金智维成立于2016年，是一家RPA（Robotic Process Automation，即机器流程自动化）解决方案提供商，通过部署可处理重复性工作的机器人的方式，帮助金融及其他领域的公司提升效率。金智维的产品体系包括智能运营和智能运维两部分：智能运营，即K-RPA机器人流程自动化平台，借助机器人为企业的运营与生产部门进行业务优化，涉及到生产、财务、供应链、渠道等方面的应用；智能运维则面向企业后端的科技/IT部门，通过机器人帮助其数据中心实现自动化运维。

金智维成立之初便明确要打造企业级产品。正因如此，公司也沿着企业层面中央管理的视角进行产品的迭代和升级，与海外的Blue Prism模式类似。2019年以来，在企业级RPA服务的基础上，金智维也开始注重提升产品易用性和用户体验，致力于让业务人员快速掌握RPA系统的使用。目前金智维交付给客户的产品标准化程度达70%，这意味着除复杂场景需要编程外，业务人员的大部分需求均可通过拖拉拽的引导方式完成场景的定制。

此外，金智维还在以下几个方面进行了产品特性的提升：

• 数据安全性：保护用户的密码与数据安全，拦截以任何方式试图破解密码的行为。金融业务涉及到的交易安全性、业务机密程度高，一旦数据泄露可能会给客户造成极大的损失，因此安全问题一直是金智维非常重视的方面。公司现已对产品进行了多重加密，保障客户的业务数据不会发生外泄。
• 高并发协同作业：大B客户的业务体量和使用规模，决定了对产品架构的高要求。公司产品支持多台服务器、数千个机器人、上万项业务的并发协同作业。可实现集群管理，各服务器与机器人之间无缝对接，从而最大限度地利用资源且规避因宕机引发的业务停转的风险。
• AI技术应用：除自身研发的AI技术外，同时预留了AI能力接口，从而打造更为开放的RPA+AI生态，并已实现了与百度、阿里、腾讯等公司AI能力的对接及中小企业AI能力的整合，从而提升产品对更多智能化场景的支持能力。

不同于ERP系统的整体性及难以更换的特征，RPA服务基于细分业务场景展开，客户往往会先采购针对某个具体场景的机器人，等运行一段时间后再灵活决定是否续费，因此RPA提供商随时都有被更换的可能。复购率成为了检验RPA产品与服务质量的实时指标。据金智维创始人&CEO廖万里介绍，公司产品及服务能力的市场认可度比较高，客户对产品的复购率在90%以上。2019年，金智维营收近5000万元，RPA产品及项目交付的收入占比80%，服务年费收入占比20%。

受疫情影响，大量公司由于员工无法及时到岗而意识到自身在机器人流程自动化产品方面的需求，RPA行业订单激增。金智维今年上半年的订单与去年同期相比增长达100%，但因为许多RPA项目需要进行现场交付验收，项目回款暂时无法全部到位。预计到今年年底，翻倍的订单量给公司营收带来的增长会有更加明显的体现。

金智维目前触达客户接近300家，金融机构客户已超过200家。其中，券商客户达93家，根据SAC(中国证券业协会)公布的券商名单，金智维于证券市场已占据70%的市场份额。金智维还与50余家银行及省分行、20余家期货、30家基金、5家保险公司等建立了合作关系。

除金融行业外，支柱型、信息高度集中的产业，如大型国企、房地产、医疗行业等，是金智维下一步拓展客户的主要方向。该类企事业单位中，金智维的标杆客户包括国家电网、中国移动、碧桂园及建发集团等。

从市场策略来看，廖万里认为，公司的体量越大，客单价越高，在使用RPA产品后的效果也越明显；而如果是中小微企业，则要判断业务是否对应长尾市场，产品能否有通用价值。

目前国内RPA赛道上有云扩科技、来也科技、Cyclone等通用型RPA公司，也有一些从具体行业起家的RPA公司，如金融行业中的金智维、资产管理领域的览众科技等，但行业赛道中的RPA提供商呈现出向通用型RPA公司转型的趋势，其客户行业分布的丰富性提升。廖万里表示：“由于金融行业安全性要求高、涉及场景复杂，金智维从金融行业向外延伸时不存在技术门槛，且具备复杂业务处理能力、系统安全可靠的先天优势。未来RPA公司的竞争实力将取决于其与大B客户合作的程度及其在行业中的积累深度。”

