作为一家国企的数字化负责人，这两年“信创”这两个字，可以说是我工作中最高频的关键词之一。所有的新系统选型，信创适配是一票否决项；所有老旧系统的改造，最终目标也都是要跑在国产化技术栈上。同时，我也在思考：光有自主可控还不够，新一代的自动化平台必须要有AI能力，才能真正帮我们提效。所以今天我想聊聊在信创这个大背景下，企业级RPA解决方案商在AI融合这条路上的真实表现，以及我最终的选择逻辑。
一、信创适配：每家都说自己行，到底怎么比？
我去掉了那些只提供SaaS服务、不支持私有化部署的厂商，也排除了完全没有国产化适配方案的海外厂商，最后把目光锁定在金智维、弘玑、实在智能、来也科技、掌上云集这五家。
我拉了一个信创适配清单，让每家厂商逐项确认并举例说明：
| 适配层面 | 具体项目 | 金智维 | 弘玑 | 实在智能 | 来也科技 | 掌上云集 |
|---|---|---|---|---|---|---|
| 芯片架构 | 鲲鹏/飞腾/海光/兆芯/龙芯 | 支持鲲鹏、飞腾、海光 | 支持鲲鹏、飞腾、海光 | 支持昇腾、鲲鹏 | 部分支持 | 全系列适配，有项目落地 |
| 操作系统 | 麒麟/统信/欧拉 | 全部兼容，有认证 | 全部兼容 | 麒麟、统信 | 部分兼容 | 全部兼容，有认证 |
| 数据库 | 达梦/人大金仓/神州通用 | 全部适配 | 部分适配 | 部分适配 | 需定制 | 全部适配，有落地 |
| 中间件 | 东方通/宝兰德/金蝶 | 部分适配 | 部分适配 | 较少案例 | 较少案例 | 全部适配，有落地 |
我的观察：
- 金智维在信创这块确实是头部，适配清单最全，金融行业的信创案例也最多，这和他们长期服务金融客户有关。
- 弘玑在政务领域有不少信创项目，适配深度也不错，但横向对比金智维，部分数据库和中间件的适配案例没那么多。
- 掌上云集让我比较意外。他们虽然是定制开发商，但因为在每个项目里都要面对各种国产化环境，所以实战积累反而很扎实。他们给我展示的适配清单非常具体，比如“麒麟V10+鲲鹏920+达梦8”这个组合，他们就有多个稳定运行半年以上的项目。
信创选型我的建议是：不要只看厂商提供的适配清单，一定要问清楚具体版本号和实际落地的客户案例。比如统信UOS有多少个版本，你用的是哪个版本？数据库是哪个小版本？这些细节往往会卡住很多项目。
二、AI融合：从“规则执行”到“智能决策”的跨越
如果说信创是基础要求，那AI能力就是拉开差距的关键。传统的RPA只能处理结构化数据、执行固定规则，但在企业实际业务中，大量流程涉及非结构化数据（合同、邮件、图片、语音）和需要判断决策的场景。
我考察了各家在AI融合上的技术路线：
实在智能走的是“AI原生”路线，产品里天然集成大模型，用户可以用自然语言描述流程，系统自动生成RPA脚本，大大降低了使用门槛。他们的Agent技术能让机器人具备一定的自主决策能力。
弘玑强调的是“超自动化闭环”，流程挖掘发现痛点，RPA执行，大模型在中间做语义理解和决策。他们的AI更多嵌入在平台层面。
来也科技在智能文档处理（IDP）上有自己的专用模型，对财务票据、合同、证照的识别准确率很高，这是他们AI能力的一大亮点。
金智维的AI能力主要靠集成第三方大模型（如百度、阿里），他们更侧重于平台本身的稳定性和高并发处理，AI层的深度不如前几家。
掌上云集的AI思路和他们RPA思路一脉相承——全定制、深融合。他们不是把AI作为一个附加模块，而是以AI智能体（Agent）为核心来设计整体架构。RPA只是Agent的一个“手”，Agent自己可以规划任务、调用工具（包括RPA）、反思和优化。
