RPA 起家
→ Agentic 转型
来也的融资、Gartner 认可、市场排名是实的；但"生意成色"（营收规模、盈利性、Agent 新品的真实收入贡献）几乎全是问号。深度在于把"曾经跑赢 RPA"和"能不能赢 Agent"分开来看。
事实来也的多轮美元融资节奏（B+ 3500 万、C 4200 万、C+ 5000 万、C++ 7000 万美元）、连续五年入选 Gartner RPA/IDP/对话式 AI 象限、2024 年中国 RPA+AI 市场约 8.4% 份额居第三，均有多信源交叉。缺口但它的整体营收规模、是否盈利、政企客户的续约率与集中度、以及新发布的 Laiye Worker（桌面 Agent）真实收入贡献均未公开。因此本文"事实"集中在产品形态、融资、市场位置，对"赚不赚钱、转型成不成"更多是基于赛道结构的判断 + 追问。信息越薄，第 12 章追问清单越重要。
判断来也科技是一家在 RPA 时代真正跑赢过、如今赌上身家做 Agent 转型的企业自动化公司。它最实的资产不是模型，而是多年沉淀的企业级流程自动化能力、政企客户关系和一套已被市场买单的交付体系。它的生死不在"要不要做 Agent"（已经全力做了），而在它 RPA 时代积累的自动化底盘（能真正在企业系统里稳定、合规地"动手干活"），到底是让它比纯大模型玩家更快落地的护城河，还是拖累它转身的历史包袱。它最大的问号是——当大模型让"理解意图"变得廉价，来也过去最值钱的"规则化执行能力"会升值还是贬值？这一问答不清，融资和排名再漂亮也只是"上一场战争的战功"。
| 决定性变量 | 为什么是胜负手 | 兑现的观察信号 |
|---|---|---|
| RPA 底盘是资产还是包袱 | 来也的核心差异化是"能在真实企业系统里稳定执行"。Agent 时代，"想清楚做什么"由大模型解决，"可靠地把事做完"仍是难题。若底盘能嫁接大模型变成"更聪明的执行层"，就是护城河；若客户宁可推倒重来选原生 Agent，就是包袱。 | Laiye Worker 等新品的落地案例是老客户升级还是新客户增量；RPA 存量收入是增长、平稳还是萎缩。 |
| 转型能否转成真实收入 | 发布桌面 Agent、喊出"AI 员工全面入职"是叙事；关键是新品能不能卖钱、卖多少、毛利如何。转型公司最大的坑是"新故事讲得响、旧收入在下滑、新收入还没起来"的青黄不接。 | Agent 类产品收入占比与增速；新签客户 vs 存量升级比例；整体营收与毛利趋势。 |
| 政企依赖的双刃剑能否收住 | 政企客户黏性高、续约稳，但也意味着交付重、回款慢、单客户定制多、规模化难。这决定来也是"高黏性的稳态生意"还是"靠人力堆项目的伪 SaaS"。 | 标准化产品收入 vs 定制项目收入之比；人均产出与回款周期；客户集中度。 |
先看它站在企业 AI 落地价值链的哪一层，这决定了它的机会和它要防的刀从哪来。
判断来也站在第 ②③ 层交界——"智能体 + 执行层"：它不造第 ① 层大模型，而是把模型的"理解"接到企业系统里"真正把活干完"。推导这层的好处是贴近业务、离付费近（企业为"事情办成"付费，不为"模型有多强"付费）；坏处是上有手握模型的大厂想直接下探做应用，旁有原生 Agent 新公司轻装上阵。来也的立身之本，是"把事可靠地做完"这件脏活累活它比别人熟。
判断大模型越强，"理解意图"越不值钱，竞争焦点会从"懂不懂"转向"能不能可靠、合规、可审计地把事做完"——这恰恰是来也 RPA 底盘的强项。但硬币的另一面是：如果原生 Agent 用更轻的方式也能可靠执行，来也过去为"规则化流程"付出的工程重量就成了转身的惯性。缺口它的底盘到底是"可复用的执行护城河"还是"和旧范式绑死的技术债"，缺乏可验证的迁移与复用数据。来也的全部转型赌注，押在"执行层能力可迁移到 Agent"这一个判断上。
| 本质 4 问 | 答案（含证据） |
|---|---|
| ① 本质在做什么 | 判断把企业里"重复、有规则、跨系统"的工作，交给软件机器人/AI 员工去做；如今再叠加大模型，让机器人从"照脚本跑"升级到"看懂任务自己拆解着干"。卖的是"事情办成"的确定性，不是模型能力本身。 |
| ② 行业红利在哪 | 事实大模型让自动化从"只能做死规则"扩展到"能处理模糊、非结构化任务"，可自动化的工作范围被大幅拓宽——这是整条赛道的顺风（industry beta）。判断红利真实，但它同样把门槛降低，引来更多新玩家。 |