团队方面，创始人廖万里有26年金融IT行业经验，曾在多家IT公司担任高管，还曾带领团队自主创业，主导产品设计、市场拓展及企业运营的工作。金智维公司现有300多位员工，其中研发人员占比超过40%，此外还有交付、销售、市场、财务等部门的人员，以应对不断扩宽的市场需求。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

近日，蜗牛派接触到了一家以“AI+RPA”为核心的科技企业——「蜻蜓智能」，该公司2015年成立于北京，团队方面，由来自IBM、百度、百信银行等知名企业的十余名专家技术团队组建而成，主要为检察院、税务局、银行、财务公司、运营商、广电等行业提供RPA流程自动化与数字化咨询及解决方案服务，已经积累了40余项企业流程自动化与AI相关领域的软件著作权与专利。

具体来说，蜻蜓RPA产品架构可分为机器人设计器、云控中心、执行机器人三大部分。其中，机器人设计器提供无需编码的拖拽式用户界面，可直接用于流程机器人的编排设计，并将编排好的执行机器人发布给云控中心；云控中心负责管理、调度、监督、控制执行机器人；执行机器人是完成某项任务为单元，载体可以是实体机器或虚拟环境。

不同于其他直接提供标准组件让用户自行编辑RPA机器人的公司，蜻蜓智能瞄准的是业务流程标准化程度高、可复制性强、市场规模大的垂直细分行业，直接向用户提供完整的“数字员工”解决方案。为客户提供专业的流程自动化与数字化咨询服务，帮助客户进行流程梳理与改造，通过私有云或公有云SaaS形式为用户提供标准化数字员工服务，并可提供API形式与用户原有业务系统无缝衔接，所有的执行机器人都通过云端虚拟化配置和云控中心集中式管理，逐渐为用户构建RPA流程机器人COE卓越中心，能够极大的提高工作效率和管理成本。

“相比市场上很多的RPA玩家，以向客户提供RPA平台化产品以收取License费用不同。蜻蜓智能更加专注于行业数字员工的打造，我们为客户提供的产品就是“RPA数字员工”，而不是RPA中间件或相关的技术。数字员工是在AI、RPA引擎的基础之上的‘塔尖’产品，更加贴近于行业客户的用户需求，可以直接帮助客户实现降本增效。在我们落地部分的案例中，ROI投入产出比超过300%。”蜻蜓智能CEO李坤告诉蜗牛派。

蜻蜓智能的数字员工

目前，蜻蜓智能已经开发了70余种执行不同任务的RPA机器人，主要覆盖检察院、银行、税务、自动报税等行业，如面向检察院的案件信息公开机器人、案卡校验机器人、文书自动生成机器人；面向银行的财务报表机器人、监管报送机器人、对公开户机器人；以及税务方面的催报催缴机器人、征收报告机器人。

“我们在做市场调研和为客户提供产品与服务的过程中发现，让用户自己进行流程梳理并通过机器人设计器进行RPA流程机器人的编排，入门的门槛还是很高的，而且每一个终端用户的PC电脑环境都不同，后期的更新迭代管理工作很难。对于很多科技实力不是很强的行业客户来说，交付完整的RPA机器人更加符合客户需求。”李坤告诉蜗牛派，“而我们目标客户的业务流程标准化程度高，可复制程度非常高，实际同行业定制化率是非常低的。同时，我们通过云端虚拟化和集中式管理，能够轻松实现一键同步更新、批量扩容和RPA机器人全景管理视图。”

提供完整的解决方案，交付速度和用户体验是RPA公司必须把握的两个关键点。

交付方面，从需求调研、概念验证、程序开发、测试调优到交付投产蜻蜓智能只需要1-2周的时间。部署上，蜻蜓智能的产品支持企业私有化部署，基于蜻蜓智能成熟的产品架构设计，机器人设计器、云控中心、执行机器人三大功能可以相互分离也能分布式部署。产品迭代方面， 蜻蜓智能的RPA在生产环境进行投产运行，可以不受其他系统更新影响，支持根据实际业务持续对 RPA机器人进行迭代更新。

商业上，蜻蜓智能采用收取年费加调用量费用的收费模式。除了检察院、银行、税务等市场之外，蜻蜓智能还在开拓财税记账服务、人力资源自动化等行业市场。

此前，蜗牛派曾介绍过RPA的基本内涵和行业趋势。随着相关AI技术的成熟和落地，RPA具备了执行纸质文档识别、票据识别、复杂表格等需要光学识别、语音理解等工作的能力。据TransparencyMarket Research研究预测，在RPA未来几年的复合增长率将达61.3%，亚太地区的市场增速在2021年将达到181％，2024年全球RPA的市场规模约为50亿美元。

