SAP正在入辖下手贬责一个一直黝黑负担企业AI的问题。公司的收购对准了大宽敞组织仍在抵拒的两个薄弱设施：数据碎屑化，以及AI在结构化数据集上施展欠安。

问题的中枢其实很浅近。企业AI之是以难，是因为数据络续无法跨系统及时获得，而模子也不是为驱动大宽敞营业有筹商的结构化数据而瞎想的。

这些收购反应了SAP贬虚构题想路的举座救助。它不再是在现存系统上访佛功能，而是试图重建地基。它把数据的获得款式与模子骨子处理数据的款式买通了。如若见效，SAP将从"记载系统"进化为更接近整个这个词企业层面的"AI扩充层"。

要领会这两家公司若何融入SAP的计谋，咱们来望望它们各自作念什么。Dremio专注的是"探问"——它允许跨系统查询数据而无需先移动数据，这么SAP和非SAP数据就能及时搀杂使用。Prior Labs专注的是数据若何被"使用"——它构建的模子有益面向结构化数据集，如财务、供应链和运营范畴，这恰是大宽敞企业有筹商所在。

SAP的措辞着实莫得留住暗昧空间。对"融合SAP与非SAP数据以驱动智能体AI"的强调，加上对"融合洞开数据层"的股东，反应了与其历史模式的决裂。数据不再被盼望只待在SAP里面。它早已分布在云平台和外部系统之间。改变的是SAP的定位——从领零碎据环境，变为跨数据环境运营。这让它更接近探问层，而探问层恰是AI系统赖以遏抑的关键。在这个模子中，价值来自相聚和诈欺数据，而非囤积数据。SAP正在相应地调治。

SAP对瓶颈的表述绝不恍惚。SAP SE首席时代官Philipp Herzig说："企业AI卡住不是因为模子不够好，而是因为数据还没为AI智能体作念好准备。"紧接着的话相似径直："Dremio摒除了这个瓶颈。"

这一表述径直有关到SAP更大的平台计谋。通过将Dremio与SAP Business Data Cloud及"单一洞开平台"绑定，SAP不仅是在指出瓶颈，真钱投注平台更是在界说若何摒除它。数据不再是AI运行前需要事前准备的东西，而是成为AI径直操作的系统的一部分。

仅贬责探问还不够。即使有了正确的数据，大宽敞模子也不是为结构化数据集而建的。这恰是企业AI仍然断裂的处所。SAP收购Prior Labs便是要贬责这个问题。这家公司为表格数据而非文本构建模子，使其更合适营业环境。模子径直在结构化数据上运行，而不是把结构化数据硬塞进为说话模子瞎想的面孔。

对SAP来说，这完善了它正在构建的体系。数据不错跨系统获得，模子不错径直处理这些数据，无需重塑或延长。这两个部分都是AI在坐褥环境中运行所必需的。

SAP首席时代官Philipp Herzig示意："SAP很早就意识到，企业AI最大的未诞生契机不是大说话模子，而是为驱动各人企业运转的结构化数据而构建的AI。咱们构建了SAP-RPT-1来阐述这一信念。Prior Labs在公开基准测试上构建了跳跃的表格基础模子（TFM），并组建了该范畴最顶尖的参议团队之一。将他们的前沿模子责任与企业数据和客户触达相归并，便是咱们筹划在各人范围内引颈这一范畴的款式。"

两个拼图就位后，SAP向那些一经在构建类似时代栈的数据平台面对。Databricks和Snowflake多年来一直将数据探问和AI整合为融合系统，超大范畴云厂商也在股东跨云的智能体责任流。SAP的开头不同——它在企业数据一经存在的处所运营。这给了它高下文上的上风，但它也需要匹配那些从一初始就为此而建的平台的速率和洞开性。

SAP正在构建的卓越了它的传统时代栈。它试图遏抑数据若何滚动为有筹商。这既创造了契机，也带来了风险。将洞开数据探问引入SAP生态、与现存系统对都、并在责任流中部署新的模子法式，这些都不是小转换。它们需要速率和合作。这可能还需要SAP改变自己的运营款式。计谋是明显的投注pp，挑战在于扩充——尤其是在竞争敌手一经加快跑的商场中。

• 收购
• 投注pp
• SAP
• Dremio
• Prior