Digital Exchange可以访问Winshuttle Visual Business Object（VBO）模板。这种集成将允许客户使用Blue Prism连接和集成他们的企业系统，并使用Winshuttle实现SAP、ERP系统的数据自动化。
6月
CognitiveScale与Blue Prism合作，增强RPA的AI能力：CognitiveScale的Amplify AI产品套件将在Blue Prism的数字交换（DX）平台上以“Process Insights Agent”开始提供。Process Insights Agent自动透明地提取，解释和解锁复杂文档和业务流程中的知识和预测，从而扩展人力资源专业知识，提高核心流程（如合规性，索赔，承保，资产管理和数字采购）的工作效率。
Ricoh战略合作Jidoka，加强其RPA智能化功能：Jidoka使Ricoh能够加强其RPA技术组合，其中包含适用于云环境的DevOps架构，并通过自主方法为RPA机器人的定制和开发增添了广泛的扩展性。
UiPath与Migros达成合作，推出RPA基础课程：Migros与UiPath进行合作，首次推出机器人流程自动化（RPA）基础课程。该课程包括5天半的时间，在课程的最后一天，还将有机会通过实践考试获得Migros开发俱乐部的RPA证书或UiPath在线认证。
WorkFusion战略合作NEC，联手推动日本RPA市场：NEC将为全球企业客户提供WorkFusion RPA服务。同时将与WorkFusion共同开发RPA机器人，解决日本独有的特定财务和会计流程自动化问题。
Automation与微软达成合作，为Azure用户提供RPA机器人：Automation Anywhere选择Azure作为其云提供商，主要是看重了微软的技术实力与影响力，Azure将帮助客户可以随时随地访问机器人自动化服务。任何企业和组织可以在Azure本地以及公有云或私有云中托管Automation Anywhere 的RPA平台。
安永，Blue Prism为微软Azure云提供RPA服务：通过此次合作，Blue Prism的自动化技术和Microsoft的Azure平台加上安永在全球机器人服务和各种行业经验方面的市场领导地位，企业现在可以在财务、人力资源、供应链、IT和销售等实现显着的成本节约能。
9月
UiPath与Arrias达成技术合作，推出全球首个本地集成NLG的RPA平台：UiPath将RPA与Arria的NLG相结合，为企业提供更智能的自动化解决方案，可以极大地提高数据报告的处理效率和准确性。NLG是一种人工智能技术，专门用于从复杂的数据源中提取见解并以自然语言（即就像人类书写或说出的那样）输出内容，NLG是自然语言处理（NLP）的重要组成部分。
Automation Anywhere与Wipro达成合作，打造智能自动化实验室：由Wipro设计的自动化实验室旨在汇集和展示，最新推动企业数字化转型的工具，如“虚拟员工”、认知自动化、工作流和大数据分析技术等。帮助企业快速部署和投入使用这些领先的技术，并为澳大利亚的应届毕业生和技术人才提供学习的机会，以获得最新的自动化技术认证。
10月
UiPath公布年度最佳合作伙伴奖，微软、德勤、安永等公司入选：全球RPA行业领导者UiPath公布了年度合作伙伴获奖名单。在公布的12个奖项中，7个奖项授予了在自动化领域做出了卓越贡献的咨询公司。该奖项旨在表彰UiPath的合作伙伴在RPA部署、实施与服务的突出表现。
11月
UiPath亮相“2019进博会”，与中国联合国采购促进会签署合作协议：UiPath将利用全球领先的机器人流程自动化（RPA）技术，参与到由促进会推动的“壹公里计划”国际公共采购服务平台的改革建设中。结合促进会的丰富资源，法本信息的专业IT服务经验，以及UiPath在RPA领域的全球视野与技术、资源优势于一体，三方将共同致力于国际公共采购服务体系的自动化、专业化提升，帮助企业改善在国际投标中的被动局面，加深企业参与联合国公共采购市场的力度与深度，实现全球采购市场的协同合作与发展。
12月