在这一市场中，已经出现一批获得资本青睐的公司，蜗牛派就曾报道达观数据、云扩科技、来也科技、天行Uni、弘玑Cyclone等。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

在人力成本愈发高昂、人力资源市场愈加细分和分散的现在，类似这样为企业降本增效的产品格外让人瞩目。麦肯锡数据显示，全球RPA市场规模将在2025年达到1000亿美元，并以每年64%的增速，成为人工智能相关领域中发展最快的技术之一。另一方面，国际机器人联盟（IFR）的调查报告显示，在全球范围内的RPA机器人应用密度对比中，排名第一的韩国每10000名工人中有710个机器人，相比之下中国的机器人应用密度只有97，市场仍是蓝海一片。

纵观行业发展，国外市场点燃了第一把火，前有上市公司Blue Prism，再有估值火速冲到70亿美元的头部玩家UiPath、估值68亿美元Automation Anywhere（AA)等，惊人的成长速度吸引了美国To B市场的目光，进而辐射到大洋彼岸的中国市场。

发展到今年，RPA市场格局已初步清晰。在国内，现在也有数十家的RPA公司共同探索这一赛道，除了通用型的RPA产品外，也出现了许多瞄准金融等垂直赛道的厂商、从AI等其他领域切入RPA的玩家，以及拥有雄心壮志的大公司们。

除却资本热度，全球市场的发展趋势也愈发明晰统一。2019年6月，AI公司「来也」宣布完成与RPA创业公司「奥森」合并，强势进入智能流程自动化市场。新「来也科技」提出的“RPA+AI”概念目前已成海内外行业共识。在此影响下，大部分RPA公司都开始强调RPA与AI的结合，以应用商店、接口打通等方式将OCR、NLP、机器学习等能力引入到RPA生态中。

从左至右：胡一川、李玮、汪冠春、褚瑞

在国外，如UiPath在去年收购了StepShot和ProcessGold，以提供业务流程管理、流程挖掘、文档自动化等能力；BluePrism宣布收购Thoughtonomy以发展云端RPA产品；AA则收购了Klevops和CathyosLabs，同样是为了提高RPA本身的产品和研发能力。而在最近，更是有消息显示微软欲收购希腊RPA公司Softomotive，加大对这一领域的投入和覆盖。从去年的交易事件来看，RPA公司的融资及并购大多目的是为了提升自身产品能力，这也成为今年行业最重要的目标。

企业全面“RPA化”：挑战在何方？

据Forrester 2020年的报告，全球RPA市场的产品+服务市场预计达到100亿美元，大多数中国厂商成立于2018 年甚至更早，而他们在过去一年中获得翻倍增长，市场依旧广阔。

36氪在报道RPA行业的过程中发现，人力行政、企业运营（数据统计分析等）、风控审核、财务税务等各个领域的工作都可以通过流程自动化机器人实现降本增效。理论上讲，只要是人员通过电脑执行的高重复性、规则化/结构化的流程，都被认为是RPA的适用场景。时至今日，运行于Windows平台的RPA系统已经广泛服务于金融业、零售业、教育业、医疗健康、物流配送等多个行业。

若从产品能力说起，尚处于发展早期的RPA能够实现的功能也是循序渐进，从简单的流程做起。Forrester的报告显示，从采购数量上，中国市场更集中于小规模流程的RPA采购，企业的痛点在于寻找有商业价值的流程，以及对RPA部署和维护的管理。

这也涉及到RPA现阶段面临的诸多困难。

首先是适配问题。RPA通常不独立工作，需要和企业已有的信息系统协同工作。而企业信息系统的操作环境较为复杂，涵盖了包括Linux、浏览器、云服务等多种操作环境在内，且由于计算机系统版本、插件环境、网络设置等千差万别，对于RPA的适配能力提出了不小的挑战，这直接关系到RPA的运行稳定度。

再者，交付层面依然重人力、定制化，运维成本高。除了简单且标准化的数据处理以外，办公过程中涉及到的抓取类工作，如网页或其他软件页面中的数据搜索、抓取、保存等操作更考验RPA的适配能力。由于不同企业采用了不同的信息处理逻辑，导致RPA机器人并非开箱即用，而是需要有一个交付的过程，即有实施团队（有时由RPA厂商提供）面对各家企业逐一完成业务调试，当企业调整业务流程或操作环境后，已交付的流程仍然需要调整，甚至重新设计RPA系统的工作代码，在无形中增加了运维成本。

