SAP新任首席人工智能官Philipp Herzig在一次访谈中提出了SAP公司的AI战略,战略的重点是将人工智能功能融入SAP业务应用程序,让客户能够更容易地使用人工智能。
直接向 SAP 首席执行官Christian Klein 汇报工作的Herzig在最近访问新加坡期间接受了媒体采访。他指出,SAP 人工智能战略的基础在于能够将 SAP 应用程序中的数据和流程整合在一起,以支持旗下的业务人工智能。
他表示,“业务人工智能首先意味着我们要将人工智能嵌入到我们的业务应用中,包括供应链、财务、人力资源、采购、差旅和支出等等以及其他各种业务流程。”
SAP 已经开始在旗下的 SuccessFactors 人力资源套件以及销售和服务云中融入了人工智能功能。例如,一些功能包括利用生成式人工智能帮助招聘人员创建职位描述以及帮助客户服务团队改善故障解决时间。
SAP还开发了 Joule co-pilot,不仅能为 SAP 应用程序的用户提供上下文信息和帮助,还通过整合代码生成能力提高开发人员的生产力,包括数据模型、应用逻辑和测试脚本的创建等等。
Herzig表示,“我们一直在不断创新,利用Joule生成工作描述,而且我们现在正在将Joule扩展到更多的人力资源应用场景。”他补充表示,SAP 已经为大约 30 个人工智能应用场景构建各种功能,今年将扩展到覆盖 100 多个应用场景。
Herzig在谈到SAP如何优先考虑 AI 应用案例时表示,SAP是根据价值来确定优先级,“你可以用人工智能做很多事情,但如果价值不到位,或者成本太高,就不会被采用。我们始终要从客户回报的角度来看待这个问题,要看是不是现有许可的一部分,或者是不是我们的高级人工智能产品的一部分。”
需要为客户简化人工智能的采用,这一点同样重要。Herzig表示,在嵌入式人工智能方面,SAP已“有过深刻的经验,如果不是以服务的形式提供,不通过云和开箱即用的方式提供,就不会被采用”。
Herzig表示,“目前积极使用SAP业务人工智能的客户数为2.7万,其中只有不到1%是内部部署客户。”他指出,那些将其作为服务使用的客户可以立即获益。他补充表示,“这是我们未来设计人工智能的唯一方式,否则我们将无法适应我们的客户数量。”
SAP 的方法还能使那些可能不具备实施人工智能技术专业知识的组织更容易获得人工智能能力。Herzig表示。“举例来说,如果我们提供了一个模型,然后你需要重新训练这个模型以及做数据清理,这些都需要很多技能,而许多客户并没有100名数据科学家。”
尽管如此,具备相关技能并希望获得稍微不同版本 AI 应用程序的组织可以通过 SAP 业务技术平台(BTP)对模型做一些人工智能技术上的调整。BTP平台具备跨SAP应用的预置整合功能。
Herzig表示,“我们的客户和合作伙伴可以对我们设计的应用稍作修改或定制,进而构建他们自己的应用程序版本。”他补充表示,他们可以通过 BTP 更快地做到这一点,从而减轻整合痛点。
他表示,“你可以在 Azure、谷歌云和亚马逊网络服务上构建应用程序,但你需要自己做安全、构建数据管道、身份管理整合等等。就是因为我们需要自己解决这些难题,我们推出的战略就显得特别有用。我们将 BTP 几乎是作为副产品提供给客户,让他们可以构建自己的定制应用程序。”
好文章,需要你的鼓励
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。