Parascript与Automation Anywhere达成技术合作，为RPA提供高级文本服务：通过此次合作，Parascript将为Automation Anywhere RPA提供基于机器学习的文档提取、分类和分离等服务。Parascript的文档提取服务仅使用标记样本数据，便可以自动配置图像优化、文档分类和分离以及数据提取。系统会自动分析输出数据以设置文档和字段级别的准确性阈值，以确保用户的数据满足严格的SLA要求。
Automation Anywhere与迈凯轮车队达成合作，通过RPA提升车队运营效率：通过此次合作，Automation Anywhere将为迈凯伦运营团队提供智能自动化服务，以帮助车队节省时间、提高工作效率和增强竞争力。这也是RPA行业第一次跨界进入竞技赛事领域。作为合作的一部分，Automation Anywhere的品牌将在MCL35赛车，车队赛车手Lando Norris和Carlos Sainz的赛车服以及赛车操控设备上出现。
UiPath与土耳其大学达成合作，为其开设RPA课程：同时土耳其大学将加入由UiPath发起的“学术联盟”，成为重要合作伙伴。UiPath的“学术联盟”主要通过与领先的机构、大学和学院进行合作，构建了一个全球性RPA知识生态系统，并由教育者和学生组成的自动化社区与世界各地的学习者分享RPA知识。UiPath将为学生系统的提供RPA课程、自动化软件平台、支持论坛以及协作工具。
普华永道与Blue Prism创办中国首个RPA卓越中心，加快中国企业RPA部署，提高运营灵活性：普华永道宣布其位于深圳前海的RPA卓越中心正式成立。该中心为中国首个RPA卓越中心，致力于帮助客户更好的应用Blue Prism的Connected-RPA平台。作为中国首个RPA卓越中心，该中心将重点为银行、零售、房地产、TMT(电讯、媒体和科技)、金融服务和保险、公共事业、物流、制造、自动化等行业的中国企业提供支持服务。
产品发布
随着RPA行业走向繁荣，针对下游各个应用行业的产品和解决方案不断涌现出来，标志着RPA应用场景的日益丰富和全面。
2月
中兴新云陈虎博士团队出品书籍——《财务机器人——RPA的财务应用》：基于“大智移云物”的时代背景，描绘了新兴技术对财务的影响，介绍了RPA技术的原理和特点，并详细阐述了财务机器人的功能、适用的业务场景及流程。同时，本书通过丰富的案例展示了财务机器人在企业中的应用，总结了企业成功实施RPA的方法，为企业实现财务流程自动化提供借鉴参考，是一本具备理论、实践和方法论的财务机器人应用书籍。
5月
iGrafx发布世界首个RPA加速器：iGrafx推出业界首个端到端RPA加速器解决方案，包括：新版iGrafx平台的加速套件，以及来自myInvenio的流程挖掘器，还有来自集成UiPath的RPA机器人以及BP3的专业服务。
UiPath在Microsoft Azure上发布RPA解决方案：UiPath可以让客户轻松利用各种Azure服务，包括Azure认知服务，Microsoft Office 365，Power BI和Dynamics 365，大规模提供RPA解决方案。对于已部署在Azure中的客户，自动部署解决方案，可以根据需求的变化轻松扩展其RPA机器人部署。
6月
Troovo推出企业支付RPA解决方案：Trovo利用其基于规则的机器人流程自动化技术，帮助公司整合供应商的支付系统，费用管理平台，基于纸张的支付流程和会计管理平台。RPA可以更好地消除支付欺诈，减少人工成本和人为错误。
Kofax发布新版RPA，集成OCR、电子签名等功能：在竞争日益激烈的RPA市场中，Kofax的RPA不仅集成了AI功能，还将OCR和电子签名功能同样整合在其中，实现公司整个业务的自动化，使其能够实现端到端的自动化。通过新版RPA，用户现在可以简化RPA无法处理的操作，例如模拟文档的数据转换，业务流程的可视化以及最终用户的操作。
7月
达观数据召开“达道至简”主题产品发布会，推出国内首款自主研发集OCR和NLP于一体的达观智能RPA：与传统 RPA 不同的是，达观智能RPA解决了流程自动化“最后一公里问题”，通过自然语言逻辑分类、自然语言数据提取、识别和深度学习模式预测，将RPA的应用场景覆盖面提升到 了80%以上，陈运文介绍，达观数据创新性集成RPA与AI，赋予机器人学习和思考的能力，打造了更聪明的机器人员工。
金智维发布免费社区版K-RPA工具：可通过访问独立社区网站进行下载，特点是无需编程基础，可视化编程，同时集成了常用的机器人组件商城，下载即用，社区版包含了3000 底层函数，与系统级别进行了打通，不依赖于运行环境，实现了RPA技术的突破。
