SAP在其1月份最新发布的财报中披露，SAP在2024年全年的云服务收入达到141亿欧元，增长25%。
SAP首席执行官克里斯蒂安·克莱恩(Christian Klein) 在他们的发布会上表示，人工智能正成为 SAP 业务的关键部分，该技术占 SAP 2024年 第四季度云订单的一半。
这是一个非常了不起的成就。SAP是怎么做到的呢？
我认为，这主要得益于SAP独特的AI战略。
SAP业务AI战略：三个层次构建智能化企业
SAP将其AI战略定义为“业务AI”（Business AI），旨在将AI无缝集成到其企业应用中，帮助企业提高效率、优化决策并实现创新。
SAP 业务AI的战略可以分为三个层次：
AI 产品和方案：SAP面向企业应用构建了全面的AI产品和解决方案，包括企业级 AI 应用开发和部署平台；将AI能力嵌入到SAP的各个产品线中，如ERP、CRM、HCM等，让用户在日常工作流程中直接使用AI功能；针对不同行业的特定需求，开发定制化的AI解决方案，如零售行业的客户个性化推荐、制造业的预测性维护等。
开放生态：构建开放的AI生态系统，与合作伙伴共同开发AI应用，并支持客户使用第三方AI模型。
负责任的AI：强调AI的伦理和安全性，确保AI应用符合道德标准，并保护用户数据隐私。
SAP三大系列AI产品与方案：AI战略的落地与布局
为了实现其 AI 战略目标，SAP 推出了一系列具体的落地产品和方案，主要可以归纳为以下几个方面：
一、SAP AI 基础平台(AI Foundation on SAP BTP)：这是 SAP AI 战略的核心基石，提供了一整套集成的 AI 功能和服务，旨在增强和扩展 SAP 应用和客户解决方案的 AI 能力。它包括：
AI平台: SAP BTP包含AI平台，用于构建、部署和管理 AI 模型的基础设施；
AI Launchpad: 提供集中化的 AI 应用管理和监控平台；
Generative AI Hub: 作为 SAP AI Launchpad 的一部分，提供生成式 AI 功能，帮助企业更轻松地利用生成式 AI 技术；
二、SAP Business AI (业务 AI)：SAP 将 AI 能力嵌入到各个业务领域的解决方案中，以解决特定的业务挑战并创造价值。主要应用领域包括：
ERP 和财务 (ERP and Finance)：利用 AI 加速财务流程自动化，提升财务分析和预测能力，例如自动化应收账款管理、智能费用管理等。
供应链 (Supply Chain)：通过 AI 优化供应链计划、预测需求、管理库存、提升物流效率，实现更敏捷和弹性的供应链。
采购 (Procurement)：利用 AI 自动化采购流程，例如智能供应商选择、合同管理、采购订单处理等，降低采购成本，提升效率。
人力资源 (Human Resources)：在 SAP SuccessFactors 解决方案中集成 AI，用于人才招聘、员工发展、技能管理、员工体验提升等方面。例如，智能人才推荐、个性化学习路径、员工情感分析等。
销售和客户服务 (Sales and Customer Service)：利用 AI 驱动的 CRM 解决方案，提升销售预测准确性、个性化客户互动、智能客服等，改善客户体验，增加销售额。
营销和商业 (Marketing and Commerce)：通过 AI 驱动的营销策略，实现跨渠道的个性化营销和商品推销，提升营销 ROI。例如，AI 驱动的客户细分、个性化推荐、智能内容生成等。
行业 AI 解决方案：SAP也在针对不同行业的需求，开发定制化的 AI 解决方案。例如，针对零售行业的智能商品推荐、针对制造业的预测性维护、针对金融服务行业的风险管理等。
三、SAP AI 服务 (SAP AI Services)：这是一系列战略服务和应用，旨在自动化和优化业务流程，丰富客户体验。这些服务利用 SAP BTP 上的数据和分析解决方案，例如 SAP HANA Cloud vector engine 和 SAP Datasphere knowledge graph 技术。
