SAP 把表格 AI 送上空间站:不是营销,是一次技术路线表态

2027 年初，国际空间站会多一个不会说话的住户。

它不拍照片，不做实验，也不看地球。它只干一件事：读空间站自己的表——传感器遥测、系统状态、任务日志，然后在地面来不及介入的窗口里，提前说出哪台设备要出问题。

这是 SAP-RPT，SAP 的表格基础模型。载体是已经在轨的 HPE Spaceborne Computer-2，合作方是 HPE。2026 年 10 月 27 日，SAP 在柏林 TechEd 上宣布了这项部署计划。

看到这条消息的第一反应通常是：又来了，厂商开始往天上放东西了。

我一开始也这么想。把部署细节和技术出处逐条核完之后，判断改了——真正值得读的不是「上太空」，而是「为什么偏偏是这个模型能上去」。

01｜太空不是舞台，是筛选器

太空对工程师不是浪漫，是一串硬约束：辐射会翻位、电力按瓦特掐、通信有窗口、设备坏了没人能上去拧螺丝。

这三条约束直接决定什么模型能带上天。

第一条，不能预训练。空间站上没有 GPU 农场，也没有标注团队，条件一变就得重训的模型上不去。SAP-RPT 走的是上下文学习：直接吃原始表格，不需要预训练，也不需要微调。

第二条，不能怕脏数据。传回来的数据本身就是残缺的，传感器会掉线，读数会有空洞。这个模型被要求容忍缺失值、混合类型、字段不一致，还要反过来用历史数据把缺失的传感器读数重建出来。

第三条最硬：省电。SAP 给出的数字是，SAP-RPT 的能耗约为当前最强语言模型的五万分之一。在轨道上，每一瓦都要算账。

送上空间站的不是最聪明的模型，是最省电、最能忍脏数据的那个。

它上去之后要交付五样东西：计算机与任务健康状态的实时预测、一个整体的任务风险评分、是否需要人工介入的判断、能让人读懂的成因解释，以及给宇航员和地面团队的临时报告。

这五样里没有一项在问「帮我写一段话」。全部在问「接下来会怎样」。

在轨运行于国际空间站上的 HPE Spaceborne Computer-2，SAP-RPT 计划部署的载体。图源：NASA（iss065e009492，2021 年 4 月摄），公有领域

02｜企业里的表，和空间站里的表是同一种东西

空间站的遥测是表：一行一个时间点，一列一个传感器。企业 ERP 里的订单、库存、应收、设备运行记录，也是表。

这类数据的共同点是结构强、维度高、样本不均衡、分布还会漂移，而语言模型恰恰在这类任务上不稳。10 月那篇讲 HR 数据预测的稿子里，我拆过一篇归因研究：LLM 在表格任务上的失效临界点是列宽，大约 16 维就跌回多数类猜测的水平。这跟数据脏不脏没关系，是模型生来处理语言的代价。

所以「用 LLM 读表」和「用表格模型读表」不是同一个能力的高低档，是两条不同的路。前者靠把行列翻译成 token 再推理，后者直接在行列上做统计推断。

SAP 的说法很直白：语言模型对表格、数字和统计的理解是粗浅的，TFM 才是为这类数据造的。这话明显有立场，但它指向的现象在学术侧有独立证据。

一条技术路线要成立，光有立场不够，得有人付学费。

03｜十亿欧元买的不是模型，是一个判断

2026 年 5 月 4 日，SAP 宣布收购德国弗赖堡的 Prior Labs，7 月 17 日交割。对价未披露，但 SAP 承诺未来四年向其投入超过 10 亿欧元，把它做成企业结构化数据方向的前沿实验室。

这家公司的时间线值得看一眼：2024 年成立，被收购前只融过一轮 900 万欧元的 pre-seed，领投是 Balderton Capital。核心资产是一个发在《Nature》上的模型 TabPFN——被引用超过 1000 次，开源模型下载量到 2026 年已达 400 万次，学术顾问名单里有 Yann LeCun。

18 个月，从论文到十亿级投入。这是欧洲 deeptech 近几年最快的一次退出，也是一次逆着人流的押注：市场上的钱几乎都在追语言模型，SAP 去买了一家做表格的。

交割不到两个月，2026 年 9 月 15 日，TabPFN-3.5 Plus 就在 SAP AI Core 上开放使用，并在 TabArena、BeyondArena 两个外部基准上排到首位。SAP CTO Philipp Herzig 给这件事定了调：对我们来说，表格 AI 不是自主企业的辅助功能，它就是地基。

十亿欧元买的不是模型权重，是一个判断：企业 AI 的主战场在表里，不在聊天框里。

这个判断不是没有对手。Kumo.ai 的 KumoRFM 声称在多表任务上更好；另一家 Fundamental 拿了 2.55 亿美元 A 轮，但同行评议的基准结果还没有公开。也就是说，路线之争仍在进行，SAP 目前领先的是单表精度和产品化速度，不是终局。

