预测成为内置能力 ｜ AI原生ERP新发展

在2025年的SAP TechEd技术大会上，SAP正式发布了其首款企业级关系型基础模型——SAP-RPT-1（Relational Pre-trained Transformer）。这是一款专为理解和处理企业结构化数据（如数据库表格、Excel工作表）而设计的预训练模型。

ERP本质就是处理企业结构化数据的，人工智能不是消灭格式化数据，而是更便于处理结构化数据：人工智能拯救中国企业管理软件行业的隐秘现实

RPT解决了什么问题？

RPT革新了企业利用传统机器学习进行业务预测的方式。

在传统模式下，企业针对每一个预测任务（如需求预测、设备故障预警、信用风险评估），都需要数据科学家和工程师组成的团队，执行一个耗时数周的定制化模型训练流程：

1. 数据准备：整合、清洗来自不同业务系统（如ERP、POS）的数据，处理缺失值和异常值。

2. 特征工程：人工定义和构造影响预测的关键因素，例如为销量预测加入节假日、促销活动、天气等维度。

3. 模型训练与测试：使用机器学习工具反复训练和测试以上特征变量和结果之间的因果关系，以选择最优模型。

4. 部署与维护：将模型部署至业务系统，作为服务供业务流程自动调用；并需在业务逻辑变化后重新训练和维护模型。

SAP-RPT-1的目标是利用预训练模型来取代上述人工训练过程。它通过上下文学习的能力，用户只需提供业务数据表和少量示例，模型就能立即给出预测，无需为每个场景进行专门训练和模型维护。

该模型将通过SAP的AI基础平台提供，并已作为开源模型在Hugging Face平台上发布，同时SAP还提供了免费的沙箱环境供用户体验。

原理：结构化数据原生模型

与OpenAI或DeepSeek等专注于文本生成的通用大语言模型不同，SAP-RPT-1是“表格原生”的。其底层架构源于SAP研究团队发表的学术论文《Context Tab：一种语义感知的表格上下文学习器》（ContextTab: A Semantics-Aware Tabular In-Context Learner）。

该技术让模型能从预训练中就理解企业表格数据的特殊结构、语义（如表头、列类型的含义）以及行列之间的复杂关系，从而能直接对“交付是否会延迟？”、“此客户是否存在付款风险？”等业务问题给出精确预测。

应用展望

我们可以设想下基于RPT的未来ERP是怎么使用的：

用户跟ERP厂商的智能体进行自然语言交互，在特定业务场景的上下文里，当需要用到预测能力，只要输入包含历史情况的数据示例，系统便能自动开展这个场景的预测，而不需要专门去做个机器学习模型。

例如，当用户向智能体提出库存补货的请求，智能体让用户提供一个包含时间、促销、天气和对应销量的历史数据表示例，模型便能基于ERP中的当前相关数据，直接预测未来销量，从而产生库存补货建议。

正如我在《果总原创 ｜ 企业人工智能转型的策略和方法论》文中所写，大语言模型是个读书万卷、能说会道的文科生，它既有文科生的优点——善于跟人沟通，也有文科生的缺点——不懂万事万物底层规律的物理原理，不会对结构化数据进行统计和优化来发现规律，也不善于处理严谨的流程编排，这些物理、数学、工程的理科生、工科生的活，需要除了大语言模型之外的其他人工智能模型，亦即我曾经写过的：

懂物理原理的人工智能模型：《世界模型｜中国企业AI转型的奇思妙想》

发现结构化数据规律的人工智能模型：《别了，SAS ｜中国企业级数据科学行业还需努力》《20分钟了解AI基础》

懂流程编排的人工智能模型：《驱动智能化业务流程，需要大流程模型（LPM）》

SAP-RPT-1标志着企业AI在机器学习领域，正从“一事一模型”的定制时代，迈向“一个通用模型解决多种预测任务”的新范式。除了这个模型外，SAP提出的大流程模型也值得期待。

由于这些技术原理是通过学术论文开放的，这也为国产软件在该领域的跟进与发展提供了有价值的参考。