阿博茨科技发布旗下AI RPA产品“Everdroid.AI”：基于机器视觉及NLP技术，可对图片、PDF、扫描件等文档内容进行识别理解，同时支持图表、表格、文本等全类别数据解析和抽取。Everdroid.AI打通了非结构化数据解析场景的数据获取和录入环节，实现针对不同类型的数据，形成平台级解决方案，利用AI机器学习平台和RPA平台，客户和合作伙伴可自定义模型和业务流程，适应不同场景。Everdroid.AI以开放的思路，汇聚开发者形成社区，与合作伙伴共同构建行业生态体系。
8月
NelsonHall推出业界首个智能自动化评估平台：世界著名信息分析公司NelsonHall 宣布推出业界首个智能自动化（IPA）评估平台。目前已涵盖Antworks、Automation Anywhere、Blue Prism、Datamatics、IPsoft、Jacada、 Kofax、Kryon、Redwood、Softomotive和UiPath等十几款主流RPA。
容智信息亮相2019年世界人工智能大会，并发布数字生产力平台——容智iBot 8.0版本：在原有的Server Manager Console基础上，容智iBot 8.0增加了Live、Helper、insight模块，用户可直接在管理界面上实现可视化数据统计、任务一键发布、机器人状态监控、任务自动触发、密钥管理等相关操作。并针对中国市场用户需求，创新性开发机器人直播和远程控制功能，动态监控机器人执行状态，即时预警异常状态，重新定义人机互动工作模式，以更直观、更灵活的手段实时高效管控，更好的为企业用户提供数字化生产力。
9月
自动为先，连接一切，智能进化，云扩科技发布新一代“天匠智能企业级RPA”：云扩科技CTO史秋芳从“低易用、难集成、难构建”三个企业级RPA应用的挑战出发，现场发布并演示了云扩科技实力升级的企业级RPA平台——天匠智能RPA2020版。一直以来，云扩科技定位「企业级RPA产品提供商」，专注于企业服务领域的智能自动化产品解决方案，通过本次发布的企业级「天匠智能RPA产品2020版」，以不断演进的RPA赋能中国企业自动为先的能力，真正的让每个企业更有效率，让每个人更有价值。
艺赛旗RPA 10.0——为合作共赢而生，Beta版上线：Bate版无需注册，无需License申请，企业可以拿来就用，更有独立化的RPA场景，无论是大型企业，还是中小企业及C端用户都可以直接使用。值得一提的是，C端开发者可以根据自己所学，独立设计开发出机器人。
Blue Prism推出“自动化”大学，以实现RPA技术平民化：Blue Prism大学是一个面向所有人的在线RPA学习平台，提供RPA从基础、中级到高级的所有学习资料，同时也提供一对一的教学方式。为了帮助学员更好的理解和掌握RPA，在学习期间可以得到90天免费的学习版软件。通过这两项计划，Blue Prism希望更多的人员可以加入到自动化队伍中。
Kryon推出基于Microsoft Azure的智能自动化：Kryon的AI Booster允许用户通过拖拽的方式将OCR、NLP、ML等人工智能技术部署到工作流程中，而无需部署和开发复杂的AI应用程序。通过无缝地连接到Kryon的自动化套件中，这些先进的AI功能将创建出色、统一的自动化体验。
DIP推出FAST RPA Cobot，面向中小型企业招聘业务：FAST RPA Cobot是一种快速RPA，用户只需要在1天甚至几小时内，就可以完成所有的部署并投入使用。Cobot是安装在办公室PC上的桌面级RPA工具，由DIP运营的监控中心提供远程RPA机器人维护支持。
10月
RPA行业迎来重磅玩家，SAP发布多款智能自动化产品：在“SAP TechEd”大会上，SAP首席技术科学家Juergen Mueller介绍了多款SAP智能自动化产品，分别是SAP S / 4HANA、SAP Analytics Cloud、SAP Leonardo AI和SAP Cloud Platform。新发布的4款产品从人力资料、财务管理、产品制造、供应链在到采购材料提供全套的智能自动化服务。
