เทคโนโลยีและการประยุกต์ใช้ของ Prior Labs

TabPFN ได้รับการตีพิมพ์ในวารสาร Nature เมื่อเดือนมกราคม 2025 และถูกอ้างอิงมากกว่า 1,000 ครั้ง มันสามารถเทียบเคียงความแม่นยำกับ Machine Learning pipeline ที่ถูกปรับแต่งนานถึง 4 ชั่วโมง โดยใช้เวลาในการคำนวณเพียงไม่กี่วินาที เทคโนโลยีนี้ถูกนำไปใช้จริงในหลากหลายอุตสาหกรรม:

• การบำรุงรักษารถไฟ — กรณีศึกษาบนเว็บไซต์ Prior Labs แสดงให้เห็นว่าบริษัทได้ร่วมมือกับ Hitachi เพื่อพัฒนา predictive maintenance ในระบบราง
• การพยากรณ์ทางการเงิน — กรณีศึกษาระบุว่า Prior Labs และ TD Bank ได้ทดลองใช้ TabPFN สำหรับการพยากรณ์ทางการเงินในระดับองค์กร
• การแพทย์และวิทยาศาสตร์ชีวภาพ — การวิจัยครอบคลุมการวินิจฉัยมะเร็งตับอ่อน โรคมะเร็งวิทยา ประสาทวิทยา และโรคหัวใจ ; กรณีศึกษากับ BostonGene ใช้ TabPFN เพื่อระบุโปรไฟล์ระบบภูมิคุ้มกัน
• สิ่งแวดล้อมและพลังงาน — โมเดลถูกนำไปใช้ในการพยากรณ์ความเสี่ยงไฟป่า และการพยากรณ์พลังงานหมุนเวียนแบบทันที
• วัสดุแบตเตอรี่ — การประยุกต์ใช้ของ TabPFN-2.5 ครอบคลุมถึงการพยากรณ์สิ่งแวดล้อม เช่น การเกิดสาหร่ายสะพรั่ง ความเสี่ยงไฟป่า และการพยากรณ์พลังงานหมุนเวียน

โมเดลล่าสุด TabPFN-3 กับโหมด Thinking

TabPFN-3 เปิดตัวเมื่อวันที่ 12 พฤษภาคม 2026 รองรับชุดข้อมูลสูงสุดถึง 1 ล้านแถวและ 200 ฟีเจอร์ พร้อมรองรับข้อความที่เป็น native features บน API API สำหรับ TabPFN-3-Plus (Thinking) นำเสนอ inference-time compute scaling (test-time compute) ซึ่งใช้เวลาในการ fitting มากขึ้นเพื่อแลกกับความแม่นยำที่สูงขึ้นอย่างมีนัยสำคัญ บนเกณฑ์มาตรฐาน TabArena TabPFN-3-Plus (Thinking) เอาชนะโมเดลที่ไม่ใช่ TabPFN ทั้งหมดด้วยคะแนน Elo ที่มากกว่า 200 คะแนน และยังเหนือกว่า AutoGluon 1.5 extreme ที่มีความเร็วมากกว่า 10 เท่า ส่วน TabPFN-3 ยังคงเป็น open-source ต่อไป

โครงสร้างดีลและเงื่อนไขความเป็นอิสระ

• ราคาซื้อ — ไม่ได้เปิดเผย แต่ SAP ประกาศลงทุนมากกว่า 1,000 ล้านยูโรใน 4 ปีเพื่อเติบโต Prior Labs
• ความเป็นอิสระ — Prior Labs ยังคงดำเนินงานในฐานะองค์กรอิสระ โดยรักษา แบรนด์ ผู้บริหาร วาระการวิจัย และความสัมพันธ์กับลูกค้า ไว้ทั้งหมด
• พันธสัญญา open-source — SAP สนับสนุนกลยุทธ์ open-source ของ Prior Labs อย่างเต็มที่ โดย TabPFN-3 เปิดตัวเป็น open-source และมียอดดาวน์โหลดมากกว่า 3 ล้านครั้ง
• ทีมผู้บริหาร — ผู้ก่อตั้ง Frank Hutter, Noah Hollmann และ Sauraj Gambhir ยังคงนำทีมต่อไป โดยมี Yann LeCun และ Bernhard Schoelkopf เป็นที่ปรึกษาในคณะกรรมการวิทยาศาสตร์

