在今年的SAP Sapphire大会上,该公司为企业智能新时代奠定了基础。SAP展示了Business Data Cloud功能的重大扩展,推出了预构建且可组合的智能应用程序,以满足每位业务领导者的需求。
主题演讲强调了一个未来愿景:组织将使用基于可信业务数据的应用程序来实时适应市场变化、预测客户需求并增强运营效率。面对市场波动和不断变化的监管要求,SAP认为智能应用程序将成为竞争成功的决定性因素。以下是今年大会的重要发布内容。
**智能应用程序重塑业务成果**
最引人注目的发布之一是People Intelligence,这是一个基于员工构成、技能和薪酬数据产品的解决方案。它提供组织洞察、薪酬分析和技能优化功能,帮助企业完善人才策略、提升员工参与度并确保合规性。
SAP还推出了其他智能应用程序,为企业运营的不同方面提供实时洞察。这些解决方案专注于云端ERP、客户智能、财务和采购管理。每个应用程序都将结构化业务数据与AI驱动的建议相结合,确保业务领导者能够超越分析,转向可执行的行动。
**AI和语义智能革新业务数据**
除了应用程序,SAP还在增强Business Data Cloud中的知识图谱功能。这项技术使企业能够跨多个数据源映射业务元数据,提高数据准确性、连接性和AI驱动的洞察力。与SAP的对话式AI工具Joule结合使用时,企业能够以自然的方式与复杂数据集交互,使决策制定更快速、更直观。
**多云可用性扩展SAP覆盖范围**
另一个重大发布是SAP Business Data Cloud在AWS上的可用性,Google Cloud和Microsoft Azure预计将在今年晚些时候跟进。这一步骤确保企业能够在其首选的云环境中集成SAP的智能应用程序。
**合作共创智慧未来**
SAP的智能应用程序将受益于不断扩展的合作伙伴生态系统,各公司协作扩展SAP的功能。埃森哲正在开发专注于供应链、财务和采购挑战的智能应用程序。Adobe和SAP正在合作开发一个新解决方案,同步营销和运营数据以实现实时需求预测。Palantir支持SAP客户推进云迁移现代化工作,确保无缝数据集成。
其他合作伙伴关系包括汤森路透,正在推出一个导航全球贸易政策的应用程序;穆迪公司将金融风险数据集与SAP应收账款数据集成,以改善现金流预测。Collibra正在增强Business Data Cloud中的数据质量,使企业能够更高效地执行高级合规和决策制定工作流程。
**智能应用程序是商业战略的未来**
SAP Sapphire 2025强化了向AI驱动企业智能转变的趋势。通过Business Data Cloud的扩展、多云可访问性和广泛的合作伙伴网络,SAP正在论证智能应用程序作为商业战略新标准的价值。
寻求获得竞争优势的组织应该探索这些AI驱动工具如何集成到其工作流程中,评估多云部署选项,并参与SAP不断发展的智能应用程序生态系统。随着AI继续重新定义业务,那些拥抱AI驱动决策制定的企业将最好地定位在数字经济中领先。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。