福昕发布最新9.7版本，成为首个支持RPA的PDF软件：此次为福昕提供RPA技术支持的是机器人流程自动化行业的领导者UiPath。通过此次合作，用户可直接自动从创建的文档中提取文本信息；而在9.7版本之前，用户想自动提取PDF文档信息需要借助OCR（光学字符识别）的帮助，不仅麻烦而且准确率也受到一定影响，这对于经常提取PDF文档的企业来说非常不便。
PK推出BotScope平台，帮助企业批量管理RPA机器人：PK的Bot Scope管理平台可以兼容市面上绝大部分主流RPA供应商提供的机器人，可帮助公司快速部署、操作和监视自动化流程。还可以帮助企业评测自动化风险，避免企业在执行自动化业务时产生致命错误。
Automation Anywhere推出全球第一个基于Web的RPA平台：推出世界上第一个完全基于Web的原生数字化自动化平台——Automation Anywhere Enterprise A2019。目前Enterprise A2019可在企业内部部署以及任何公共、私有或混合云中使用。该版本支持超过14种语言，新增175种新功能，同时极大地降低了企业应用RPA的IT资源成本。
Asana推出移动端自动化工具，支持iOS系统：Asana旨在帮助个人和团队在项目上进行管理，包括管理截止日期、共享反馈和应用程序操作。还可以通过可视化界面，在团队之间自由分配工作。可根据用户的自动计划提供不同级别的功能。新的Asana自动化工具将为业务人员提供更人性化的功能。
11月
Blue Prism首创，推出SaaS、云、混合、本地等多种RPA部署环境：全球领先的RPA供应商 Blue Prism宣布，推出基于SaaS、云、混合、本地等多种IT环境的企业级RPA（器人流程自动化）平台。这种多元化部署方式，使得用户可以根据自身实际情况来选择部署环境，减轻企业部署RPA时所面临的挑战，同时也是RPA行业首创部署模式。
RPA中国携手达观数据，推出权威RPA认证课程：在RPA AI逐渐成为市场发展的趋势下，达观RPA作为国内唯一一家集成全面自主研发AI模块的RPA产品，在资深开发专家培训课程中，融入AI组件在RPA中的应用讲授，让培训者更了解两种技术的融合方式，提前掌握未来技术方向。
RPA行业再迎巨头，微软发布强大自动化工具Power Automate：微软发布的最新自动化工具“ Power Automate”是根据之前的Microsoft Flow演变而来。通过为Power Automate添加RPA功能，以帮助工作人员将那些固定、重复的任务实现自动化。
12月
智能流程开箱即用，达观RPA在业界率先推出流程模板库：达观RPA正式推出了全新的4.0版本，大幅提升了产品的易用性、智能化和兼容性，更全面地满足企业自动化升级的需求。新版本的一大亮点是增加了流程模板库，为客户业务自动化流程快速落地提供了创新的解决方案。在流程模板库上线不到1个月的时间里，流程模板的调用次数就达到了近千次，用户直接打开运行或者简单配置几步即可使用，极大缩短了实施达观RPA机器人的开发周期。
活动
通过举办一系列的峰会、论坛和活动，促进了RPA行业内部的沟通和交流，为整个RPA生态建设发展，起到了积极促进的良好影响。
5月
携手共建RPA应用生态圈 UiPath举办首届中国伙伴峰会：在中国上海举办了首届UiPath中国合作伙伴高峰论坛，100多位中外合作伙伴嘉宾参与活动。围绕“Automation First”（自动化为先）主题，UiPath发布了渠道发展策略，通过伙伴体系建设、技术赋能、资金支持等三方面措施，旨在携手合作伙伴共建RPA应用生态圈，共同推进RPA技术在中国的全面普及。
JOLT联手UiPath，在全美举办RPA技术普及大会：会议的内容包括：RPA知识概念的普及和RPA技术的分享与培训。除了概念培训，参与者还将参加动手互动练习，展示RPA的易用性和广泛适用性。他们还将有机会把亲手设计好的RPA带回家，以减轻个人的信息工作管理。
6月
Automation Anywhere在东京举办“IMAGINE TOKYO 2019”大会：此次Automation在东京新高轮王子大饭店举办的“IMAGINE TOKYO 2019”会议为期两天，到场嘉宾有2000多名，除了日本之外，中国、韩国、新加坡、菲律宾等亚洲知名企业客户也出席了会议并分享RPA使用心得。其中，软银集团的总裁孙正义先生作为特约嘉宾与Automation投资人双重身份出席。
