德国软件巨头 SAP 正在数据领域全力推进,以支持下一代 AI 应用场景。今天,该公司推出了 Business Data Cloud (BDC),这是一款新的 SaaS 产品,采用数据湖仓架构,帮助团队将 SAP 生态系统数据与来自不同源系统的外部数据相结合,创造长期价值。
该产品是与数据生态系统巨头 Databricks 开展重要合作的成果。本质上,SAP BDC 原生集成了 Databricks 数据智能平台的功能和数据。这消除了创建和维护复杂数据管道的需求,为高级 AI 代理和分析工作负载创建了统一的数据基础。
包括汉高在内的多家企业正在使用 BDC 支持其 AI 项目。SAP 本身也在使用强化后的 BDC 来支持新一代面向金融、服务和销售等特定领域的 Joule 代理。这一发展使 SAP 成为继 Microsoft 和 Salesforce 之后另一个通过强化数据平台为 AI 奠定基础的重要参与者。
SAP 的全新数据基础 多年来,SAP 凭借 S4/HANA 云和针对金融、供应链和人力资本管理的多个关键应用程序,成为企业资源规划 (ERP) 领域的领军企业之一。这些应用程序生成具有业务上下文的 PB 级数据,通过公司的业务技术平台 (BTP) 为团队提供 AI 和分析价值。
迄今为止,SAP BTP 拥有一个"数据领域",允许企业将 SAP 数据与非 SAP 系统的信息连接起来,最终通过 SAP 分析云和其他内部工具链接到下游应用程序。现在,公司正将这种体验发展成为由 Databricks 原生支持的统一 BDC。
SAP Business Data Cloud 的产品特点 这意味着 SAP 正在采用数据湖仓架构,创建一个统一基础,将所有 SAP 数据产品(从 SAP S/4HANA 和 SAP Ariba 中的财务、支出和供应链数据,到 SAP SuccessFactors 中的学习和人才数据)与存储在 Databricks 中来自其他各种关键业务系统的结构化和非结构化数据相结合。
一旦数据统一(通过零拷贝、双向共享),SAP BDC 可以利用 Databricks 特定功能进行数据仓库、数据工程和 AI 等工作负载,这些都由 Databricks unity catalog 进行管理。
SAP 数据和分析总裁兼 CPO Irfan Khan 告诉 VentureBeat:"我们将所有这些由 SAP 提供和管理的不同数据产品...以统一的数据模型持久化到 SAP Business Data Cloud 的数据湖仓中。这个数据湖仓将具有 Databricks 功能供用户构建应用。"
Khan 表示,以前那些在 Databricks 中有大量数据且在 S4 或 BW 中有 SAP 数据的用户必须构建和管理复杂的管道,同时将所有数据资产复制到 SAP 平台,同时重建整个语义和核心数据模型。这种方法耗时且需要用户随数据变化不断更新管道。然而,通过 Databricks 的原生集成,用户可以在一个地方访问所有内容,并直接在 BDC 之上进行数据工程、数据科学和其他任务。
对企业的意义 从本质上讲,这款由 Databricks 支持的产品为团队提供了一种更快速、更简单的方式来统一和调动封存在 SAP 和 Databricks 环境中的业务数据资产。
经过语义增强的组合数据将为构建面向不同用例的下一代 AI 应用铺平道路。例如,团队可以使用 Databricks 的 Mosaic AI 功能开发特定领域的 AI 代理,这些代理可以使用来自 SAP 业务数据和外部 Databricks 特定数据的上下文来自动化某些人力资本管理或供应链功能。
值得注意的是,SAP 本身正在利用这个增强的数据基础来支持现成的 Joule 代理,旨在自动化任务并加速销售、服务和财务功能的工作流程。这些代理深入理解端到端流程并协作解决复杂的业务问题。
此外,BDC 将具有"洞察应用"功能,允许用户将其数据产品和 AI 模型与外部实时数据连接,以提供跨业务功能的高级分析和规划。
更多数据合作伙伴即将加入 虽然这种合作凸显了 Databricks 和 SAP 的重大举措,但重要的是要注意,由 Ali Ghodsi 领导的数据巨头不会是唯一一个支持 BDC 的公司。
据 Khan 表示,数据共享和生态系统开放性是公司的首要设计原则,他们将通过合作伙伴连接功能扩展到其他数据平台。这意味着企业用户将能够选择他们喜欢的平台(或者他们已经绑定的平台),并为目标用例双向共享数据。
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。