德国软件公司SAP称大语言模型难以胜任企业复杂预测，主张引入“表格型AI”补足短板

德国软件公司SAP近日通过官方博客指出，仅依靠类似ChatGPT的大语言模型（LLM）难以解决企业复杂的业务问题，特别是在涉及数字和表格的数据分析与未来预测方面存在明显局限。SAP提出了一种名为“表格型AI”（Table Foundation Model）的技术作为补充方案，旨在提升企业在供应链、财务等领域的预测准确性。

SAP解释称，虽然LLM在文档撰写、信息检索和编程方面表现优异，但企业内部大量使用如销售额、库存和订单记录等结构化数据。要准确分析这些数据，不仅需要识别数字，还需理解数据之间的复杂关系。相比之下，LLM在处理表格格式变化或行顺序调整时，往往会出现回答不一致的情况。这一局限性也在IBM研究院和斯坦福大学参与的一项发表于7月国际计算语言学协会（ACL）研讨会的论文中得到印证。

作为解决方案的代表案例，SAP介绍了近期向客户提供的“SAP-RPT-1.6”。这是一种专门用于分析数字和表格以预测未来事件的AI模型。例如，它可以基于过去的交易记录和销量，预测客户付款及时性、产品热销趋势或库存短缺时间。传统模式下，企业需为每个预测任务单独开发AI模型，成本高且维护困难。SAP提出的“表格型基础模型”允许用一个通用模型处理多种预测任务，从而降低开发和运营成本。

为了强化在这一领域的技术能力，SAP于7月收购了专注于表格型AI的公司Pryor Labs，并将其开发的TabPFN模型与SAP自有AI模型结合。SAP强调，生成式AI虽能提升员工个人生产力，但在显著增加企业利润方面效果有限。据SAP引用的麦肯锡调查数据显示，80%的AI用户表示个人效率提高，但仅有6%的企业认为AI大幅提升了营业利润。

SAP建议企业采取混合架构：利用LLM理解人类提问并解释信息，同时使用表格型AI分析内部结构化数据进行预测。SAP表示，关键不在于选择哪种单一技术，而在于将两者结合，各自发挥最大优势，以解决企业AI落地中“投入多、产出少”的现实困境。