企业软件巨头 SAP SE 今日推出了商业数据云 (Business Data Cloud),这是一个新的数据解决方案,可以统一整个组织中的所有 SAP 数据和第三方数据,为洞察和人工智能应用提供基础。
公司同时宣布与企业数据处理和 AI 公司 Databricks Inc. 建立合作伙伴关系。该合作将 Databricks 的数据工程、机器学习和 AI 工作负载技术原生嵌入到 SAP 的云解决方案中。
SAP 产品工程主管 Muhammad Alam 表示,该解决方案带来了新的数据产品经济,使企业能够更好地控制信息并将其应用于组织。
"当数据与源应用程序断开连接时,就无法获得可靠的 AI," Alam 说。企业内发生的一切都是相互关联的,企业花费数百万美元试图协调这些数据,而这正是商业数据云要解决的问题。
在商业数据云中,客户可以访问数据产品。什么是数据产品?它们是来自所有 SAP 应用程序的语义丰富的数据,由公司进行开箱即用的管理,并针对特定行业用例设计,因此可以直接应用以维持原始业务上下文,无需昂贵的业务提取过程。
例如,如果首席财务官想要查看关税或区域价格变化对盈利能力的影响,商业数据云可以将消费者价格指数等实时外部数据与总账账户或成本中心等财务数据产品整合,生成财务快照。
"商业数据云意义重大,因为它发展了 SAP 数据的概念,并让这些 AI 用例开始消费数据," SAP 数据和分析总裁兼首席产品官 Irfan Khan 在接受 SiliconANGLE 采访时表示。
Khan 解释说,商业数据云中的数据将利用零拷贝功能,这能够加快特征工程,并通过加速 AI 模型训练和优化的迭代过程来帮助数据到模型的管道。该解决方案负责数据产品的持续管理和更新,减轻了信息技术和数据工程团队在提取、清理和管理方面的负担。
"如果用汽油做类比,你可以有普通汽油、中级汽油,然后是高辛烷值的高级汽油," Khan 说。"我认为,SAP 数据绝对是高辛烷值的高级汽油。"
商业数据云将整合 SAP Datasphere。该平台于 2023 年推出,是旧版 SAP Data Warehouse Cloud 的下一代产品。Datasphere 作为平台即服务架构,用于连接、协调和分发 SAP 和非 SAP 数据源以供客户应用使用,这也是商业数据云的核心功能。Khan 表示,现有的 Datasphere 客户将被无缝迁移,不会影响其运营。
业务用户可以直接将 SAP 的这些管理数据与 Databricks 结合到他们的应用程序中,它还将用于增强 SAP 的生成式 AI 助手 Joule 的功能。
作为今天公告的一部分,SAP 推出了一系列即用型 Joule 代理。这些 AI 代理可以在财务、销售等 SAP Business Suite 各个行业领域中,在几乎不需要人工监督的情况下采取行动、做出决策和使用工具。例如,在财务领域,多个代理可以协同工作,加快理赔处理并改善业务现金流。多个 Joule 销售代理可以协同工作,解决纠纷并回答简单的客户咨询。
对于目前开箱即用的 AI 代理无法处理的用例,SAP 推出了新的代理构建器。通过构建器功能,客户可以使用最相关的数据和业务上下文来定制自己的 AI 代理,以处理引导式工作流程。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。