SAP HANA Cloud vector engine 和 SAP Datasphere knowledge graph 这两项技术在 SAP 的 AI 战略中扮演着至关重要的角色，它们为构建强大的 AI 应用提供了关键的数据处理和知识表示能力。
SAP HANA Cloud Vector Engine (向量引擎)
SAP HANA Cloud vector engine 是 SAP HANA Cloud 数据库的一个扩展功能，它被设计用来高效地存储、索引和查询向量嵌入。它的主要作用体现在以下几个方面：
支持语义搜索和推荐系统: 对于文本搜索、产品推荐、文档检索等应用，可以将文本、产品描述、文档内容等转换为向量嵌入，然后利用向量引擎进行相似性搜索，从而实现基于语义的搜索和推荐，而不仅仅是关键词匹配。
例如语义搜索: 用户可以使用更自然、更口语化的语言进行搜索，向量引擎可以理解其语义意图，找到语义相关的结果，即使结果中不包含用户输入的关键词。
产品推荐: 基于用户的购买历史、浏览行为、产品特征等，生成用户和产品的向量嵌入，通过相似性搜索，可以为用户推荐与其兴趣和需求相似的产品。
增强生成式 AI 应用: 向量引擎可以作为生成式 AI 应用的外部知识库。例如，在大型语言模型 (LLM) 应用中，可以将企业内部的知识文档、产品信息等转换为向量嵌入并存储在向量引擎中。当用户向 LLM 提问时，可以先通过向量引擎检索相关知识，然后将检索到的知识作为上下文提供给LLM，从而提高 LLM 回答的准确性和相关性，并使其能够回答企业特定领域的问题。这也被称为 检索增强生成 (Retrieval-Augmented Generation, RAG)。
图像和视频分析: 向量引擎也可以用于图像和视频分析领域。可以将图像和视频内容转换为向量嵌入，然后进行图像相似性搜索、视频内容推荐、内容分类等应用。
异常检测和欺诈检测: 在异常检测和欺诈检测领域，可以将正常行为模式和异常行为模式分别转换为向量嵌入，通过相似性搜索，可以快速识别与异常模式相似的行为，从而进行异常或欺诈检测。
SAP Datasphere Knowledge Graph (知识图谱)
SAP Datasphere Knowledge Graph 是 SAP Datasphere 数据云平台的一个重要组成部分，它旨在帮助企业构建和利用企业级的知识图谱。
其主要作用体现在以下几个方面：
企业知识的统一表示和管理: 企业内部的知识通常分散在不同的系统和数据源中，例如数据库、文档、报表等。SAP Datasphere Knowledge Graph 可以将这些分散的知识整合到一个统一的知识图谱中，实现企业知识的集中管理和访问。
增强数据集成和数据发现: 知识图谱可以帮助企业更好地理解数据之间的关联，发现隐藏在数据中的模式和规律。通过知识图谱的语义查询和推理能力，可以实现更智能的数据集成和数据发现，提升数据价值。
支持智能决策和业务洞察: 知识图谱可以为企业提供更深入的业务洞察和更智能的决策支持。
例如：供应链优化: 构建供应链知识图谱，可以帮助企业更好地了解供应商、物料、生产流程、物流网络之间的关系，从而优化供应链计划、降低风险、提升效率。
客户关系管理 (CRM): 构建客户知识图谱，可以整合客户的各种信息（例如购买历史、偏好、互动记录），从而实现更个性化的客户服务和营销。
风险管理: 构建风险知识图谱，可以识别潜在的风险因素及其关联关系，帮助企业进行风险评估和预警。
驱动 AI 应用的智能化: 知识图谱可以为 AI 应用提供丰富的结构化知识，增强 AI 模型的推理能力和解释性。
例如，问答系统: 基于知识图谱的问答系统可以更准确地理解用户的问题，并从知识图谱中检索答案，提供更智能的问答服务。
智能推荐: 结合知识图谱和向量引擎，可以实现更精准、更个性化的推荐。例如，基于用户的兴趣和知识图谱中的实体关系，可以推荐用户可能感兴趣的产品、内容或服务。
