一家18个月的公司，卖了超过5亿美元现金

2026年5月5日，德国软件巨头SAP宣布收购Prior Labs，一家仅成立18个月、以学术研究为根基的AI初创公司。这是SAP近年来在AI领域规模最大的单笔押注，也是2026年欧洲最引人注目的AI收购之一。

消息一出，很多人的第一反应是：这么小的公司，有什么值得花这么多钱？

Pathfounders的内部信源给出了一个令人意外的数字：这笔交易几乎全是现金，3位联合创始人——Frank Hutter、Noah Hollmann和Sauraj Gambhir——从中获得了远超5亿美元的现金回报。

SAP没有公布具体收购价格，但随后宣布将在未来4年额外投入逾10亿欧元（约11.6亿美元），将Prior Labs打造成”欧洲领先的前沿AI实验室”。

一家18个月的公司，3位来自学术界的创始人，一个听起来很学术的赛道——表格基础模型（Tabular Foundation Model，TFM）——却触发了SAP近年来规模最大的AI押注之一。

这究竟是什么逻辑？

要回答这个问题，需要先理解三件同时发生的事：一场被忽视的技术缺口、一场席卷企业软件行业的生存危机，以及一场关于谁来控制企业AI入口的权力博弈。

企业AI的真正难题：大模型读不懂表格

市场上流传着一个关于企业AI的简化叙事：部署GPT-4或Claude，接入企业数据库，业务问题迎刃而解。

但任何真正深入企业IT系统的工程师都清楚，这个叙事充满了摩擦点。

核心问题在于：企业里最重要的数据不是文字，是表格。

CRM系统里的客户流失率、ERP里的付款延迟天数、供应链管理中的供应商风险评分、财务系统中的异常支出检测——这些数据全部存在于行列结构的关系数据库里。LLM（大语言模型）在生成文字、理解语义上惊人出色，但在对结构化数据进行统计推理方面表现极弱。

“大语言模型对表格只有粗浅的理解，”SAP官方公告中直接写道，”它们在处理表格、数字和统计数据时，预测精度远不如专门为此设计的模型。”

这是一个被主流AI讨论严重低估的问题。全球95%以上的企业关键数据都存在于关系型数据库中——Oracle、SAP HANA、MySQL、PostgreSQL。这些系统里沉积着十几年甚至几十年的业务数据。当一家制造商想预测下季度哪些零件供应商可能出现延误，当一家银行想实时识别哪笔企业贷款存在违约风险，当一家零售商想预测特定SKU的库存补货时机——这些决策都需要对结构化表格数据的深度统计理解，而不是语言生成能力。

Prior Labs的研究正是针对这个缺口开展的。他们开发的TabPFN（Prior-Fitted Networks for Tabular Data）已在GitHub累积超过300万次下载，成为全球被使用最广泛的开源表格AI工具之一。TabPFN-2.6在TabArena基准测试上排名第一——这是目前最权威的表格基础模型评测基准。

最令人惊叹的性能指标是：TabPFN-2.6可以在数秒内完成一个需要4小时自动化机器学习（AutoML）流程才能完成的任务，无需任何模型微调，直接通过上下文学习从数据中推断模式。

对企业来说，这意味着什么？意味着他们可以部署一个AI系统，直接针对自己的历史业务数据进行预测，无需昂贵的模型训练流程，无需将数据上传到第三方云平台，无需雇用数据科学家团队来调整超参数。单一的TFM模型可以适应任意业务场景，从客户流失预测到供应商风险评分，只需要提供相关的历史数据表格。

SAP CTO Philipp Herzig在公告中表达了这种判断的清晰度：”我们很早就认识到，企业AI最大的未开发机会不是大语言模型，而是为运转世界商业的结构化数据构建的AI。我们用SAP-RPT-1验证了这一判断。Prior Labs在公开基准上建立了领先的TFM模型，并组建了该领域一流的研究团队。将他们的前沿模型研究与企业数据和客户资源结合，是我们引领这一类别的战略路径。”

SaaSpocalypse的阴影：守城还是进攻？

如果仅从技术角度看，SAP押注TFM的逻辑相当清晰。但这笔交易背后还有一层更深的焦虑——整个传统企业软件行业正在经历一场被戏称为”SaaSpocalypse”（SaaS末日）的生存危机。