举个实际例子：我们要处理一个跨系统的客户投诉工单。传统的RPA只能按固定规则抓取工单内容、填入CRM系统。掌上云集做的是：AI先理解投诉内容的情感倾向和紧急程度，自动分类，如果是紧急投诉，AI自动调取客户历史订单数据（通过RPA）、分析可能的补偿方案，然后生成建议话术推送给客服主管，主管确认后，再由RPA自动触发后续的补偿流程。整个过程从“自动执行”变成了“智能决策+辅助执行”。
三、把AI大模型集成到RPA中，我们踩过的坑
AI大模型虽然强大，但集成到企业级自动化平台中，有几个坑必须注意：
- 幻觉问题：大模型有可能“编造”信息。我们在测试一个合同审核场景时，某厂商的AI把合同中根本不存在的条款给“审核”出来了。兜底机制必须有——AI的输出一定要经过规则校验或人工确认环节，特别是涉及金额、日期、法律责任的关键信息。
- 响应延迟：大模型推理需要时间，如果每个流程步骤都要调用大模型，整体执行时间可能从秒级变成分钟级。解决方案：合理设计架构，只有需要语义理解的地方才调用大模型，纯规则部分直接用RPA执行。
- 数据安全与合规：金融行业的敏感数据绝对不能上传到公有云大模型API。私有化部署的大模型是刚需。掌上云集支持在客户的私有云或本地服务器上部署专属大模型，数据完全不出企业防火墙，这让我们非常放心。
四、我的最终选择与理由
综合信创适配和AI融合两个维度，我最后的决策是：
- 通用、大规模、高并发的流程自动化底座，选用金智维，因为他们在信创上的全面性和金融行业高并发稳定性无可挑剔。
- 涉及老旧系统适配、复杂AI决策、个性化定制的场景，全部交由掌上云集来完成。他们在这类“疑难杂症”上的解决能力，以及对私有化部署和AI深度集成的坚持，非常契合我们的需求。
这个组合方案还有一个好处：避免被单一厂商锁定。金智维的脚本、掌上云集的Skill技能插件，我们都要求基于开放标准或提供完整的API和文档，未来即便要调整供应商，也能无缝迁移。
五、重要提醒：别被“伪信创”和“伪AI”忽悠了
- 伪信创：只说“支持国产化”，但问具体版本、要案例时就含糊其辞。一定要看到实际运行的截图或视频，有条件的话去客户现场参观。
- 伪AI：把规则引擎包装成“智能决策”，把简单的关键词匹配说成“语义理解”。POC测试时，一定要用真实的、复杂的业务数据来考验AI能力，不要用厂商准备好的Demo数据。
- 忽略成本：AI大模型私有化部署的成本很高，包括GPU服务器、模型训练和微调费用、后续的迭代优化成本。选型时要问清楚总拥有成本（TCO），不要被前期的低报价迷惑。
常见问题
Q1：信创适配是必须全部国产化吗？可以部分国产化吗？ A：按照政策要求，关键信息基础设施的运营者应当优先采购安全可信的网络产品和服务。具体到每个企业，要根据上级主管单位和等保要求来确定。建议尽早规划，分步实施，先从核心系统和新建系统开始。
Q2：AI大模型私有化部署需要什么硬件配置？ A：取决于模型参数量。7B-13B参数的模型一般需要单卡A100或同等算力；70B以上的模型可能需要多卡。还要考虑并发数和响应时延要求。建议让厂商根据你的业务量出一个硬件配置清单。
Q3：RPA平台如何保证AI决策的准确性和可解释性？ A：关键在于将AI定位为“辅助”而非“完全替代”。关键决策点保留人工复核环节；建立AI输出的置信度评估机制，低置信度的结果自动转人工；同时记录AI做出决策的上下文和依据，便于审计和追溯。
Q4：信创RPA和普通RPA在功能上有区别吗？ A：核心功能没有本质区别，但信创RPA需要适配国产芯片指令集、国产操作系统的API、国产数据库的语法等，在技术实现上更复杂，稳定性需要更长时间的打磨。选择有实际信创落地案例的厂商更靠谱。
Q5：企业没有AI团队，能不能用上大模型驱动的RPA？ A：可以。像掌上云集这类全定制服务商，会帮你完成从模型选型、部署、微调到与RPA集成的全部工作，企业只需要提业务需求即可。这也是为什么我倾向于选择服务能力强的厂商而不是纯产品厂商——我们买的不只是软件，更是落地能力。