SAP宣布了具有变革性的数据创新,旨在帮助客户充分利用其数据的全部潜力,在AI时代获取更深入的洞察、更快速的增长和更高效的运营。SAP Datasphere(SAP数据整合平台)解决方案引入了一系列新功能,包括生成式AI,通过简化的数据环境和更直观的数据交互方式,改变了企业规划方式。
SAP执行董事会成员、首席技术官穆悦庚(Juergen Mueller)表示:“依赖于高质量数据的AI正在革新企业各个方面,获取数据以作出更好决策已经成为企业技术的核心,这一点正变得日益重要。SAP Datasphere最新的创新以及与Collibra扩展合作伙伴关系,标志着我们在帮助客户通过数据推动企业智能转型方面取得了质的飞跃。”
这一发布的核心是商业数据架构,旨在帮助确保数据不仅是资产,而且是所有战略举措的基础。所宣布的创新和合作伙伴关系,使企业能为每个数据用户提供有意义的、且具备完整业务背景和逻辑的数据。
Hershey’s 公司ERP、数字化和IT策略高级总监Achim Welter表示:“我们决定利用SAP Datasphere建立一个现代的商业数据架构,与SAP S/4HANA环境结合起来。这将让我们有效地打造一个现代的数据分析平台,基于可信的数据和数据模型,支持业务自助服务的能力。”
SAP Datasphere的这些创新,帮助客户实现统一的数据视图,在简化数据环境的同时,保持上下文和逻辑完整性,使他们能够更快地适应市场变化,并做出更高效的决策。从新推出的智能副驾和矢量数据库功能(确保生成式AI输出结果中的业务背景保持恒定),到全新知识图谱(帮助揭示复杂数据中隐藏的洞见和规律),SAP的数据创新助力客户充分利用手中的数据,并释放强大力量。
今天发布的重要创新包括:
生成式AI智能副驾和AI治理
首先,SAP的生成式AI智能副驾Joule已经开始内嵌于SAP Analytics Cloud(分析云),以实现报告、仪表板和计划的自动化创建和开发。这一自动化过程是通过SAP HANA Cloud的矢量引擎功能(已通常可用)实现的,并结合了大语言模型和企业相关数据,这可以帮助确保业务背景是生成式AI输出结果的不变因素。
然而,要在业务各个方面应用生成式AI,必须有可信且受监管的数据。因此,为了给企业提供解决方案来监管AI的政策、流程和实践,SAP宣布扩展与Collibra的合作伙伴关系,并将Collibra的AI治理平台与SAP数据资产集成。这可有助于为企业提供透明度和问责制,并确保符合监管、合规和隐私政策。
通过知识图谱,发现隐藏的洞见和规律
通过全新的SAP Datasphere知识图谱,企业可以在其应用和系统之间,发现隐藏的洞见和规律。这个知识图谱能够帮助技术用户和业务用户,更深入地了解数据、元数据和业务流程之间的关系,以提高机器学习和大型语言模型的效果。
统一和高级的规划与分析
SAP Datasphere与SAP Analytics Cloud的全新整合,提供了一个集中的数据管理系统和强大的高级分析功能,从而为跨企业规划者提供便利,他们可以利用这个灵活的单一模型,无需多个工具,就能够打破壁垒,方便地进行数据准备、建模和规划。
此外,SAP Analytics Cloud中的新罗盘功能,也为企业用户带来更好的规划和分析结果。这个功能通过数据驱动的模拟,使企业能够使用聊天界面进行复杂的模拟,并评估预测结果,同时还能够不断调整可控变量,以找到最佳方案。
值得一提的是,该功能支持客户将财务、运营、供应链和人力资源规划整合起来。通过与SAP应用和第三方数据的本机连接,客户可以实现他们的规划转型,并统一各个领域的规划工作。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。