UiPath 举办“自动化马拉松”开发比赛，获奖者可得12万美金：在持续24小时的马拉松开发比赛中，50多个团队和超过150名开发人员参赛。参与团队解决了以下三个方面的挑战：企业、日常生活中、社会信息的自动化处理。赢家获得价值12,000美元的奖品。
7月
2019年重庆理工大学“互联网 会计/审计”特训夏令营：来自全国多所院校的学员共同学习RPA、智能财务、大数据等技术。活动是由重庆理工大学联合UiPath共同举办。为2018级会计学硕、MPAcc 部分研究生提供RPA课程。
8月
RPA中国举办“RPA应用与发展论坛”，开启中国RPA生态新纪元：本次活动由RPA中国主办，是国内第一场聚集了国内外众多一线厂商、享誉世界的四大咨询公司、优质渠道合作伙伴、企业客户的RPA行业盛会。
Automation Anywhere在班加罗尔举办开发者大会：本次大会介绍了Automation Anywhere的免费社区版，Automation Anywhere的RPA认证和培训;在线社区A-People，以及公司的Bot Store。一个新的开发人员门户网站也首次亮相，它作为开发人员访问软件、学习资源、应用程序编程接口（API）和软件开发工具包的一站式资源。
UiPath举办“RPA AI”协作强化发布会，共有100家企业参与POC计划：日本公司首席执行官Koichi Hasegawa计划与众多领先的AI公司进行合作，推出日本在线技术支持市场，提供连接器AI服务，并与35个AI合作伙伴共同开发。同时UiPath在日本宣布了100家公司规模的“RPA AI解决方案”演示实验（POC）计划。
9月
UiPath举办全球最大规模RPA活动，超过3000人参加此次大会：UiPath在拉斯维加斯的百乐宫酒店举办名为“FORWARD III”的RPA大会，作为全球最大规模的RPA活动之一，超过3,000人参加此次会议，包括来自世界各地的企业客户、合作伙伴、RPA爱好者、技术开发者等。本次大会主题是“重新开始工作”提倡每位员工停止那些老旧、过时的方式工作，并以全新的自动化工作方式开始工作。
云扩天匠RPA进化者大会：此次大会嘉宾共同见证了数字化时代企业级天匠智能RPA平台的全新突破，为与会者带来了一场精彩纷呈的RPA技术盛宴。
11月
金证金融科技峰会，开放云原生平台（KOCA）发布：金智维作为金证旗下的平台子公司，十余年坚持自主研发，以金融行业“智能运维，智慧运营”为业务发展方向，以人工智能作为核心技术，研究领域涵盖AI 、RPA、综合监控、自动化运维、ITIL服务流程、IT风险管理等，为金融行业客户提供IT运维、业务运营的各项产品及服务。
12月
2019年全国高校调研重庆理工大学“互联网 会计”：2019年，来自全国的几十所高校，对重庆理工大学会计学院“互联网 会计”本科和研究生特色人才培养、课程体系设置、课程建设、实习实践等内容进行了专题调研。
RPA中国举办“RPA中国2019 Tech Business”商业智能大会：本次大会上，来自UiPath、Blue Prism、SAP、微软、金智维、和信融慧、达观数据、云扩科技、弘玑Cyclone、容智信息、百炼智能、德勤中国、玄一科技、中投创展等十几家国内外行业巨头的特邀嘉宾在大会上分享了各自的成功案例和实践经验。RPA中国旨在为广大厂商和合作伙伴搭建一个交流合作平台，扩展行业客户资源。
达观数据首届RPA渠道伙伴认证课程圆满落幕，推出合作伙伴赋能计划：以达观智能RPA为核心，将为合作伙伴延展与RPA产品实施、培训、知识库、AI能力赋能、市场合作等全方位的赋能计划，构建本土RPA产业生态圈，为企业提供最佳的数字化体验。
数据报告
19年以来RPA行业发布的一系列数据和报告表明，RPA正在或将要给许多传统行业带来革命性的改变。
5月
甫瀚发布RPA数据报告：超过450家公司，每年在RPA投入超过500万美元：甫瀚和ESI ThoughtLab联合对全球超过450名高管进行RPA（机器人流程自动化处理）的数据调查。研究发现，这些公司平均每年将花费高于500万美元用于RPA软件。其中超过30%的公司每年在RPA上的投资高达1000万至2000万美元，他们希望自动化更多的业务流程，以便提高企业竞争力。
7月
