所有人在卷大语言模型的时候，SAP 的 CTO 却说：表格 AI 不是企业的附属功能，它是地基。
所有人在卷大语言模型的时候，SAP 的 CTO 却说：表格 AI 不是企业的附属功能，它是地基。
这句话配着真金白银。今年 7 月，SAP 完成收购 Prior Labs，并承诺投入超过 10 亿欧元，把它做成专注结构化数据的前沿 AI 实验室。
按行业共识，为一家做"表格"的公司掏这么多钱，多少有点反逻辑。但 SAP 给的答案很直接：企业真正的数据，从来不是聊天记录，是一张张表格。
图 / 表格里的业务预测
01、发生了什么
9 月 15 日，SAP 把 Prior Labs 的 TabPFN-3.5 Plus，上线到了自家的 SAP AI Core。AI Core 是 SAP 跑 AI 工作负载的地方，相当于给客户的"AI 开发环境"里加了一张王牌。它的定位很明确：表格基础模型（tabular foundation model，TFM）。跟大语言模型路数完全不同。你不需要训练，不需要为它反复调参。在两个外部基准 TabArena 和 BeyondArena 上，SAP 称它在预测准确度和可扩展性，都是当前最强。02、为什么偏偏是表格
这两年聊 AI，我们聊的全是文字、图片、代码。因为这三种东西最好懂，也最好演示。但企业里真正天天在跑的数据，是一行一行的数据组成的表格。订单、现金流、发票账期、供应商名录、客户信息——这些才是生意的底座。大语言模型回答"它是什么"，表格基础模型回答的是"接下来会发生什么"。图 / 一个懂语言，一个懂表格
03、表格基础模型强在哪
TabPFN 这类模型最反直觉的地方，是它真的不需要训练。它用的是 in-context learning，也就是"看着眼前几行数据，顺势往下推"。数据脏了？它自己处理。缺失值、混合类型、字段对不上，它都吃得下。列里有几千个不同取值，比如产品代码、客户 ID，它也能原生处理，不用你反复试配置。传统机器学习最耗时的两步——特征工程、数据预处理，在这里被直接省掉了。几分钟，从带标签的业务数据拿到一个可用的预测，这是原来一整套模型开发流程才做到的事。
04、10 亿欧元买到了一张什么牌
回到今年 7 月，SAP 完成对 Prior Labs 的收购。团队继续独立运营，但资源已经注进去了。承诺是投入超过 10 亿欧元，把它做成"结构化数据领域的前沿 AI 实验室"。10 亿欧元不是小数。但在 SAP 眼里，这不是买一个模型，是买下"企业预测"这条赛道的入口。图 / 从收购到上线的两个节点
05、它能预测什么
具体到业务，TabPFN-3.5 Plus 瞄着的全是财务和经营的硬问题。客户流失风险与 upsell 机会识别，下一步该卖给谁。每一条，都是"表格里的一问一答"，而不是聊天框里的一句话。图 / 表格进，预测出
SAP CTO Philipp Herzig 的话更直白：
"真实世界的数据从来都不完美。传统机器学习很难处理这些复杂关系和变化的条件……TabPFN-3.5 就是为这些挑战而生的。"
"对我们来说，表格 AI 不是自主企业的附属功能，它是地基。"
06、说点别的
这两年，"AI 落地"被讲了太多次，落到最后，大家发现真正卡脖子的不是模型，是数据。而企业的数据，从来不在好看的对话里，在那些不起眼的表格里。所以当所有人都在教机器"怎么像人一样说话"的时候，SAP 做了另一件事。教机器读懂一行行的表格，替企业回答那个最贵的问句——下一步，该怎么办。
本文内容基于 SAP 官方新闻中心与公开报道整理，数据与引用以 SAP 官方口径为准。
