当00后创业者用AI重新定义企业自动化，一场关于流程效率的革命正在悄然发生。Sola这款由MIT辍学生打造的AI原生平台，正在用计算机视觉和大模型技术颠覆传统RPA模式。从物流运单处理到医疗数据录入，这家公司用2100万美元融资证明：最性感的AI应用，往往藏在最不起眼的办公流程里。

今天分享的公司是：Sola，https://www.sola.ai/

你可能看到不少关于这家公司的媒体文章，提到最多的可能是：华裔00后女生，MIT 辍学，大额融资。

创始人年轻、履历好、融资漂亮，这确实是 Sola 出圈的原因之一，但我今天还是要详细分析下这家公司的产品。

很多 AI 公司喜欢讲宏大的愿景，Sola 讲的事情反而很土：

帮企业处理发票、录数据、搬文件、查门户、同步物流状态、整理患者资料。

公司创始人Jessica Wu22 岁，从 MIT 辍学，做过量化研究，也在风投和对冲基金待过。

另一位联合创始人Neil Deshmukh也是00后，也来自 MIT，研究过计算机视觉和大模型相关方向。

2023 年，两人一起创办 Sola，进入 YC S23。

公开信息显示，Sola 已经完成2100 万美元融资，其中包括 Conviction 领投的 350 万美元种子轮，以及a16z 领投的 1750 万美元 A 轮。

01 老问题，又被 AI 翻出来了

Sola 做的事情，严格说不是一个新问题。

企业很早就想自动化这些重复流程，上一代解决方案叫RPA，机器人流程自动化。

RPA 的逻辑也不复杂：让软件机器人模拟人的操作，像人一样点按钮、填表格、复制粘贴、上传文件。

这个方向曾经很火，UiPath 就是这个赛道里最典型的公司。

问题是，传统 RPA 很容易变重。

很多 RPA 项目需要顾问进场，先观察员工怎么操作，再把每一步点击、输入、判断写成脚本。

只要流程稳定，它确实能省人，但真实企业里的流程很少长期稳定。

网页改了，字段换了，按钮位置变了，系统弹出一个新提示，机器人就可能卡住。

a16z 在一篇关于 RPA 的文章里提到，传统 RPA 本质上是在模拟人类的按键和点击。

这些机器人在流程不够固定、或者流程发生变化时很容易失效；

同时，实施还依赖昂贵顾问，所以很多项目只适合足够大的公司去做。

创始人 Jessica Wu 对这个问题有直接感受。

她在一个采访里提到，自己曾在对冲基金看到很多围绕老旧经纪软件的手工操作。

当时她尝试用 RPA 工具自动化这些流程，但即便她有计算机背景，做一个简单的浏览器或桌面自动化仍然很难。

联合创始人 Neil 的经历也类似，他曾在医院系统里接触过老旧工具，也发现这些工具脆弱、难实施。

这就是 Sola 的起点。

在 MIT 这样的技术环境里，大家习惯了现代软件、API、工具之间互相连接。可真实企业不是这样。

很多公司仍然跑在旧系统、内部门户、表格、文件和外部网站之间。

员工每天的工作，不是打开一个漂亮的 SaaS 完成所有事情，而是在一堆不互通的系统里把流程跑完。

这就是 Sola 看到的机会。

02 Sola 到底怎么工作

简单来说，Sola 是一个AI 原生的流程自动化平台。

它让用户录制一遍自己的操作流程，然后把这段操作转成可以反复运行的机器人。

比如，一个物流公司的员工每天要登录几个承运商网站，下载运输状态，核对订单信息，再把结果更新到内部系统。

传统做法是员工手动做。

Sola 的做法是：先让员工录一次操作，系统理解这个流程，再生成一个自动化机器人，之后由机器人在后台执行。

Sola 官网对产品的描述是：

用户可以把录制的操作转成可运行的机器人，不需要写代码；

系统结合大模型和计算机视觉理解用户行为，生成企业工作流。

这里有几个关键点。

第一，它是从“屏幕操作”切入，而不是要求企业先把所有系统打通。

很多传统企业的问题，恰恰在于系统太老、接口太少、打通成本太高。如果一个自动化产品上来就要求企业改系统、接 API、做大规模集成，落地周期会很长。

Sola 的思路更接近“先像人一样操作现有软件”。

机器人可以在浏览器和桌面应用上视觉化地交互，模拟人的操作方式，在 UI 层完成流程。

第二，它不是只做一次性脚本，而是强调可编辑、可维护。

Sola 的早期 MVP 很简单：录制流程、上传、在本机重复执行。Jessica在一个采访里说，早期版本并不能很好地理解流程，也不够智能。

后来产品保留了“录制流程”这个入口，但增加了更多能力，比如在大量虚拟机上运行、细粒度编辑流程、加入逻辑、加入信息，并且支持更大规模的编排。

所以 Sola 要做的并不是一个简单的“录屏变脚本”的工具，而是一个企业流程自动化平台。

第三，它把文档理解、数据转换、流程编排放在一起。

企业后台流程很少只是“点一下按钮”。很多时候要先读文档，从 PDF、表格、邮件、网页里抽取信息，再清洗数据、判断规则，最后写入另一个系统。

Sola 的核心能力包括文档处理、数据转换、机器人流程自动化和编排。

它可以从文档中提取、校验、结构化数据，也可以处理结构化和非结构化数据，并在多个系统之间协调流程。

这也是它和很多轻量 AI Agent 工具的差异。

Sola 更像是把 AI Agent 放进企业后台流程里，让它不仅能“看懂”，还要能“执行、监控、留痕、出错处理”。

03 Sola 的主要行业和应用场景

Sola 现在对外讲的行业主要包括金融、医疗、物流、法律合规、制造、地产等。

第一类是物流。

物流行业有大量后台流程。货物状态要查，运单要处理，发票要核对，报价要更新，文件要上传，还要和承运商、货代、经纪人、第三方物流系统来回同步。

Sola 官网在运输和物流场景里提到，它可以自动化经纪商、承运商、货代、第三方物流之间的后台流程，包括发票和付款处理、状态更新、提单和海关文件、报价与费率管理等。