可解释性 AI (Explainable AI, XAI): 知识图谱可以帮助解释 AI 模型的决策过程。通过分析知识图谱中的实体和关系，可以追溯 AI 模型做出决策的依据，提高 AI 模型的透明度和可信度。
总而言之，SAP HANA Cloud vector engine 和 SAP Datasphere knowledge graph 这两项技术在 SAP 的 AI 战略中是相互补充、协同工作的。
向量引擎 (Vector Engine) 擅长处理非结构化数据，进行高效的相似性搜索，适用于语义搜索、推荐系统、生成式 AI 的知识检索等场景。
知识图谱 (Knowledge Graph) 擅长表示和管理结构化知识，进行语义理解和推理，适用于智能决策、业务洞察、增强 AI 应用智能化和可解释性等场景。
在实际应用中，这两项技术可以结合使用，例如：
构建基于知识图谱增强的语义搜索: 可以使用知识图谱来扩展查询的语义信息，然后使用向量引擎在文档或数据集中进行语义搜索，从而获得更准确、更全面的搜索结果。
构建知识图谱驱动的推荐系统: 可以使用知识图谱来表示用户、产品和内容之间的关系，然后使用向量引擎来计算用户与产品或内容之间的相似度，从而实现更个性化的推荐。
增强生成式 AI 的知识: 可以使用知识图谱来构建企业知识库，并将知识图谱中的实体和关系转换为向量嵌入，存储在向量引擎中，供生成式 AI 模型检索和利用，提高生成内容的质量和相关性。
通过整合 SAP HANA Cloud vector engine 和 SAP Datasphere knowledge graph 这两项技术，SAP可以帮助企业构建更智能、更强大的 AI 应用，更好地利用数据和知识，实现智能化转型。
SAP 的 Joule Copilot 和 Agent 方案：智能化应用新入口
具体到应用领域，SAP还有两个非常重要的AI产品和方案，即SAP 的 Joule Copilot 和 Agent 方案。
这两个方案是 SAP 业务AI 战略中的重要组成部分，旨在通过更智能、更人性化的交互方式，提升用户在 SAP 系统中的工作效率和体验。
SAP Joule Copilot
SAP Joule Copilot 是一种对话式 AI 助手，它被集成到 SAP 的各种应用和解决方案中，作为用户与 SAP 系统交互的统一入口。您可以将 AI Copilot 理解为 SAP 系统中的一个智能聊天机器人，它能够理解自然语言，并根据用户的指令执行操作、提供信息、解答疑问，并引导用户完成复杂的任务。
主要功能和特点:
自然语言交互 (Natural Language Interaction)：用户可以使用日常语言与 AI Copilot 进行交流，无需学习复杂的 SAP 语法或操作流程。这大大降低了 SAP 系统的使用门槛，使得用户能够更轻松地获取信息和完成任务。
情境感知 (Context Awareness)：AI Copilot 能够理解用户的上下文语境，包括用户当前正在使用的应用、正在处理的业务流程以及用户的历史操作记录。这使得 AI Copilot 能够提供更精准、更个性化的帮助和建议。
任务自动化 (Task Automation)：AI Copilot 可以自动化执行重复性、繁琐的任务，例如数据录入、报表生成、流程审批等，从而解放用户的时间和精力，让他们能够专注于更具战略性和创造性的工作。
智能助手 (Intelligent Assistance)：AI Copilot 可以作为用户的智能助手，提供实时的业务洞察、操作指导和决策支持。例如，它可以帮助用户查找关键信息、分析业务数据、预测潜在风险、推荐最佳行动方案等。
跨应用集成 (Cross-Application Integration)：AI Copilot 旨在集成到 SAP 的各个应用和解决方案中，例如 SAP S/4HANA, SAP SuccessFactors, SAP Customer Experience 等。用户可以通过 AI Copilot 在不同的 SAP 系统之间无缝切换，获取统一的智能服务体验。