2026年1月，SAP发布第四季度财报，股价单日暴跌16%，创2020年以来最大单日跌幅。云合同积压增长仅16%，远低于市场预期的26%。SAP股价此后持续承压，CFO明确指出AI对传统软件商业模式的结构性冲击。

这不只是一个坏季度。这是整个传统企业软件商业模式在AI时代的集体危机。

过去20年，企业软件公司的核心价值主张是：我比你自己开发更便宜、更可靠、更快速。SAP、Salesforce、ServiceNow——它们靠着规模经济建立了复杂的功能矩阵，然后向企业收取天价年费。

但AI正在动摇这个逻辑的基础。当生成式AI让一个中等水平的开发团队可以在几周内构建出功能对标SAP某个模块的系统，当越来越多的中型企业开始质问”我们是否真的需要每年支付这笔SAP维护费”，传统SaaS的定价权开始松动。

SAP CFO Dominik Asam在一月财报电话会上罕见地公开表达了这种焦虑：”AI最杀手级的应用之一就是彻底改变软件开发方式。那么问题来了——客户是否可以自己做所有事情，这意味着这块蛋糕会缩小？”他紧接着说，SAP必须”每天争分夺秒，试图成为AI采用的先行者”。

面对这种挑战，SAP采取了双管齐下的策略：进攻与防御同时展开。

防御侧：SAP已开始封锁未经授权的AI Agent。根据TechCrunch的报道，SAP实施了新的API政策，明确”禁止”AI Agent通过其API访问SAP产品，除非是”SAP背书的架构”。SAP官方最新API政策文件也确认了这一禁令。这个决定的目的显而易见：如果第三方AI Agent可以随意调用SAP的数据和工作流，SAP就从软件供应商变成了数据底座——利润率将被压缩，定价权将拱手相让。

进攻侧：Prior Labs的收购正是主动进攻的核心布局。通过掌握顶级的表格基础模型研究能力，SAP试图把”理解企业结构化数据”这件事变成自己的专属护城河——既是客户无法绕开的核心能力，也是竞争对手难以复制的技术壁垒。

NVIDIA战略：谁的Agent可以进来？

这笔交易还有一个值得深究的细节：NVIDIA的角色。

就在SAP发布封锁第三方Agent政策的同期，NVIDIA宣布SAP的Joule Agents（SAP自己的AI Agent平台，仍处于测试阶段）将支持NVIDIA Agent Toolkit。这个工具包是NVIDIA专门为企业级、安全导向的Agent部署设计的标准化框架，被NVIDIA称为NemoClaw。

换言之：SAP封锁OpenClaw等通用AI Agent，但同时为NVIDIA的NemoClaw开放了绿灯。

这个安排的战略意图相当微妙。NVIDIA需要在企业软件领域找到标杆合作伙伴，来验证其Agent Toolkit的商业价值和安全性——SAP是全球最大的企业软件商之一，与SAP的合作是巨大的背书。而SAP需要一个可以向保守型企业客户兜售的”有章可循的AI Agent方案”，既能让客户得到AI Agent的效率提升，又能确保SAP自己不被边缘化。

Prior Labs被收购后，将整合入SAP AI Core和SAP Business Data Cloud平台，并通过Joule向企业客户开放。这条产品路径意味着：未来当SAP企业客户部署AI Agent时，最底层的预测智能将由Prior Labs的TFM提供，Agent层由Joule（NVIDIA NemoClaw认证）协调，数据层由SAP HANA锁定。整个技术栈都在SAP的控制范围内。

顾问团阵容：超越背书的信号

Prior Labs科学顾问委员会的成员名单，值得单独分析。

SAP宣布，Yann LeCun和Bernhard Schoelkopf将担任Prior Labs扩张后的科学顾问委员会成员。前者是ACM图灵奖得主、Meta首席AI科学家，深度学习三巨头之一；后者是Max Planck智能系统研究所所长和ELLIS（欧洲学习与智能系统协会）主席，因果推断和统计学习方面的国际权威。