这个场景很适合 Sola。

因为物流行业系统分散、流程高频、数据来源多，而且很多信息仍然需要人在外部门户里查，再写回内部系统。

Sola 不用一开始替换企业的运输管理系统，只要先做好某几个重复流程，就能创造直接价值。

第二类是法律和合规。

Sola 早期在 YC 页面里举过一个例子：

在美国，每个州的网站可能不同，政府网站可能崩溃或者变化，工程师如果用传统方式做自动化，需要提前覆盖大量错误路径，还要持续监控。

这类流程不是纯文档处理，也不是单一表格录入，而是跨系统、跨网页、跨规则的流程。

AI 的价值就在于，它有机会理解“我要完成什么目标”，而不只是死记“点第几个按钮”。

第三类是医疗和金融后台。

医疗场景包括医疗账单、患者注册、预约、保险理赔、病历管理、库存和供应链等；

金融场景包括客户开户和身份核验、贷款和申请处理、付款与对账、合规报告等。

客户会用 Sola 发送发票、处理应付账款、发出货物、录入患者数据。这些流程对企业很关键，一旦系统停掉，就可能影响账单、运输或医疗数据。

也就是说，Sola 处理的不是生成一段营销文案这种轻任务，而是会直接影响业务运转的流程。

这也是为什么它既有价值，也很难做。

04 AI 带给企业流程自动化的机会

Sola 不是第一个看到企业流程自动化机会的公司。

过去的 RPA 主要靠规则和脚本，擅长处理固定流程，但很难处理变化、异常和非结构化信息。

现在，大模型和计算机视觉让软件机器人有机会理解页面、文档和上下文。

它可以知道这个字段是什么意思，可以从文件里抽取信息，可以在系统变化时做一定调整，也可以在流程里加入判断。

a16z 对这个方向的判断是，大模型让 RPA 最初承诺的“真正自动化”变得更可行。

过去机器人只能硬编码每一步，现在 AI Agent 可以被赋予一个目标，再利用工具和上下文完成任务。

Sola 的产品正好踩在这个变化上，它的核心也不是 AI 聊天，而是 AI 操作。

用户只需要在电脑上录制一次流程，系统就能生成一个可运行、可适应的 AI Agent，并通过流程图界面让用户编辑和管理。

但 Sola 也不是在一个空白市场里跑。

传统 RPA 公司也在升级。

UiPath已经在 2025 年推出面向 Agentic Automation 的新平台，强调把 AI Agent、机器人和人统一到一个系统里，并重点解决企业 AI 采用中的安全、合规、可靠性、试点难以规模化等问题。

UiPath 还提到，它的平台已经被超过10,000 家组织使用。

但这恰好也说明两件事。

一方面，Sola 选的方向是对的。连老牌 RPA 公司都在往 Agentic Automation 走，说明市场确实在从“脚本自动化”转向“智能流程自动化”。

另一方面，Sola 面对的对手很强。老牌厂商有客户基础、生态伙伴、企业采购信任和合规能力。

Sola 的优势在于产品更轻、更 AI 原生、更容易从具体流程切入；劣势在于规模、品牌和企业级交付能力还要继续证明。

05 运营数据和未来难点

Sola 目前还很早期，但它已经有一些可以支撑判断的数据。

公开资料显示，Sola 官网列出的客户包括 Morgan & Morgan、Ally Logistics、KCH Transportation、Chapter、Armstrong Transport Group、Firstbase、Dart、Kintsugi 等。

Sola 官方披露的信息包括：今年以来收入增长 5 倍，工作流执行量按月翻倍。

在一个采访里 Jessica 也提到，Sola 已经服务Fortune 100、AmLaw 100，以及物流、医疗等行业的大型私营企业客户。

这些数据要谨慎地看，因为它没有披露具体收入，也没有披露客户合同规模。而且对于一家早期企业软件公司来说，“收入 5 倍增长”和“执行量翻倍”可能基数并不高。

这些信息至少说明，Sola 已经开始进入真实企业流程，并且有一定使用量增长。

但这门生意最难的地方，不是把一个流程自动化跑通一次，是让客户相信它可以长期稳定运行。

Sola 一旦停掉，真实企业的账单可能就会延迟，货物可能就发不出去，患者数据可能就无法录入。

所以 Sola 做到后面，拼的不只是模型能力。

它要拼可靠性、权限管理、审计记录、安全合规、异常处理、人工介入机制、部署能力和客户成功能力。

如果做得好，这也是这类产品很难被简单复制的壁垒。

最后，Sola 的故事提醒我们，AI 应用不一定要追求特别新的场景。

很多大机会，恰恰藏在旧系统、旧流程、旧行业里，它们不够性感，但足够真实。

以上，祝你今天开心。