MultiOn：VLA 模型驅動的 UI 遺留系統征服者

項目：沒有 API 的世界，由 Agent 來連接

在企業 IT 環境中，存在著數以百萬計的「遺留系統」——老舊的 ERP、CRM、內部管理軟體，它們沒有現代 API，只有圖形用戶界面（GUI）。傳統的 RPA（機器人流程自動化）工具透過錄製滑鼠點擊與鍵盤輸入來操作這些系統，但極其脆弱，任何 UI 微調都會導致流程崩潰。

MultiOn 的願景是用 AI 徹底改變這一現狀。它採用 VLA（Vision-Language-Action）模型——一種能同時理解視覺畫面、自然語言指令並輸出精確操作（點擊、輸入、滾動）的多模態模型。這讓 MultiOn 的 Agent 可以像人類員工一樣「看著屏幕操作」，無需 API、無需 XPath、甚至無需事先知道軟體的界面結構。

人物：企業自動化的隱形冠軍

MultiOn 的創始團隊來自企業自動化與計算機視覺的交叉領域。不同於許多 Agent 新創聚焦消費者市場，MultiOn 從第一天就鎖定企業客戶。其團隊深刻理解遺留系統自動化的痛點——不是技術不夠先進，而是現有方案太脆弱。這種「問題驅動」而非「技術驅動」的產品哲學，讓 MultiOn 在企業市場迅速獲得 traction。

技術：VLA + 屏幕理解 + 強化學習

技術上，MultiOn 的 VLA 模型經過大規模屏幕操作數據的預訓練。它能將屏幕截圖轉化為語義描述（如「當前顯示的是 SAP 的發票錄入界面，游標在客戶編號欄位」），並根據自然語言目標（如「創建一張新發票」）生成操作序列。更進一步，MultiOn 採用強化學習進行後訓練，讓 Agent 在真實環境中透過試錯優化操作策略，逐漸適應特定企業軟體的怪癖與非標準行為。

商業：RPA 的 AI 原生替代方案

MultiOn 的商業模式直接對標 UiPath、Automation Anywhere 等傳統 RPA 巨頭，但強調「AI 原生」與「無需腳本」。其定價基於自動化任務的數量與複雜度，對於擁有大量遺留系統的銀行、保險、製造業客戶極具吸引力。據傳其 2026 年 ARR 已突破千萬美元級別，客戶包括多家財富 500 強企業。

發展與機會

MultiOn 的下一步是「跨應用流程自動化」——讓 Agent 能夠在多個遺留系統之間協調操作（如從 ERP 提取數據，在 Excel 中處理，再回填至 CRM）。這需要更深層的語義理解與錯誤恢復能力。長遠來看，MultiOn 有機會成為「企業 AI 勞動力」的基礎設施，讓每家公司的老舊軟體都能被現代 AI 無縫操控，釋放數萬億美元的生產力。