这个阵容不只是PR背书。

它传递了一个清晰的信号：Prior Labs不会成为一个被SAP并购后逐渐边缘化、最终消失在企业软件官僚体系中的研究团队（这种”被并购后死亡”的命运在科技行业极为常见）。SAP正在押注，通过引入顶级学术合作者，Prior Labs可以保持研究自主性和技术前沿性——这也是吸引和留住顶尖AI研究人才的关键。

Prior Labs承诺继续维持TabPFN的开源策略，这是另一个聪明的长期布局。超过300万次的下载量意味着一个活跃的全球开发者社区，这个社区既是技术反馈的来源，也是未来产品生态的基础。

三层洞察：从这笔交易看企业AI的深层逻辑

第一层：LLM不是企业AI的终点，而是起点

当大多数企业AI讨论还在纠结于”哪款LLM更好”时，SAP和Prior Labs的交易表明，真正关键的问题是：哪种AI架构最适合企业里不同类型的数据和决策场景？

对话式查询和文档生成，LLM是最佳工具。但在需要统计精度、历史数据推理和可解释性的核心业务决策场景中，专为结构化数据设计的TFM可能是更好的答案。SAP愿意为这个判断支付超过5亿美元的控制权溢价，是迄今为止规模最大的市场背书。

第二层：欧洲AI的防御主权——SaaS公司的最后防线

这笔交易还有地缘政治维度。Prior Labs将成为SAP在欧洲建立”全球领先前沿AI实验室”的核心，与Max Planck、ELLIS等欧洲学术机构深度整合。

在OpenAI、Anthropic、Google主导全球AI叙事的格局下，欧洲最大科技公司之一正在试图建立自己的前沿AI研究能力。欧洲严格的GDPR框架和数据主权要求，为TFM这类可以在本地部署、无需数据离境的模型创造了天然的竞争优势——在欧洲市场，”数据不出境”本身就是一个价值数十亿欧元的差异化卖点。

第三层：18个月为什么值超过5亿美元？稀缺性定价逻辑

传统财务估值框架在这笔交易上完全失灵。一家没有大规模商业营收的18个月公司，为什么能获得超过5亿美元的现金对价？

答案是稀缺性。

表格基础模型这个赛道的顶尖研究者全球寥寥，而且大多数人才已被OpenAI、Google、Meta的天价薪酬包揽。Frank Hutter是自动机器学习（AutoML）领域的顶级学者，TabPFN的原始论文在ML社区内有极高引用量，他在弗莱堡大学的学术积累赋予了这个团队在基础研究方面无可替代的深度。

在当前AI并购浪潮中，稀缺的顶尖研究团队 + 可防御的技术领先地位，这个组合的定价从来不是传统PE估值逻辑，而是战略控制权溢价。SAP买的不只是一个产品，而是确保自己在企业AI核心赛道上不被边缘化的可能性。

18个月，3位学者，一个被硅谷忽视的问题

Frank Hutter并不是一个典型的硅谷创业者。

他在弗莱堡大学担任教授多年，是自动化机器学习（AutoML）领域的国际权威之一。他的H-index高达90以上，论文引用量超过5万次——这是学术界顶级研究者的标准。他在2019年联合编辑的《AutoML》教科书，至今是这一领域的标准参考文献。

当2024年他与Noah Hollmann和Sauraj Gambhir共同创办Prior Labs时，他们并没有追赶当时最热门的LLM赛道，而是选择了一个更冷门但更具体的问题：如何让AI真正理解存在于表格中的数据？

这个选择在当时看起来有些反潮流。2024年是GPT-4大行其道的年代，整个AI投资界都在谈论”下一个ChatGPT”，在谈论通用语言理解，在谈论多模态。表格数据？那似乎是老一代数据科学家的领域，是Scikit-learn和XGBoost的世界，和AGI的宏大叙事相去甚远。

但Hutter和他的团队看到了一个缺口：在所有AI狂欢的声浪中，有一类关键问题仍然没有被有效解决——当企业想用AI预测”下个季度哪些客户会流失”“哪批订单存在延误风险”“哪些供应商出现财务风险信号”时，他们需要的不是一个能写文章的AI，而是一个能读懂他们数据库表格的AI。