其次，由于AI等技术与RPA尚处磨合阶段，如果仅仅做简单的能力对接，难以内化为RPA本身的能力。RPA流程中常常遇到一些非结构化、非规则化的流程和数据，需要AI提供处理逻辑——比如一个流程需要决定下一个步骤怎么走，就要判断一封邮件是什么来意、一份合同里面有什么关键信息，等等，这都需要NLP、OCR等技术足够稳定强大且与RPA产品融合程度足够高，才能服务客户需求。此外，AI需要大量数据、算法工程师的反复训练，耗时长，使用门槛高；RPA则是非侵入性的，强调部署快速灵活的产品，如何让AI的能力能最好地在RPA产品中突显，甚至让不懂AI的用户能够使用，都是挑战。

因此，如上所述的挑战揭示了今年RPA行业的共同道路：在内里，RPA和AI等能力的融合程度决定了能解决问题的上限。在外部，RPA厂商则需要更快提高产品化程度，降低服务边际成本，才能在如今同质化问题已然显现的行业中突围，夺得先机——毕竟，资本市场对RPA的下注很大程度是因为这一技术灵活的开发部署能力，以及清晰明确的投入产出比。

新产品UiBot Mage：让AI成为RPA的原生能力

在这一道路上，来也科技已是高举火把的先行者。

来也科技CTO胡一川告诉36氪，传统RPA处理的大多是结构化数据，例如Excel表格文件中的数据抓取及分析，但如果是非结构化的数据就超出RPA的能力范围了。

“RPA发展至今为何难以普及？最大的原因就是企业中的业务流程是非常多样化，例如仅仅是财务数据处理这一项工作，不同企业可能就有不同的处理方法/逻辑、不同的数据类型以及使用不同的软件和系统。我们团队在开发过程中发现，如果RPA能够‘像人一样具备感知、认知和决策能力’，那么RPA的功能扩展性将大大提升。”胡一川表示。

人之所以能够解决机器无法解决的问题，最大的原因就是人拥有“大脑”，而大脑提供的感知、认知和决策能力能够让人分析并判断如何完成任务。正是基于这个思路，「来也科技」于今年推出了一款赋能RPA的AI平台产品——UiBot Mage（以下简称Mage）。

Mage的本质并非传统意义上的RPA软件，更多是通过加入机器学习等技术，让RPA产品实现功能“升维”，具备认知自动化的能力。

胡一川向36氪解释，Mage平台中包含了绝大部分RPA机器人所需要的AI能力，用户可以将这些AI能力接入到RPA中。“我们在Mage中加入了‘预训练’模型，里面已经涵盖了RPA常规工作中需要的机器学习模型，也就是说RPA可以快速调用这些AI能力，省去了数据标注、模型训练等步骤。”

目前， Mage已能将图片、文档等非结构化数据，变为RPA可处理的结构化数据，并适用于财务票据自动处理、合同自动审核、银行开户信息自动录入等多种场景。超过300家企业通过使用来也科技的RPA+AI产品，提升了企业运营效率。

Mage的切入角度和产品形态，无疑是RPA行业的一盏明灯——在不改变软件本质的情况下，加入AI的Mage将大大拓宽现有RPA产品的功能边界，从单纯做重复性劳动机器人，进化为更加智能的机器人。而在用户端的直接感受上，“所见即用”的特性让AI能力的应用门槛大大降低， 意味着RPA能够切入客户的更多核心流程，服务更多需求。

RPA未来图景：来也科技如何破局？

AI为市场构建了更高的天花板，无论是企业还是资本市场对RPA的预期正在提高，RPA只是企业自动化的一部分，RPA是肌肉，AI则是认知和判断力——这一认知将会越来越普及。

提升内在能力之外，如何让产品稳定性更高、更易用则是抢占市场的关键。国内市场天花板远远未完全打开，据RPAPLUS报告的公开数据预估，2022年国内RPA市场约达22亿元左右，这意味着，诸多RPA厂商面对的是少部分有采购意愿的大客户，招投标中遇到熟悉脸孔的几率很高，产品差异化和成熟度成为突围关键。