| ③ 哪层赚钱 / 谁掌握话语权 | 判断话语权正从"谁的 RPA 稳"向"谁的 Agent 又聪明又可靠"转移。推导纯执行层利润会被压薄，真正赚钱的是"能把模型智能 + 可靠执行 + 行业 know-how 打包成客户离不开的交付"的一层——这恰是来也想守住的位置，但守不守得住取决于转型速度。 |
| ④ 来也的位置 | 事实它是 RPA+AI 里最早跑通政企落地、连续 5 年入 Gartner、市场份额居前的一家（company alpha）。判断优势是"存量客户 + 执行工程沉淀 + 品牌"；隐忧是"转型能否把老优势迁移到新范式，且新收入能否顶上"。 |
判断它的叙事是"AI 员工全面入职、Agentic Automation 平台"。推导但真正要问的不是"它有没有 Agent 产品"（有），而是"它的收入里，有多大比例还是传统 RPA/项目定制，有多大比例是真正由 AI Agent 新范式带来的增量？"——如果绝大多数收入仍来自老 RPA 和重定制，那"Agentic"更多是给旧生意换了个时髦封面；只有当 Agent 新品能独立带来可观、可复制的增量收入，转型才算真的发生。这一问答不清楚，"AI 员工入职"就更像 PR 口号而非财务事实。
来也能在 RPA 时代跑出来，团队的"技术底子 + 政企商业化耐力"是关键解释。
| 维度 | 情况 |
|---|---|
| 核心团队 | 事实公司由 CEO 汪冠春与 CTO 胡一川等联合创立，团队具备技术背景与连续创业经历，最早以对话式 AI/智能助理起步，后聚焦 RPA+AI（company alpha）。推导这解释了它为什么能在需要长期打磨工程与政企交付的赛道里跑出身位——它赢的是"技术 + 耐得住政企长周期"的组合，不是单点爆发。 |
| 组织与治理 | 缺口创始团队具体履历细节、关键高管在职年限、多轮美元融资后的股权结构与治理安排、以及是否有明确 IPO 路径，均未在公开信息中完整披露，需要独立核实。 |
判断"技术出身 + 政企耐力"是来也最实的团队资产：它是一家"啃得动政企硬骨头"的公司，这在自动化赛道是稀缺能力。缺口但也有两个待观察点：① 转型期是否需要大幅补强"大模型/Agent 原生"人才，老团队的 RPA 惯性会不会拖慢转身；② 多轮美元融资后的退出压力——投资人对回报和上市有预期，团队在"稳收入"与"追新故事"之间如何平衡，直接影响战略定力（见第 12 章）。
事实面向政府与企业客户，通过自动化平台的授权、席位/用量、以及项目交付变现，覆盖金融、政务、能源、制造等行业。判断逻辑自洽——用平台锁定长期关系，用行业 know-how 提高替换成本。推导但真正决定它是不是"好生意"的，是标准化平台收入与定制项目收入的比例：前者可规模化、毛利高，后者像"人力外包"、扩张难。
缺口决定生意成色的核心数据——整体营收规模与增速、是否盈利、标准化产品 vs 定制项目收入之比、政企客户续约率与集中度、Laiye Worker 等 Agent 新品的收入贡献——全部未公开。"进 Gartner、市场排名靠前"和"生意健康、能自我造血"是两回事，这正是追问清单第 2、3 组的核心。
来也的命运系于三个真正有分歧的命题。每题给 Bull / Bear / Reality，再下裁决。
来也常被类比成"中国的 UiPath + 转型 Agent"。用这个叙事成立的四个前提逐条拷问它。
| "RPA 老兵成功转 Agent"的前提 | 来也的现状 | 是否满足 |
|---|---|---|
| 有真实、可迁移的自动化执行底盘 | 事实多年政企 RPA/IDP 交付沉淀，已推出 Laiye Worker 等 Agent 新品 | ✅ 满足 |
| 底盘能低成本嫁接大模型智能 | 缺口老底盘向 Agent 的复用比例、改造成本未验证 | ⚠ 存疑 |
| 新范式能带来真实增量收入 | 缺口Agent 新品收入贡献、新客户增量未披露 | ⚠ 未证实 |
| 不被大模型玩家与原生 Agent 夹击出局 | 事实恰恰面临大厂下探 + 原生 Agent 新公司的双重竞争 | ❌ 压力大（关键） |
判断"RPA 老兵成功转 Agent"这个叙事只在"有真实执行底盘"一条上扎实成立，其余三条恰恰是它要证明的功课：底盘能否低成本嫁接大模型、新范式能否变成真金白银、能否顶住上下夹击，全都待验证。判断更公允的定位是——来也是"中国企业自动化里执行工程做得最扎实、政企基本盘最稳，但正处在从 RPA 向 Agent 惊险一跃、且新收入尚未证实"的转型期头部。它真正要证明的不是"能不能做自动化"（能），而是"当自动化的智能部分被大模型商品化，它多年攒下的执行底盘，能不能升值成 Agent 时代的护城河、而不是贬值成历史包袱。"
看清它周围站着谁，就明白它的空间在哪、刀从哪来。