เหตุผลเชิงกลยุทธ์จากผู้บริหาร

Philipp Herzig, CTO ของ SAP กล่าวว่า SAP ตระหนักตั้งแต่เนิ่นๆ ว่าโอกาสที่ยังไม่ได้ถูกแตะต้องมากที่สุดใน enterprise AI ไม่ใช่ LLMs แต่เป็น AI ที่ออกแบบมาสำหรับข้อมูลธุรกิจแบบมีโครงสร้าง เขากล่าวว่า: "การผสมผสานงานโมเดลระดับแนวหน้าของพวกเขากับข้อมูลองค์กรและการเข้าถึงลูกค้าคือวิธีที่เราจะนำหมวดหมู่นี้ไปสู่ระดับโลก"

Frank Hutter, CEO ของ Prior Labs กล่าวว่า: "การเข้าร่วมครอบครัว SAP ทำให้เรามีทรัพยากร สภาพแวดล้อมข้อมูล และการเข้าถึงลูกค้าเพื่อนำหมวดหมู่นี้ไปสู่ศักยภาพสูงสุด" ในโพสต์ LinkedIn หลังจากปิดดีล เขาเสริมว่า: "ทีมเดิม สำนักงานเดิม ภารกิจเดิม โมเดลเปิด ได้รับการสนับสนุนกว่า 1,000 ล้านยูโร+ มีอะไรเปลี่ยนไปบ้าง? เรื่องของขนาดและขอบเขตการวางแผน SAP เป็นพันธมิตรที่สมบูรณ์แบบ มีข้อมูลแบบตารางและการกระจายตัวขนาดมหาศาล"

หน่วยงานที่รวมกันจะดำเนินการวิจัยระดับแนวหน้าในด้าน Enterprise AI, Scientific Discovery, Causality, Relational Data และ Agentic Systems โดยก้าวข้ามจากความสัมพันธ์ไปสู่การหาสาเหตุ และทำให้เกิด Agentic AI ที่เข้าใจตาราง ภาษา และรูปภาพ เพื่อคิดและปรับตัวแบบไดนามิก SAP ยังได้วางแผนความทะเยอทะยานในระดับ 'Moonshot' ด้าน ข้อมูลทางการแพทย์ และ วัสดุศาสตร์ โดยมีแอปพลิเคชันที่แสดงให้เห็นแล้วในการวินิจฉัยมะเร็ง การตัดสินใจทางคลินิก และการวิจัยวัสดุแบตเตอรี่

เทคโนโลยีและการประยุกต์ใช้ของ Prior Labs

TabPFN ได้รับการตีพิมพ์ในวารสาร Nature เมื่อเดือนมกราคม 2025 และถูกอ้างอิงมากกว่า 1,000 ครั้ง มันสามารถเทียบเคียงความแม่นยำกับ Machine Learning pipeline ที่ถูกปรับแต่งนานถึง 4 ชั่วโมง โดยใช้เวลาในการคำนวณเพียงไม่กี่วินาที เทคโนโลยีนี้ถูกนำไปใช้จริงในหลากหลายอุตสาหกรรม:

• การบำรุงรักษารถไฟ — กรณีศึกษาบนเว็บไซต์ Prior Labs แสดงให้เห็นว่าบริษัทได้ร่วมมือกับ Hitachi เพื่อพัฒนา predictive maintenance ในระบบราง
• การพยากรณ์ทางการเงิน — กรณีศึกษาระบุว่า Prior Labs และ TD Bank ได้ทดลองใช้ TabPFN สำหรับการพยากรณ์ทางการเงินในระดับองค์กร
• การแพทย์และวิทยาศาสตร์ชีวภาพ — การวิจัยครอบคลุมการวินิจฉัยมะเร็งตับอ่อน โรคมะเร็งวิทยา ประสาทวิทยา และโรคหัวใจ ; กรณีศึกษากับ BostonGene ใช้ TabPFN เพื่อระบุโปรไฟล์ระบบภูมิคุ้มกัน
• สิ่งแวดล้อมและพลังงาน — โมเดลถูกนำไปใช้ในการพยากรณ์ความเสี่ยงไฟป่า และการพยากรณ์พลังงานหมุนเวียนแบบทันที
• วัสดุแบตเตอรี่ — การประยุกต์ใช้ของ TabPFN-2.5 ครอบคลุมถึงการพยากรณ์สิ่งแวดล้อม เช่น การเกิดสาหร่ายสะพรั่ง ความเสี่ยงไฟป่า และการพยากรณ์พลังงานหมุนเวียน

