SAP SE在2026年全美零售联合会大型展会上宣布推出一系列新的人工智能功能,将规划、运营、履约和商务更紧密地整合到其零售软件产品组合中。
该公司表示,这些更新旨在帮助零售商管理日益复杂的运营,因为客户参与正转向AI驱动的发现和自动化决策。这些公告包括数据分析、商品销售、促销、客户参与和订单管理方面的新功能,大部分功能计划在2026年上半年推出。
"人工智能,特别是智能体AI的力量,正在重塑事务处理方式,"SAP客户体验和消费行业总裁兼首席产品官Balaji Balasubramanian表示。"从规划到执行,再到提供卓越的客户体验,这是一个完整的端到端闭环零售系统。"
数据基础
该公告的核心要素是SAP业务数据云的新零售智能组件。SAP表示,该产品旨在统一来自SAP和第三方系统的销售、库存、客户和供应商数据,实现需求和库存规划的AI驱动仿真。
该系统旨在提高预测准确性,减少人工规划工作,降低库存成本,同时保持服务水平。
Balasubramanian表示,这种方法反映了零售商在规划人工和自动化流量方面必须采用的新方式的转变。"这不仅仅是人工流量,还有他们需要规划的机器人流量,"他说。"对于认知度的竞争战场至关重要,因为一旦获得认知度,零售商就能将其转化为推动盈利增长。"
新功能与之前的SAP分析工具不同,它们使用人工智能将前端客户参与与后端规划和执行连接起来。"漏斗顶端的有机流量正在下降,影响力正转向其他渠道,如答案引擎和大语言模型,"他说。"这些正在影响用户的去向。"
SAP还宣布在其面向零售和时尚客户的S/4HANA云公共版中推出AI辅助的商品组合管理。该功能允许规划人员通过SAP的Joule助手使用自然语言创建或修改商品组合。
"零售商最大的成本项目是库存持有、分销和履约,"Balasubramanian说。"我们希望帮助他们最小化这些成本,使他们能够以最优价格提供最广泛的商品组合。"
虽然大语言模型允许技术水平较低的用户规划商品组合,但SAP内置了防护措施,防止不当决策。"一旦设定了这些护栏,系统就会在其中工作,理解自然语言意图,"他说。"我们会显示那些意图与护栏不匹配的内容。"
全渠道感知
SAP还推出了将SAP全渠道促销定价软件与S/4HANA云公共版集成的销售促销功能,允许奖励购买等促销活动在物理和数字渠道中一致应用。
该公司还在其商务云中引入了店面模型上下文协议服务器,据称这允许零售商使店面数据对AI系统具有可理解性。
SAP还宣布在订单管理服务中推出订单可靠性智能体,旨在识别潜在的履约问题,并帮助零售商在影响客户之前解决订单状态和可用性问题。该公司在开发过程中与客户合作,但拒绝分享他们取得的具体性能指标。新宣布的功能将在2026年前六个月开始推出。
Q&A
Q1:SAP新推出的零售智能组件有什么作用?
A:SAP零售智能组件是SAP业务数据云的新组成部分,旨在统一来自SAP和第三方系统的销售、库存、客户和供应商数据,实现需求和库存规划的AI驱动仿真,从而提高预测准确性,减少人工规划工作,降低库存成本。
Q2:SAP如何通过AI帮助零售商管理商品组合?
A:SAP在S/4HANA云公共版中推出了AI辅助的商品组合管理功能,允许规划人员通过SAP的Joule助手使用自然语言创建或修改商品组合,同时内置防护措施防止不当决策,帮助零售商最小化库存、分销和履约成本。
Q3:SAP的订单可靠性智能体能解决什么问题?
A:订单可靠性智能体是SAP订单管理服务中的新功能,旨在识别潜在的履约问题,帮助零售商在影响客户之前主动解决订单状态和可用性问题,提升客户服务质量和订单处理效率。
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。