| 玩家 | 类型 | 打法 / 现状 | 对来也的意义 |
|---|---|---|---|
| 来也科技 Laiye | RPA+AI → Agentic 平台 | 执行底盘 + 大模型 + 政企交付；市场份额居前 | 本体 |
| 大模型大厂（阿里/字节/百度等） | 上游模型 + 平台 | 自研模型 + 自建 Agent/自动化能力，向应用层下探 | 可能绕过独立执行层，最强的"上游下探"压力 |
| 原生 Agent 创业公司 | 新范式挑战者 | 生下来就是 Agent，架构轻、迭代快 | 用更轻的方式抢企业自动化，逼来也证明底盘价值 |
| 传统 RPA 同业（UiPath 及国内友商） | 同代竞争者 | 同样在做 RPA→Agent 转型 | 转型速度与成效的直接对标者 |
| 系统集成商 / IT 服务商 | 交付渠道 | 把各家能力打包进政企项目 | 既是渠道伙伴，也是"谁离客户更近"的争夺者 |
| 政企客户（金融/政务/能源） | 需求方 | 要合规、安全、能落地的自动化 | 基本盘与续约来源，也是标准化难度的根源 |
判断① 它的上游（大模型大厂）同时可能是它的对手——既提供模型，又想自建自动化直接触达企业，这是应用层公司的典型危险结构。② 它唯一真正独特、别人短期补不上的资产是"政企执行底盘 + 合规交付"——护城河只能建在这里，所以把底盘成功迁移到 Agent 是它的生命线。③ 它的挑战者不止一路——上有大厂下探、旁有原生 Agent 轻装抢地、同代 RPA 友商也在转型，来也的窗口期不宽。它的生存空间，就在"执行底盘能不能又快又稳地嫁接大模型智能"这条窄路上。
判断五个断点里，断点 1（迁移）和断点 2（收入）最致命：前者决定它的历史沉淀是资产还是包袱，后者决定转型是财务事实还是 PR 口号。它的客户和排名已经证明过了，接下来要证明的是"老底盘搬得动"和"新故事能变现"——而这两样，恰恰都是它至今没拿出可验证数据的地方。
| 风险 | 说明 | 观察信号 |
|---|---|---|
| 范式迁移风险（母题） | RPA 底盘若无法低成本迁移到 Agent，多年沉淀反成包袱。 | Agent 新品是老客户升级还是从零重做；底盘复用比例。 |
| 新旧收入青黄不接 | 旧 RPA 收入见顶、新 Agent 收入未起量，转型期现金流承压。 | Agent 新品收入占比与增速；整体营收与盈利趋势。 |
| 上下夹击 | 大模型大厂向下做自动化、原生 Agent 新公司轻装抢地。 | 标杆客户流向；新签客户 vs 大厂/新玩家的胜负案例。 |
| 政企重交付、难规模化 | 长周期、重定制、慢回款，收入偏"项目外包"。 | 标准化 vs 定制收入之比；人均产出；回款周期。 |
| 营收与盈利不透明 | 整体营收、盈利性、续约率均未公开，生意健康度无法验证。 | 是否披露营收/毛利/续约；是否接近盈亏平衡。 |
| 退出与治理压力 | 多轮美元融资后投资人有退出预期，可能倒逼激进讲故事或稀释定力。 | 股权结构；IPO 路径；战略是否稳健。 |
判断六类风险的母题是同一个：来也在 RPA 时代攒下的执行底盘，能不能在大模型把"智能"商品化的今天，被证明是"搬得动、卖得出、守得住"的真护城河。这个问题答清楚之前，Gartner 和融资更多是履历而非胜局。
信息越薄，这份清单越重要——它就是把"叙事"逼回"事实"的工具。★ 是我认为最锋利、最能戳破叙事的问题。
判断① Agent 新品是老客户升级还是从零重做、底盘复用率多高（迁移）？② Agent 新品收入占比与整体盈利趋势如何（新收入起量没）？③ 标准化 vs 定制收入之比、大客户集中度如何（能否规模化 + 集中度风险）？——这三问答清楚，就知道它是"可迁移底盘的平台级赢家"，还是"守着旧 RPA、被新范式绕过的转型困局公司"。
基于公开信息的深度梳理，主要维度（节选）：
· 融资：B+ 3500 万、C 4200 万、C+ 5000 万、C++ 7000 万美元等多轮美元融资（36氪 / 机器之心 / IT桔子等多信源交叉）
· 产品：RPA + IDP + 对话式 AI 智能自动化平台；2026 年发布桌面端 Agent 产品 Laiye Worker（模型中立智能路由、企业系统内执行、统一治理）
· 市场位置：连续 5 年入选 Gartner RPA / IDP / 对话式 AI 象限；IDC 口径 2024 年中国 RPA+AI 市场约 8.4% 份额居第三
· 团队：CEO 汪冠春、CTO 胡一川等联合创立，技术型连续创业团队
· 主体：北京来也网络科技有限公司