SAP宣布已完成对领先的主数据管理软件提供商 Reltio的收购。此次收购旨在帮助客户将分散在SAP 与非 SAP 系统里的数据都转化为AI 就绪(AI-ready)的数据(即AI能真正理解、信任和使用的数据)。双方未披露具体交易条款。
此次收购将进一步增强 SAP 业务数据云(SAP BDC)的能力。作为 SAP “AI 优先”与“套件优先”战略的重要组成部分,SAP BDC 将面向企业级智能体AI( Agentic AI)加速演进为一个完全可互操作的数据平台。这将帮助客户统一、清洗、和协调来自各源头的数据,从而构建更完善的企业级智能体AI。
SAP 执行董事会成员、SAP 产品研发负责人 Muhammad Alam 表示:“Reltio 与 SAP 高度契合。此次收购将进一步加强SAP 作为商业 AI 领导者的地位,通过整合 SAP 与非 SAP 数据,为商业AI 提供关键的数据上下文。当数据分散于不同业务单元、平台和业务领域中且缺乏关联时,AI 的真正价值则难以释放。”
在交易完成并整合Reltio后,SAP 将帮助客户全面实现AI 就绪的企业数据。客户将能够基于来自 SAP 与非 SAP 来源的可信、高质量数据,更高效地释放 Joule 与 Joule 智能体的商业 AI 价值。
Reltio 平台能帮助企业端到端地管理和治理结构化与非结构化数据。Reltio基于 AI 的实体解析(Entity Resolution)技术,能识别来自不同格式与应用中的相关记录,并整合成一个可靠标准的“黄金记录(Golden Record)”,形成完整的业务上下文系统(System of Context)。凭借云原生与AI 优先的架构,Reltio能在 SAP 与非 SAP 应用之间,为企业提供一个涵盖客户、产品、供应商、地点和员工数据的一致性统一视图。对于要运行 AI 任务的企业而言,这意味着依托单一的可信数据源,获得更可靠、更一致的数据,从而提升商业 AI 的表现。因此,企业能够信任 AI 输出结果的准确性,并加快AI 交互响应速度。
Reltio 创始人兼首席执行官 Manish Sood 表示:“与SAP的合作为我们带来了重要机遇,使我们能够进一步加速实现自身的使命。企业级 AI 需要开放的、可互操作、能够跨复杂 IT 环境运行的可信业务上下文。本次合作将进一步增强我们在 SAP 与非 SAP 环境中构建‘业务上下文系统’的能力,同时持续保障对客户与合作伙伴生态的稳定支持。”
Reltio 的数据清洗与统一能力,以及AI智能体驱动的工作流,将与 SAP 商业套件应用协同运行,帮助企业提升决策效率、降低系统集成复杂度,并提供支撑业务流程与 AI 场景的可信、一致的数据。凭借低延迟数据交付能力以及对模型上下文协议(MCP)的支持,Reltio 能够在 SAP 与非 SAP 环境间实现实时多智能体协作。例如,采购智能体可基于可信实时数据即时评估供应商风险并触发后续动作。此外,Reltio 还提供预构建的行业“加速包(Velocity Packs)”,其中包括数据模型、规则、匹配逻辑与集成能力,并针对生命科学、医疗健康与金融服务等行业提供定制化解决方案。
在完成收购和整合 Reltio 后,SAP 计划进一步强化客户对多源的主数据的治理和开放能力,将这些数据转化为可信、具备丰富业务上下文的数据产品,用来支持传统分析场景和 AI 智能体应用。Reltio 将成为 SAP BDC的核心能力之一,并采用灵活的商业模式:客户既可单独采购 Reltio 解决方案,也可与其他 SAP 产品组合购买。在可预见的未来,Reltio也将继续作为独立产品向客户提供。
好文章,需要你的鼓励
2025年1月,OpenAI、软银、甲骨文和MGX联合宣布"星际之门"计划,承诺投资5000亿美元,部署高达10GW算力基础设施。如今,该项目已从白宫发布会上的宏大承诺,演变为一场前所未有规模的基础设施建设实验。项目已扩展至德克萨斯、威斯康星、俄亥俄等多地,并延伸至阿布扎比和挪威。然而,融资争议、合作伙伴摩擦、能源压力及政策监管收紧,正考验着这一"AI工业园"模式能否真正落地。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
加密货币交易所OKX正式推出AI智能体交易市场OKX AI,允许AI代理相互雇佣、自主结算,并建立基于区块链的可携带信誉档案。该平台经过50家早期服务商封测后向开发者开放,依托稳定币和链上支付基础设施,支持全天候微支付。OKX创始人徐明星表示,传统金融基础设施为人类而建,智能体经济需要为自主软件专门设计的基础设施。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。