在这些问题上，来也科技已做好准备。

首先是对“内功”的布局。2019年6月，来也科技完成合并的同时宣布完成B+轮3500万美元融资，进入RPA+AI市场，成为国内RPA行业第一起合并。

36氪曾报道，RPA和AI的技术底蕴差异较大，做AI的公司在RPA方面的积累往往比较薄弱，反之亦然。因此，来也与奥森的合并，让新来也科技快速具备了深厚的RPA和AI能力。合并后的团队快速推进了诸多产品层面的升级，如微信界面元素的全部识别。并在2020年1月完成了C轮4200万美元的融资，充分说明市场对RPA+AI概念的认可，以及对两个团队合并后的成绩满意。

而在业务落地上，来也科技于2015年推出的“小来”机器人伙伴产品已在微信上与数千万个人用户进行过交互。智能对话机器人平台“吾来”则帮助企业客户针对客服、营销、销售和内部问答等场景快速搭建和训练对话机器人，目前已服务了数百家中大型企业。在这个过程中来也科技沉淀了全栈的AI能力和运营机器人的经验，这些能力和经验能够充分赋能给RPA产品。让RPA产品从单纯的RPA+AI，发展到AI成为RPA产品的原生能力，即从流程自动化到认知自动化。

目前来也科技已经将这一概念成功落地。以来也科技服务的大型地产公司为例，来也先是为客户提供电话机器人产品，已经能够很好地提高客户工作效率，但还有很多相对复杂的任务，机器人的理解水平不足，无法解决，需要转接人工。因此，来也科技开启了第二期项目，用RPA和AI结合做机器人助手，让原来员工处理问题需要的120秒，可能一点一点缩短到90秒甚至60秒，其核心则是在于用自然语言处理技术去理解用户和客服之间的对话，基于理解一键生成可用的回复，帮助客服在不同业务系统当中快速应对客户，本来需要在工单系统，质检系统，业务系统三个系统当中完成的任务，现在只需要一键就可以了。

而对于来也科技而言，当下重要目标是新产品Mage不断的后续优化和升级，扩大产品的服务范围，接着坚定不移地拓展生态道路。CTO胡一川表示，目前来也有超过300家渠道合作伙伴，今年Q1所服务的客户中，超过一半的客户都是由合作伙伴带来的，充分证明了建立生态的价值和意义。

“未来的RPA+AI产业可能会形成一个完整的生态，单靠我们一家公司也不可能服务于所有需要RPA的企业。”胡一川表示，“当然，实现全场景RPA应用是全行业的理想，为了完成这个理想，我们需要在生态中扮演正确的角色，并且服务于合适的客户。”

今日的RPA仍在早期，遥远的未来图景中，也许每个企业都会拥有一定数量的机器人雇员，甚至诞生以机器人雇员为主的行业，从而影响更大层面人力资源市场——来也科技正朝着这一图景坚定前进。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

不过，受到疫情的影响，语音智能的商业化进程在不断加快。蜗牛派也接触到了一家国外做对话式智能AI公司–Artificial Solutions，希望对国内该赛道的创业者和投资人有所参考。

Artificial Solutions成立于2001年，美国总部位于加州硅谷，在瑞典上市。公司为客户提供端到端智能AI对话解决方案，通过TENEO平台分析理解自然语言数据，完成创建、扩展和优化对话式AI应用程序。

公司首席营销与战略官Andy Peart表示，Artificial Solution主要服务B2C的客户，重点推进行业是金融业、电信业、汽车业、零售业、公用事业。目前已经与美国AT&T通讯公司、壳牌 、斯科达汽车、日本资生等数百家企业达成合作。以金融领域为例，Artificial Solutions与意大利MPS旗下Widiba银行及其在线子公司合作，构建虚拟现实银行环境，客户可以通过远程AI语音对话，完成银行转账出纳等操作。

Andy Peart告诉36氪，全世界同赛道竞争公司较多，Artificial Solutions的优势是专利技术：混合方法处理数据。在会话人工智能中，构建自然语言系统有两种方法：机器学习和语言方法。机器学习模型需要系统从大量数据中学习，出现错误难以修改。语言方法模型严格精准，但建造复杂。Artificial Solutions将这两种方法结合在一个方案中，结合两者的优点 ，实现技术创新。Andy Peart表示，许多头部公司在与Artificial Solutions合作前都曾尝试建立自己的对话AI系统，后都因自然语言分析的复杂性而放弃。

TENEO是Artificial Solutions于2010年面向全球推出的多语言多系统的会话人工智能平台。目前，有包括中文在内的超36种可成熟使用的语言块NLU（Natural Language Understanding）。Artificial Solutions拥有建立在数十亿次真实对话基础上的自然语言数据库 TLRs（TENEO Languages Resources）。通过大量语言数据训练，TENEO可以快速分析语言排列结构等，精准给出同语言互动对话解决方案。每种语言结构打包安装在TENEO，用户可以快捷定制个性化语言和添加新语言。

