SAP将收购主数据管理和数据集成专业公司Reltio,承诺帮助将其广泛应用组合之外的数据整合到AI平台中。
此举可能旨在提升SAP商业数据云(BDC)的采用率。BDC是SAP于2025年2月与数据湖和AI平台供应商Databricks合作推出的服务,旨在构建"洞察应用",利用分析工具和AI模型连接应用程序的实时数据,为各种业务活动提供洞察和规划能力。
SAP认为此举将帮助BDC与其他企业数据存储实现"完全互操作",通过清洗和协调数据来支持AI智能体的开发。
SAP产品与工程执行委员会成员Muhammad Alam表示:"收购Reltio将进一步巩固我们作为领先商业AI提供商的地位,结合SAP和非SAP数据,提供商业AI所需的数据上下文。当数据在业务单元、平台和领域间碎片化且缺乏连接或上下文时,AI无法发挥其全部潜力。"
Reltio成立于2011年,旨在为数据集成和MDM创建"云原生"方法。2024年,该公司将其底层数据库从自管理的宽列数据库Cassandra迁移到谷歌云上的分布式SQL系统Spanner。Reltio的客户包括制药巨头辉瑞、酒店集团丽笙和娱乐公司华纳兄弟。
Reltio使用其所谓的基于AI的实体解析系统,从不同格式和应用程序中查找并合并相关记录,形成关于客户、产品、供应商、位置和员工等的"黄金记录"数据。SAP预计将使用此系统整合SAP和非SAP应用程序的数据——该供应商拥有ERP、HR、CRM、供应链和采购系统——并利用这些数据开发AI智能体。
SAP在吸引用户对BDC关注方面一直面临困难。12月,德语用户组DSAG的研究发现,83%的成员对BDC只是略有了解或完全不了解。
dbInsight首席分析师Tony Baer表示,收购Reltio使数据集成比单独的BDC走得更远。
Baer在线上发布的文章中说:"几年前SAP宣布BDC时,这对SAP来说是一个重大战略转变,承认虽然SAP是企业业务数据的焦点,但也有其他焦点。SAP的BDC使命首先是通过为所有SAP数据建立通用的'一域模型'来清理自己的房子。然后从这个一域模型中,公开可以与Databricks、谷歌BigQuery、Snowflake数据云和微软Fabric等合作伙伴共享的商业产品。"
他说,虽然BDC主要是关于对外共享SAP数据,但收购Reltio是关于协调非SAP系统的数据并与SAP共享。
SAP咨询公司Protera应用高级副总裁Binoy James指出,DSAG发现BDC客户在迁移中途受阻,最终为无法使用的系统支付全额云费用。他说:"这个问题将在一段时间内困扰SAP的销售演示。"
Q&A
Q1:SAP收购Reltio的主要目的是什么?
A:SAP收购Reltio主要是为了增强其AI平台整合外部数据的能力,帮助将SAP应用组合之外的数据整合到AI平台中,提升商业数据云BDC的采用率,并支持AI智能体的开发。
Q2:Reltio公司主要做什么业务?
A:Reltio是一家成立于2011年的主数据管理和数据集成专业公司,专注于"云原生"数据集成和MDM方法。该公司使用基于AI的实体解析系统,将不同格式和应用程序的相关记录合并成"黄金记录"数据。
Q3:SAP的商业数据云BDC目前面临什么问题?
A:BDC在用户采用方面遇到困难。根据德语用户组DSAG的研究,83%的成员对BDC只是略有了解或完全不了解。此外,一些BDC客户在迁移中途受阻,最终为无法使用的系统支付全额云费用。
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。