Gartner发布第一个RPA行业魔力象限：此次Gartner评估了18家RPA供应商的数据报告。魔力象限中的RPA供应商根据两个标准进行评估：执行能力和企业战略。UiPath在各项数据评测中均名列前茅成为第一名。
9月
云扩科技发布《自动为先，迎接全新的数字化变革挑战，打造敏捷创新的成功实践》白皮书：该报告对企业面对数字化转型所面临的挑战，如何利用RPA重构企业价值链，企业级自动化最佳实践，如何选择可信赖的企业级RPA平台，探索RPA AI知行合一进化之路等诸多问题进行了详细阐述。
10月
Pega发布全球RPA用户调查：67％的企业认为，RPA效率超过他们的预期：该报告对全世界509家正在使用RPA的企业进行了调查，受访公司来自美国、英国、法国、德国、荷兰和澳大利亚等地区，行业包括：医疗保健、保险、制造、通信、媒体以及金融服务行业。并且这些企业的年营业额全部超过1亿美金。
IDG发布最新RPA报告：到2020年，44%的企业将把RPA作为数字化转型工具：数据显示，在2019年只有25％接受调查的公司将RPA（机器人流程自动化）作为企业战略中的一部分，而到2020年这一数据将提升至44.4％。同时大约52％的中小型企业认为RPA机器人将改变企业的工作方式，提高工作效率的同时节省大量人力资源。
11月
Futurum发布《2019年RPA与IPA现状》数据报告，超过50%企业已完成RPA部署：该报告对北美1000家企业进行了详细调查，调查的行业包括：制造业、媒体与出版、金融行业、医疗保健、零售、公共部门等11个行业。本次数据调查报告的目的是，确定企业对RPA（机器人流程自动化）当前与未来的投资趋势，以及各行业对RPA和IPA（智能流程自动化）的应用现状与未来3—5年内对RPA的部署计划。
Gartner发布“2020年十大技术趋势”，RPA居首：该报告显示了企业在未来发展战略中应考虑应用的技术，这些技术对各个行业具有巨大的变革能力。在企业迈向数字化转型的漫长过程中，应该跨越功能和流程孤岛构建智能战略计划，并充分利用RPA、iBPMS、DTO和AI在内的智能工具并将它们与现有系统集成在一起，以实现可持续化的数字化转型。
德勤发布“2019北美高科500强”：UiPath以37%的增长率，位居榜单第一名：25年来，该榜单一直是技术、媒体、电信、生命科学和能源技术等公司最客观的排名榜单之一。500家企业（380家私营公司和120家上市公司）皆以技术创新为基石，正在通过最新的科学技术颠覆、重塑各个行业。UiPath的营业收入增长达到了37,458%从而问鼎榜首。
Hackett发布RPA应用报告：可有效降低企业60%的成本支出：该报告评估了世界级金融机构（年收入达到100亿美元的企业）在RPA应用方面的成果。60％的企业决策者认为，数字化转型是企业未来发展的重要战略；46％的企业战略报告显示，机器人流程自动化将重塑企业工作模式；72％的企业表示将在2—3年内完成数字化转型。
12月
Forrester发布“RPA市场服务”报告：80％领导者认为RPA，对于改善客户服务至关重要：调查结果表明，80％接受调查的组织领导者认为，RPA对于提高客户服务和团队工作效率至关重要；72％的人认为RPA对于新兴渠道中的客户自助服务帮助巨大。同时Forrester指出，2019年全球行业在RPA方面支出预计将超过50亿美元，到2023年预计将超过120亿美元。
Avasant发布2019年RPA厂商评估报告，和未来智能自动化发展趋势：对全球25家RPA厂商，包括：Automation Anywhere、Antworks。Blue Prism、UiPath、Kryon、等，从产品成熟度、业务适应性和产品创新等维度进行了详细评估。评估方式包括：公开信息、年度报告、季度收益公告、高管访谈、在线问答以及用户反馈等。同时该报告还预测了未来RPA发展趋势，以及目前IPA（智能自动化）的生态建设和应用情况。
200多年前蒸汽机领导了第一次“工业革命”，使传统的手工业迈入了机器大工业时代，世界经济迎来了第一次大飞跃。随后电气时代的“信息革命”和科技时代的“互联网革命”接连推动了世界经济的发展并改变人类的生活和娱乐方式。如今RPA机器人的出现势必会引领第四次“自动化革命”，再一次改变全球企业的工作方式。在未来这段充满希望和挑战的日子里，RPA中国愿与各位一同见证这一辉煌时代的到来。
2019值得被铭记，2020未来已来！
