透過 SAP-RPT 轉換結構化資料

將 SAP 的關聯式預訓練轉換器模型投入營運,無需從頭建置模型,即可從企業資料取得預測性且可解釋的見解。
一名男子使用筆記型電腦工作,畫面顯示 SAP RPT-1 playground 使用者介面,以及使用表格式 AI 在結構化資料上取得預測性見解的測試環境。

什麼是 SAP-RPT?

SAP-RPT 是一種完全受管理的關聯式預訓練轉換器模型,運用上下文學習,從結構化企業資料提供準確且可解釋的預測性見解。

placeholder

SAP-RPT 表格式模型包括:

  • 結構化資料預訓練,可省去成本高昂且耗時的模型訓練。

  • 上下文學習,即使面對不斷變化且不完整的資料,也能提供即時可靠的預測。

  • 內建治理、可靠性與可解釋性,支援端到端的管線管理。

  • 生成式 AI 中心中的兩個商業版本,分別針對不同的速度與準確度平衡進行調校。

關鍵效益

加速取得見解

無需模型訓練或專業 ML 知識,即可立即部署預測,將數週的資料準備時間縮短至數小時。

從不完美的資料產生準確見解

即使企業資料不完整或變動,預測品質仍可達到狹義 AI 模型的最高 2 倍,以及語言模型的 3.5 倍。SAP-RPT 的韌性架構、上下文學習及可解釋的見解,有助於找出驅動成果的訊號,同時因應資料品質挑戰。*

在整個企業擴展預測能力

跨企業單位與情境使用單一模型進行分類與迴歸,簡化部署並減少對多個特定使用案例預測模型的需求。

主要功能

placeholder

上下文學習 API

SAP-RPT 會使用現有的企業資料來源或 API 呼叫中直接提供的範例記錄來處理分類和迴歸任務。該模型會識別每個請求資料情境中的資料模式,以產生準確預測。

預訓練關聯式架構

建立於對表格結構、資料關係和企業邏輯的內建理解,SAP-RPT 無需自訂預處理或特徵工程,即可處理結構化資料集、變動值及企業資料格式。

表格式協調工作流程

運用 AI Core 協調功能將 SAP-RPT 投入運作,將預測智慧嵌入管線,並透過內建治理、可靠性與可解釋性進行管理。

購買

定價選項

我們提供三種不同的 SAP BTP 定價選項。這些帳戶類型可讓您測試您的情境,且通常提供升級至付費服務方案的選項。

兩個版本,無限使用案例

SAP-RPT

  • 低延遲

  • 高預測吞吐量

  • 完全能處理大多數預測情境

SAP-RPT Large

  • 高準確度

  • 最低錯誤率

  • 複雜預測使用案例

資源

placeholder

SAP ‑ RPT:直接從您的結構化資料取得企業級預測

存取 SAP-RPT 最新版本的模型卡,以取得其預期用途、效能、限制,以及搭配結構化企業資料進行負責任部署的指導方針。

placeholder

SAP-RPT-1.6 現已正式推出

SAP-RPT-1.6 最新版本現已透過 AI Core 中的模型庫提供,並具備多項增強功能,可協助企業運用表格式 AI 做出更值得信賴的決策。

placeholder

ConTextTab:具語意感知能力的表格資料學習

ConTextTab 結合語言模型語意與表格原生效率,在真實企業表格式預測任務中實現高效能。

placeholder

關聯式資料的上下文學習

進一步瞭解 SAP 革命性的表格原生基礎模型,該模型運用上下文學習處理企業預測任務,無需自訂訓練。

常見問題

表格式基礎模型是一種預先訓練的 AI 模型,旨在理解結構化資料中的列、欄和關係,無須訓練個別模型即可跨任務進行預測。不同於大型語言模型 (LLM) 將資料轉換為單一序列來處理文字,像 SAP-RPT 這樣的表格式基礎模型旨在保留銷售記錄或供應商績效交易等來源之結構化資料內的關係。這能在特定企業領域、活動和流程的情境中,實現更準確的 AI 輸出和預測。

上下文學習可讓模型即時理解模式,並根據 API 呼叫中的範例記錄立即適應新情境,以提供即時且準確的情境預測。

是。最新版本的 SAP-RPT 可在 SAP-RPT playground 免費測試:https://rpt.cloud.sap。設定預測情境、評估模型效能、產生預測,並以自然語言變更資料及與資料互動。SAP-RPT 提供資料變更的見解,並呈現與您資料之間的關聯。透過直覺式介面,使用您的 CSV 檔案或 SAP 提供的範例,探索模型偵測到的統計模式,以測試多類別分類和數值迴歸。

是。SAP-RPT 的開放原始碼版本可在 Hugging FaceGitHub 取得,以供研究和非商業用途使用。商業版本可透過 SP AI Core 中的模型庫提供給客戶。

表格式協調工作流程功能(預計於 2026 年底正式推出)將使 SAP-RPT 表格式基礎模型投入運作。協調功能將在 SAP AI Core 上提供,可透過 API 存取,並將搭配情境選取和模型選取模組推出。工作流程會自動選取適當的情境、建立 API 呼叫,並根據執行階段提供的查詢資料列傳回預測,免除手動進行情境工程和模型處理的需求。

是,模型可觀測性(預計於 2026 年 7 月正式推出)將透過預測、詳細的因素影響和資料歸因提升信任與透明度,並補強 SAP-RPT 中現有的 top-k 預測和信賴區間增強功能。

是。先前稱為小型版本的模型現在即為標準 SAP-RPT 模型,完全能處理大多數預測情境,並提供低延遲、高速度及高準確度。

模型卡是標準化的技術說明文件,用以說明表格式基礎模型的用途、功能、預期使用方式、評估結果、限制以及負責任使用的考量因素。這有助於技術和企業使用者評估模型是否適用於特定使用案例,並在具備適當防護措施的情況下進行部署。

探索您計劃評估或使用之 SAP-RPT 版本的模型卡:

*數字以一家營收 10 億歐元、擁有 2,000 名員工的消費品公司為假設。年度效益來自一個或多個價值驅動因素。來源:SAP Value Management。
**法律免責聲明:Token 與促銷後最佳化成本適用

twitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixel