SAP scommette sull'AI tabulare: acquisizione da oltre 1 miliardo per Prior Labs

Il 17 luglio 2026 SAP ha completato l'acquisizione di Prior Labs, una startup fondata a Friburgo appena 18 mesi prima, impegnandosi a investire oltre 1 miliardo di euro in quattro anni per trasformarla in un laboratorio di ricerca indipendente sull'AI per dati strutturati . Prior Labs è pioniera dei Tabular Foundation Models (TFM), una categoria di AI costruita appositamente per i dati aziendali organizzati in righe e colonne, anziché per il testo non strutturato . Il suo modello principale, TabPFN, è un trasformatore pre-addestrato che fornisce previsioni accurate in pochi secondi senza necessità di training specifico per il dataset .

Tecnologia e applicazioni di Prior Labs

TabPFN è stato pubblicato su Nature nel gennaio 2025 e ha ricevuto oltre 1.000 citazioni . È in grado di eguagliare l'accuratezza di un pipeline di machine learning ottimizzato per quattro ore in un unico passaggio forward della durata di secondi . La tecnologia è già in uso in settori esigenti:

• Manutenzione ferroviaria — Un caso studio sul sito di Prior Labs mostra la collaborazione con Hitachi per la manutenzione predittiva dei treni .
• Previsioni finanziarie — Un caso studio documenta l'esplorazione di TabPFN con TD Bank per previsioni finanziarie su scala aziendale .
• Sanità e scienze della vita — Le applicazioni di ricerca spaziano dalla diagnosi del cancro al pancreas all'oncologia, neurologia e cardiologia ; un caso studio con BostonGene ha utilizzato TabPFN per identificare profili del sistema immunitario .
• Ambiente ed energia — Il modello è stato applicato alla previsione del rischio di incendi boschivi e al nowcasting delle energie rinnovabili .
• Materiali per batterie — Le applicazioni di TabPFN-2.5 includono previsioni ambientali come fioriture algali e rischio incendi, e nowcasting delle rinnovabili .

L'ultimo modello: TabPFN-3 con Thinking Mode

TabPFN-3 è stato rilasciato il 12 maggio 2026 . Supporta dataset fino a 1 milione di righe e 200 caratteristiche, con supporto nativo per caratteristiche testuali nell'API . L'offerta API TabPFN-3-Plus (Thinking) introduce il test-time compute scaling: dedicando più tempo durante la fase di fitting si ottiene un'accuratezza significativamente maggiore . Nel benchmark TabArena, TabPFN-3-Plus (Thinking) supera tutti i modelli non TabPFN di oltre 200 Elo, e batte AutoGluon 1.5 extreme pur essendo 10 volte più veloce . TabPFN-3 rimane open-source .

Struttura dell'accordo e termini di indipendenza

• Prezzo di acquisizione — Non reso noto, ma SAP si è impegnata a investire oltre 1 miliardo di euro in quattro anni per far crescere Prior Labs .
• Indipendenza — Prior Labs continua a operare come entità indipendente, mantenendo il proprio marchio, leadership, agenda di ricerca e rapporti con i clienti .
• Impegno open-source — SAP sostiene pienamente la strategia open-source di Prior Labs; TabPFN-3 è rilasciato in open-source e il modello ha superato i 3 milioni di download .
• Leadership — I fondatori Frank Hutter, Noah Hollmann e Sauraj Gambhir continuano a guidare il team . Yann LeCun e Bernhard Schoelkopf fanno parte del comitato scientifico consultivo .

La strategia vista dai vertici

Philipp Herzig, CTO di SAP, ha dichiarato che SAP ha riconosciuto presto come la più grande opportunità inesplorata nell'AI aziendale non fossero i LLM, ma l'AI costruita per i dati strutturati del business. Ha affermato: "Combinare il loro lavoro sui modelli di frontiera con i dati aziendali e la portata dei clienti è il modo in cui intendiamo guidare questa categoria a livello globale" .

Frank Hutter, CEO di Prior Labs, ha dichiarato: "Entrare a far parte della famiglia SAP ci dà le risorse, l'ambiente dati e la portata verso i clienti per portare questa categoria al suo pieno potenziale" . In un post su LinkedIn dopo la chiusura, ha aggiunto: "Stesso team, stessi uffici, stessa missione, modelli aperti, supportati da oltre 1 miliardo di euro. Cosa cambia? La scala e l'orizzonte di pianificazione. SAP è il partner perfetto, con una scala enorme di dati tabulari e distribuzione" .

L'entità combinata intende perseguire ricerca all'avanguardia in AI aziendale, scoperta scientifica, causalità, dati relazionali e sistemi agentici, passando dalla correlazione alla causalità e abilitando un'AI agentica in grado di comprendere tabelle, linguaggio e immagini per ragionare e adattarsi dinamicamente . SAP ha anche delineato ambizioni "moonshot" in dati medici e scienza dei materiali, con applicazioni già dimostrate nella diagnosi oncologica, nel processo decisionale clinico e nella ricerca sui materiali per batterie .