大数据分析方面，TENEO使用的核心内嵌Cassandra是NOSQL（非关系型的数据库）技术的一种，而TENEO Data则是会话数据挖掘和分析套件。在2C端，企业通过大数据分析增强对客户喜恶的了解，2B方面可以监控对话程序性能、衡量关键KPI进程。例如，用户语音要求餐馆推荐，TENEO会从之前对话数据中了解用户的偏好，将隐含的个性化与其他用户的推荐结合，提供高度知情的定制响应。

在实施部署方面，TENEO是完成集成式开发和分析平台。通过简化自然语言应用程序的复杂性，开发人员可以在几周之内完成创建部署。

Artificial Solutions在商业模式分四部分：

• 使用TENEO平台的费用；
• 企业选择合作后的专业服务费；
• TENEO平台针对企业的维护和托管费用；
• 成功使用费（success based usage fee）：风险和回报的共同承担。

基于欧美地区严格的隐私保护法规，Artificial Solutions的数据安全性高，客户拥有掌控所有数据，可以删除数据中央存储库中任何相关对话数据。

今年，Artificial Solutions计划发展亚太市场。准备在新加坡建立区域中心，并准备建立中国分公司。CSO Andy Peart希望通过大型全球合作和本地化合作结合，加快Artificial Solutions在中国的发展。目前公司已经与多家中国本土企业有接触。

2018年，Artificial Solutions销售额为438.9万欧元（约3000万人民币），运营亏损为1157.9万欧元（约8800万人民币）。融资方面，2018年9月Artificial Solutions发行了D系列优先股，共募集资金1019万欧元。2018年12月，发行了5200万瑞典克朗的高级担保固定利率债券。

在疫情期间，Artificial Solutions推出了新款企业人工智能助手：Tiva。目标为公共和私营部门部署急需的人力资源和IT技术，支持当前远程工作的员工。即时回答员工在COVID19工作期间遇到的问题，公司定制问题答案，并与后端系统集成。

在中国，智能语音技术平台主要应用在客服领域。根据鲸准的报告显示，国内客服机器人的规模只有10亿左右，但是未来有可能成长为500-800亿的大市场。在该赛道，蜗牛派曾经报道过晓多科技、竹间智能、云问科技、来也科技、乐言等，融资轮次在B轮和C轮之间，营收平均不超过1亿元，基本没有盈利的企业。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

云问科技是蜗牛派曾报道过的公司，成立于2013年8月，基于NLP、深度学习等主要核心技术，为企业提供智能客服、智能运营的整体解决方案。

云问科技拥有数据层、技术层、服务层、输出平台等一系列完整的技术框架，同时兼具语义意图识别、知识图谱等技术能力。公开资料显示，云问先后服务超过近十万家企业，覆盖金融、证券、IT、互联网、通讯、政务、酒店、消费品、电商等近60个行业，稳定长期用户有西门子、海尔、工商银行、中国邮政、国家电网、金蝶、如家、美的、海南政府、当当网等。

以往客服领域，主要依靠大量的客服人员，人工处理海量的业务咨询，存在人力成本居高不下，数据统计困难，服务效率难提高等痛点问题，而智能客服可以一定程度解决这些矛盾。

融资历史方面，云问科技曾于2014年获得紫金科创数百万人民币的天使轮融资；2015年获得来自星河互联的1000万人民币Pre-A轮融资；2017年7月，云问科技完成3000万松禾资本领投的A轮融资。

在AI客服赛道，蜗牛派曾经报道过晓多科技、小i机器人、来也科技、竹间智能、小熊科技、追一科技，根据鲸准研究院发布的《中国智能客服行业研究报告》，国内的云客服和语音呼叫中心的行业市场规模达在150亿左右。

随着行业发展逐步进入深水期，最终哪些玩家能跑出来，笑到最后。考验的是企业的行业场景理解能力，技术能力、工程化经验、渠道建设推广以及成本控制能力等多方能力，同时也离不开资金的支持。

云客服市场不断发展，头部梯队也已经出现。从融资金额及轮次来看，晓多科技、小熊科技均于今年4月对外宣布完成上亿元的C轮融资，「来也科技」今年2月对外宣布了完成C轮4200万美元融资，竹间智能也于2019年10月对外宣布完成4500万美元B+轮融资。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！