引言: SAP最新推出的AI产品RPT-1，承诺为企业预测分析提供“开箱即用”的解决方案，旨在规避对通用大型语言模型进行微调的复杂性。尽管即插即用型AI用于商业任务的前景确实诱人，但经验丰富的观察者不禁会质疑这是否真正是范式转变，抑或是企业软件长期以来“简单化”主张的又一轮循环。我们需要超越营销的表面光鲜，剖析其对于那些已厌倦宏大承诺的首席信息官们所带来的真正影响。

核心提炼

• SAP正押注于经业务数据训练的专门“关系基础模型”，以提供即时价值，旨在抗衡通用LLM及其微调需求。
• 此举标志着企业软件巨头们正在重新主张对其现有生态系统内AI层的拥有权，并可能带来新型的供应商锁定。
• “开箱即用”和“无需微调”的宣称面临严峻挑战，这源于实际企业数据的高度异构性及普遍质量低下，而这些问题历来都会削弱即插即用解决方案。

深度解读

SAP的RPT-1被誉为“关系基础模型”，它带着一个大胆的声明：无需通用大型语言模型（LLM）通常所需的繁琐微调，即可开箱即用地执行复杂的业务预测和分析。沃尔特·孙（Walter Sun）断言，该模型“基本上是基于Excel电子表格的业务交易”进行训练，无需公司特定定制即可提供即时价值，此说法旨在与深陷数据科学积压的IT部门产生强烈共鸣。表面上看，这个提议很有吸引力：利用数十年的SAP聚合交易数据来创建一个预先就绪的预测引擎。

然而，一如既往，魔鬼藏在企业数据的细节之中。尽管RPT-1被吹捧为能理解数字和关系，以提供“结构化和精确的答案”，但这前提是数据具有在多元企业环境中鲜少存在的一致性和语义清晰度。每家公司的“Excel电子表格”都是独一无二的，充斥着遗留问题、不一致的命名约定以及难以概括的领域特定细微差别。SAP的ConTextTab架构利用表头等语义信号，是理解表格数据朝着正确方向迈出的一步，但它离真正理解嵌入在无数自定义字段和遗留系统中的定制业务逻辑还差得很远。

将此与当前企业AI采用的现实情况进行比较。企业要么在与微调通用LLM的艰巨任务作斗争——这个过程需要大量的计算资源和专业知识——要么从零开始构建定制的机器学习模型。SAP的RPT-1将自己定位为中间地带，提供了一个预先构建的解决方案。然而，我们之前在企业资源规划（ERP）系统本身也见过类似的承诺：“开箱即用”的最佳实践往往最终演变为无休止的定制项目，从而超出预算和时间表。挑战不仅在于模型的智能性；还在于它如何优雅地与客户通常混乱的数据生态系统集成并理解这些数据，其中大部分数据可能位于核心SAP系统之外的原始边界之外。来自与电子表格集成的LLM（微软Copilot、Claude）的竞争也提出了一个问题：SAP提供的是真正的关系智能，还是仅仅是一个更复杂的数据解释层，这种区别在市场营销中可能会模糊不清？

对比观点

SAP虽然极力推崇RPT-1的“开箱即用”能力，但怀疑者们必定会对此感到质疑。一个能够在没有任何特定公司背景的情况下理解所有业务交易的模型，这种想法在错综复杂的企业IT世界中，更像是一个乌托邦式的理想。竞争对手，甚至是独立的专业数据科学家，都可能会争辩说，一个基础模型，无论在通用业务数据上训练得多么强大，都将不可避免地难以应对定义各个企业的独特竞争差异化因素、特有的流程以及特定的市场条件。仅仅依靠一个广泛的数据集可能会产生通用预测，而这些预测缺乏关键业务决策所需的精确性。此外，声称只需要“更少的额外信息”并不等同于无需额外努力。企业仍然面临着数据清洗、集成以及将其专有数据模型映射到SAP泛化理解的艰巨任务。风险不仅在于次优的性能表现，还可能导致供应商锁定，这种所谓的“简单”是以牺牲灵活性和真正的数据所有权为代价的。

前景探讨

SAP RPT-1在未来1-2年内的前景是谨慎乐观的，但面临诸多显著障碍。SAP现有的客户群及其在企业数据流中根深蒂固的地位，为其提供了强大的启动平台。许多对AI复杂性感到不知所措的公司，将渴望探索一条看似更简单的途径。然而，RPT-1的广泛应用将取决于它能否持续证明其“开箱即用”的有效性，并在各种行业和不同规模的企业中实现这一点，同时无需客户方面进行大量且昂贵的数据再工程。最大的障碍将是管理客户的期望。如果最初的部署仍需大量的数据准备、上下文工程或领域特定调整，“无需微调”的承诺将迅速失去吸引力。此外，来自高度可定制的微调大型语言模型（LLM）和专业表格机器学习平台的竞争，加上数据治理的长期挑战以及对“黑箱”模型的信任问题，都将促使SAP持续证明RPT-1切实的投资回报率（ROI），而不仅仅是营销的华丽辞藻。

---

原文参考: Forget Fine-Tuning: SAP’s RPT-1 Brings Ready-to-Use AI for Business Tasks (VentureBeat AI)

Read English Version (阅读英文版)