7 月 17 日，SAP 宣布完成对德国 AI 初创公司 Prior Labs 的收购，双方此前于 5 月 4 日公布收购协议。SAP 承诺在未来四年向这家源自弗赖堡研究团队的公司投入超过 10 亿欧元，用于扩建研究表格 AI 的实验室。交易条款未披露，这笔后续投资并非公开的收购价。
SAP 看中的是 Prior Labs 对结构化数据的处理能力：财务报表、供应链记录、人力资源数据，以及企业资源计划（ERP）系统中的各类表格。这些数据与企业经营直接相关，适合用于预测付款延迟、供应商风险或客户流失。
TabPFN 专门处理表格数据，减少逐个任务训练模型的工作
生成文本、图像和代码的模型受到广泛关注，企业经营中大量使用的表格数据也需要相应工具。表格中的数字、类别、缺失值和字段关系，与一段自然语言有不同的处理要求。
Prior Labs 的核心产品 TabPFN（Tabular Prior-Fitted Network）正是专为这类数据设计的基础模型。据团队介绍，TabPFN 是在数十亿合成表格数据集上预训练的 Transformer。训练让它学会从示例中识别统计规律：面对新表格时，可以把已有数据作为上下文完成分类、数值预测及扩展的异常检测等任务，无须每次都重新调整模型权重。
SAP 在 5 月公告中披露，TabPFN 已被下载超过 300 万次，是应用较广的开源表格 AI 工具之一。Prior Labs 联合创始人 Noah Hollmann 曾这样描述其动机：「我从小编程，后来被吸引到医学领域，在那里我看到多少科学研究被结构化数据瓶颈所限制——这些数据 AI 根本碰不到。」
TabPFN 系列的相关研究已发表于 Nature。团队此后继续迭代，从 TabPFN v2 到 v2.5（支持 50,000 个数据点和 2,000 个特征），再到 TabPFN-3。团队报告称，TabPFN-3 在关系数据评测 RelBenchV1 上取得了参评基础模型中的最佳成绩；这一结果对应特定评测条件。
SAP 希望把表格模型接入现有企业软件
企业采用 AI，并不意味着已经能把它稳定用于日常业务。Scale AI 与 Reuters Insights 今年发布的「6% 报告」调查了近 500 名高级 AI 决策者，仅有 6% 的受访企业达到了报告所定义的规模化应用水平。SAP 的收购思路，是让 AI 更好地利用 ERP、客户关系管理（CRM）和供应链管理（SCM）系统中的结构化数据。
许多全球大型企业使用 SAP 软件管理采购、生产、销售和财务等核心流程。这让 SAP 有机会把模型接入客户已有的业务系统，帮助客户分析自己的数据。机会来自业务场景和客户关系，实际部署仍要满足数据授权、治理与安全要求。
根据 SAP 公告，Prior Labs 将继续作为独立实体运营，以保持研究推进速度。SAP 提供长期投资和产品化渠道，希望在保留研究团队工作方式的同时，把成果带入企业应用。
成立不到两年，Prior Labs 从早期融资走到被收购
Prior Labs 成立于 2024 年末。SAP 在 5 月公布交易时，团队已发展约 18 个月。对于欧洲 AI 行业，这提供了一个科研团队较快获得大型软件公司支持、继续在当地开展研究的案例。
Prior Labs 的创始团队来自弗赖堡大学和 ELLIS 生态系统：Frank Hutter 教授长期研究自动化机器学习（AutoML），也是 TabPFN 研究的主要推动者；CTO Noah Hollmann 曾在 Google 和 BCG 工作；COO Sauraj Gambhir 拥有 VC 并购和企业增长背景。创始顾问包括 AI 先驱 Bernhard Schölkopf（ELLIS 主任、马普所）和企业家 Alex Diehl。
这家公司于 2025 年 2 月完成 900 万欧元的种子前轮融资，从这轮融资到收购完成不到一年半。TechFundingNews 称其为「欧洲深科技的新基准」。收购完成后，团队还将获得 SAP 承诺的长期研究投入。
云业务增长承压，SAP 需要证明 AI 投入的回报
这笔交易也发生在 SAP 承受资本市场压力之时。2026 年 1 月，公司公布的全年云收入指引不及市场预期，股价当日一度下跌约 15%，跌幅为 2020 年以来少见。2026 年第一季度，SAP 云收入按固定汇率增长 27%，按报告汇率增长 19%；公司仍需向投资者展示增长前景，同时推进业务调整。
收购 Prior Labs 可以补充 SAP 的 AI 研发能力，也让外界能观察这些投入能否转化为客户愿意使用的产品。SAP 计划通过 SAP AI Core、SAP Business Data Cloud 和 AI 助手 Joule，将 Prior Labs 的模型能力接入现有业务。
在公开评测中表现好，还要经过企业真实数据检验
Prior Labs 的模型同样采用 Transformer，但针对表格的表示和统计推断进行了设计。表格数据中，列之间可能存在函数依赖，字段类型和分布各异，缺失值与异常值也很常见。这些特点要求模型理解数据关系，仅把表格转成文本交给语言模型，未必能取得可靠的预测结果。
SAP 研究团队（与 Prior Labs 独立）此前也发表了 FlexTab 等工作，探索表格数据的上下文学习。该团队近期另一篇 arXiv 论文分析了企业数据与公开评测数据的差异，发现：在标准表格基准上表现优异的模型，在真实企业数据上可能表现糟糕，反之亦然——企业表格数据与学术基准之间存在系统性差异。
这也说明，SAP 的客户场景与 Prior Labs 的模型研究有互补空间，但组合效果需要用真实企业任务验证。公开基准成绩、客户数据规模和实际部署价值之间，仍有一段工程与评估工作要完成。
长期投资能否变成产品，取决于研发、部署和竞争表现
SAP 对 Prior Labs 的投资，体现了企业 AI 的另一类需求：从已有数据库中做预测，并把结果用于经营决策。这类能力可以与自然语言交互结合，用户提出问题，表格模型负责具体的数据分析。
针对数据类型和业务任务设计模型，正在成为企业 AI 的一条发展路径。医疗、金融、供应链等领域各有不同的数据特点，模型既要做好预测，也要适应相关工作流程。
这笔超过 10 亿欧元的投资承诺能否带来持续优势，取决于三个问题：Prior Labs 独立运营后能否保持研究速度、吸引人才；TabPFN 能否从开源工具顺利进入企业生产系统；面对云厂商和开源社区的竞争，SAP 的业务经验和客户渠道能否让产品更好用。