可扩展性和定制化 (Extensibility and Customization)：SAP 允许企业根据自身的需求，对 AI Copilot 进行扩展和定制，例如添加新的技能、集成企业内部知识库、调整对话流程等，使其更好地适应企业的特定业务场景。
应用场景示例:
财务领域：
查询最新的财务报表和关键指标。
自动创建费用报销单并提交审批。
识别潜在的付款风险和欺诈行为。
供应链领域：
查询库存水平和订单状态。
预测物料需求并自动创建采购订单。
优化运输路线和物流计划。
人力资源领域：
查询员工信息和组织结构。
自动创建职位发布并筛选候选人。
解答员工关于福利和政策的常见问题。
销售领域：
查询客户信息和销售机会。
自动生成销售报价和合同。
分析销售数据并预测销售趋势。
SAP Joule Agents
SAP Joule Agent 方案则更侧重于构建自主运行的智能代理，这些 Agent 可以独立执行复杂的业务流程，无需人工干预。与 AI Copilot 侧重于人机交互不同，AI Agent 更加强调自动化和自主决策。
主要功能和特点:
自主决策 (Autonomous Decision-Making)：AI Agent 能够基于预设的目标和规则，自主分析数据、制定计划、执行行动并进行优化，无需人工干预。
流程自动化 (Process Automation)：AI Agent 可以自动化端到端的业务流程，包括跨多个系统和应用的复杂流程。这超越了传统的 RPA (机器人流程自动化) 的能力，能够处理更复杂、更动态的业务场景。
智能学习和优化 (Intelligent Learning and Optimization)：AI Agent 能够从经验中学习，不断优化自身的行为和决策，提升流程执行效率和业务成果。
事件驱动 (Event-Driven)：AI Agent 可以实时监控业务事件，例如订单变化、库存预警、市场波动等，并根据事件触发相应的行动，实现快速响应和敏捷运营。
可组合性和可编排性 (Composability and Orchestration)：SAP 提供了构建和管理 AI Agent 的平台和工具，企业可以根据自身需求，灵活组合和编排不同的 Agent，构建复杂的智能业务解决方案。
应用场景示例:
智能订单处理：AI Agent 可以自动接收、审核、处理和执行销售订单，包括库存检查、信用评估、物流安排等，全程无需人工干预。
动态定价优化：AI Agent 可以实时监控市场需求、竞争对手价格和库存水平，自动调整产品价格，最大化利润和销售额。
预测性维护：AI Agent 可以分析设备传感器数据，预测设备故障风险，并自动触发维护工单，实现预防性维护，降低设备停机时间和维护成本。
风险管理：AI Agent 可以实时监控市场风险、信用风险、操作风险等，并自动采取措施降低风险，例如调整投资组合、收紧信用额度、调整运营策略等。
供应链优化：AI Agent 可以优化整个供应链网络，包括供应商选择、库存管理、生产计划、物流配送等，实现更高效、更弹性的供应链运营。
总体而言，AI Copilot 侧重于人机协作，作为用户的智能助手，通过自然语言交互提升用户在 SAP 系统中的工作效率和体验。它更像是一个智能的“副驾驶”，辅助用户完成各种任务。
AI Agent 侧重于自主运行，作为独立的智能代理，能够自动化端到端的业务流程，无需人工干预。它更像是一个智能的“自主驾驶”系统，能够独立完成复杂的业务流程。
SAP 的 “业务 AI” 战略和系列产品方案，展现了其在企业智能化领域的愿景和强大实力。借助其深厚的行业积累、领先的技术平台和创新的 AI 应用，SAP 有望帮助企业客户在 AI 浪潮中把握先机，构建面向未来的智能化企业。
相关文章