18个月后，他们的TabPFN-2.6成为了TabArena基准上的第一名。这不是小成就——TabArena是当前最权威的表格AI评测，参与的模型包括来自Google、Meta以及众多顶级AI实验室的最新成果。

更重要的是，TabPFN在工业界迅速传播。超过300万次下载，证明这不只是一个学术玩具，而是真正在解决工程师和数据科学家的实际问题。达到这个规模的开源ML工具，在历史上屈指可数——Hugging Face的Transformers是其中之一。

这种学术深度加上工程可用性的组合，才是SAP愿意支付超过5亿美元现金的真正原因。

为什么现在？AI Agent时代的结构性需求

理解这笔收购的时机，还需要考虑一个更宏观的背景：2026年是AI Agent真正落地企业的元年。

从Anthropic的Claude Managed Agents，到OpenAI的Deployment Company，到Salesforce的Agentforce，大量AI Agent产品正在涌向企业市场。这些Agent的核心价值主张是：代替人类自动完成复杂的多步骤业务任务——从处理客服投诉到分析财务异常，从评估供应商风险到生成销售报告。

但Agent要真正可靠地执行这些任务，必须有能力理解和分析企业的结构化数据。一个无法可靠预测”这笔应收账款有多大概率超过90天逾期”的Agent，在财务审计场景中几乎没有实用价值。一个无法识别”这批原材料的供应商过去12个月的延误模式”的Agent，在供应链管理中同样无法信任。

这意味着，随着AI Agent渗透率的提升，对高质量结构化数据分析能力的需求将呈指数级增长。LLM可以负责自然语言界面和任务规划，但核心的数值预测和风险评估，需要TFM这样专门的工具。

SAP正是在这个节点上完成了对Prior Labs的收购，时机精准。

Joule平台（SAP的AI Agent层）将Prior Labs的TFM能力深度整合后，可以创造出一种独特的企业AI体验：业务用户可以用自然语言提问（LLM层），系统自动调用Prior Labs的模型针对历史数据进行精准预测（TFM层），结果直接写回SAP工作流系统执行（ERP层）。

这个”LLM + TFM + ERP”三层架构，是SAP正在押注的企业AI未来形态——而这个架构中，每一层都是SAP的地盘。

当”无聊”变成护城河

外界对SAP的刻板印象往往是”无聊但稳定”——企业资源计划、会计软件、人力资源系统。没有消费级AI的光环，没有爆炸性的用户增长故事，没有抢占头条的发布会。

但这笔收购揭示了一个深刻的反直觉洞察：在AI时代，”无聊”的企业结构化数据反而是最难被颠覆的护城河。

想象一下：全球超过350,000家企业在使用SAP的ERP系统。这些系统里存储着数亿条交易记录、数十年的财务历史、供应商关系网络和客户行为数据。这些数据的规模、深度和时间跨度，是任何AI原生创业公司用3到5年时间根本无法积累的。LLM可以帮助这些数据”被访问”，但Prior Labs的TFM能力才是让这些数据真正”被理解”和”被预测”的关键。

每一家全球500强企业的财务预测、供应链管理、人力资源决策，都依赖于SAP系统中数十年积累的行列数据。这些数据的质量、深度和历史跨度，是任何新兴AI原生公司短时间内都无法复制的资产。

Prior Labs的TFM能力，正好是让这些数据真正”开口说话”的钥匙。与其说这是一笔AI并购，不如说这是一场关于”谁来最终读懂企业数据”的战略卡位。

SAP赌的，是当世界终于意识到企业结构化数据的AI潜力时，自己已经在这个方向上建立了10亿欧元级别的技术护城河，而竞争对手已经错过了最佳的入场时机。

18个月，5亿美元，10亿欧元的未来承诺。对Prior Labs的3位创始人来说，这是一个研究者梦寐以求的结局：不必融资、不必上市、不必应付增长压力，只需要继续做最好的研究——而所有资源都已经在路上了。

对SAP来说，这是一场豪赌：在SaaSpocalypse的寒潮中，用顶尖的技术投资来证明，传统企业软件不会是AI时代的炮灰，而会是企业AI真正落地的基础设施。

参考资料：