至于「表格模型能不能赢过传统机器学习」，SAP 在前代产品上已经公开过对比：RPT-1.6 在高基数业务数据上的平衡准确率，整体压住了 AutoGluon、CatBoost、LightGBM 这一组基线。这个结果出自 SAP 自己的评测口径，独立复现尚未看到，但方向和学术侧的证据一致。

SAP-RPT-1.6 在高基数（high-cardinality）真实业务数据上的平衡准确率，对比 AutoGluon / CatBoost / LightGBM / XGBoost 等基线。图源：SAP 公开技术材料，厂商自测口径

04｜TechEd 真正在卖的，是「意图」取代「菜单」

太空那件事是宣言。TechEd 上真正要卖的，是另一套东西。

Philipp Herzig 的主题演讲给了一句概括：从 AI 学习你的业务，到 AI 运营你的业务（from AI learning your business to running it）。

翻成产品语言，是 Joule Work 变成了入口。用户不再去记某个事务码、某个 tile，而是直接说「这个月应收为什么变差了」，由背后的 agent 自己拆步骤、调系统、给结论。SAP 给的数据是：约 200 家客户在早期试用，SAP 内部已有 7 万名员工在用；入口覆盖浏览器、桌面和移动端，还支持语音和 CarPlay。

被反复演示的另一个功能是 Joule Spaces——你说要盯收入，它当场生成一个只属于你的工作台；一周后回来，数据是新的。不是静态仪表盘。

对开发者，Joule Studio 把 no-code 和 pro-code 放在一起，可选 70 多个模型，早期客户还能在里面直接设计和运行 n8n 工作流。托管运行时对部分客户免费到 2026 年 12 月，开发者认证免费到 12 月 31 日。

真正决定这套东西能不能进企业的，是下面两层。

一层是上下文。SAP 的说法是把五十多年的流程和行业语义编码进每一次 agent 行动，靠的是 BDC 的知识图谱和即将推出的 Ontology Manager。没有这一层，agent 只能猜「关键供应商」是什么意思，而这个词在不同公司是不同意思。

一层是治理。新的 Enterprise AI Gateway 统一管身份验证、策略执行、路由、监控、用量和审计；AI Agent Hub 管 agent 台账；Governance Assistant 对着欧盟《人工智能法案》帮客户做分类和合规。第三方 agent 想调用 Joule 的 agent，必须走受治理的网关。

这两层听着不如「自主企业」性感，但它们才是采购评审会上的决定项。

05｜把时间线摊开：现在能用的，和要等的

通稿读起来像一切已就绪。把发布节奏摊开是另一回事。

通稿里的「宣布」，和采购清单上的「可用」，中间隔着两个季度。

这个时间差不该被当成负面消息。RPT-2.0 从分类回归扩到异常与离群点检测，这是把「预测一个值」变成「发现一个不对的值」——后者才是设备预警和财务稽核真正需要的能力。它排在 2027 Q1，意味着现在就去承诺「明年上半年做异常检测」的项目，时间线得按这个改。

同理，SAP-RPT-TS 已经可用，量级不大但方向清楚：时间序列预测交给 IBP，不用再为每个指标定制一套机器学习。这是最容易先见效的一块——不需要等网关，也不需要改权限模型。

06｜企业侧该按什么节奏跟

如果只带走一句话：这一轮的分水岭不在模型多聪明，在你有没有把「表」准备好。

三个动作，按顺序来。

第一，先理顺主数据和语义。知识图谱、Ontology Manager 吃的是客户自己的数据产品。2027 Q1 到手的工具，输入取决于今天的数据治理水平——Reltio 的主数据管理、BDC 的湖仓（原生支持 Iceberg 和 Polaris）这些底层，现在不做，明年拿到的也是空壳。

第二，建一张 agent 台账。哪怕先用一张表：谁建的、能碰哪些数据、谁能复核、什么时候下线。SAP 把它做成了 AI Agent Hub，自建路径的企业先用表格替代完全可行，成本几乎为零。

第三，把治理写进合同，而不是写进 PPT。网关 2027 Q1 才到，但「哪些第三方 agent 允许调用、能碰哪些字段、出问题谁负责」这三条现在就得有答案。SAP 在 2026 年 6 月的 API 政策更新里，已经把第三方 agent 计划性调用 SAP 接口的路径收在 Joule 这一侧，采买时值得让法务读一遍条款原文。

07｜回到空间站

回到开头那个不会说话的住户。

它上去不是为了证明「AI 能上太空」，而是为了证明一件事：一个不用预训练、不怕数据残缺、能耗只有语言模型五万分之一的东西，可以在没人维护的地方持续给出预测。

这个能力搬回企业，对应的不是「帮我写周报」，是「那台压缩机快过热了」「这个客户的付款节奏在变」「这家供应商的交期在悄悄滑」。

这三句话，才是 ERP 里真正值钱的那部分 AI。

模型能不能说漂亮话没人付钱，能不能在坏掉之前说出来才有人付钱。