โมเดลล่าสุด TabPFN-3 กับโหมด Thinking

TabPFN-3 เปิดตัวเมื่อวันที่ 12 พฤษภาคม 2026 รองรับชุดข้อมูลสูงสุดถึง 1 ล้านแถวและ 200 ฟีเจอร์ พร้อมรองรับข้อความที่เป็น native features บน API API สำหรับ TabPFN-3-Plus (Thinking) นำเสนอ inference-time compute scaling (test-time compute) ซึ่งใช้เวลาในการ fitting มากขึ้นเพื่อแลกกับความแม่นยำที่สูงขึ้นอย่างมีนัยสำคัญ บนเกณฑ์มาตรฐาน TabArena TabPFN-3-Plus (Thinking) เอาชนะโมเดลที่ไม่ใช่ TabPFN ทั้งหมดด้วยคะแนน Elo ที่มากกว่า 200 คะแนน และยังเหนือกว่า AutoGluon 1.5 extreme ที่มีความเร็วมากกว่า 10 เท่า ส่วน TabPFN-3 ยังคงเป็น open-source ต่อไป

โครงสร้างดีลและเงื่อนไขความเป็นอิสระ

• ราคาซื้อ — ไม่ได้เปิดเผย แต่ SAP ประกาศลงทุนมากกว่า 1,000 ล้านยูโรใน 4 ปีเพื่อเติบโต Prior Labs
• ความเป็นอิสระ — Prior Labs ยังคงดำเนินงานในฐานะองค์กรอิสระ โดยรักษา แบรนด์ ผู้บริหาร วาระการวิจัย และความสัมพันธ์กับลูกค้า ไว้ทั้งหมด
• พันธสัญญา open-source — SAP สนับสนุนกลยุทธ์ open-source ของ Prior Labs อย่างเต็มที่ โดย TabPFN-3 เปิดตัวเป็น open-source และมียอดดาวน์โหลดมากกว่า 3 ล้านครั้ง
• ทีมผู้บริหาร — ผู้ก่อตั้ง Frank Hutter, Noah Hollmann และ Sauraj Gambhir ยังคงนำทีมต่อไป โดยมี Yann LeCun และ Bernhard Schoelkopf เป็นที่ปรึกษาในคณะกรรมการวิทยาศาสตร์

เหตุผลเชิงกลยุทธ์จากผู้บริหาร

Philipp Herzig, CTO ของ SAP กล่าวว่า SAP ตระหนักตั้งแต่เนิ่นๆ ว่าโอกาสที่ยังไม่ได้ถูกแตะต้องมากที่สุดใน enterprise AI ไม่ใช่ LLMs แต่เป็น AI ที่ออกแบบมาสำหรับข้อมูลธุรกิจแบบมีโครงสร้าง เขากล่าวว่า: "การผสมผสานงานโมเดลระดับแนวหน้าของพวกเขากับข้อมูลองค์กรและการเข้าถึงลูกค้าคือวิธีที่เราจะนำหมวดหมู่นี้ไปสู่ระดับโลก"

Frank Hutter, CEO ของ Prior Labs กล่าวว่า: "การเข้าร่วมครอบครัว SAP ทำให้เรามีทรัพยากร สภาพแวดล้อมข้อมูล และการเข้าถึงลูกค้าเพื่อนำหมวดหมู่นี้ไปสู่ศักยภาพสูงสุด" ในโพสต์ LinkedIn หลังจากปิดดีล เขาเสริมว่า: "ทีมเดิม สำนักงานเดิม ภารกิจเดิม โมเดลเปิด ได้รับการสนับสนุนกว่า 1,000 ล้านยูโร+ มีอะไรเปลี่ยนไปบ้าง? เรื่องของขนาดและขอบเขตการวางแผน SAP เป็นพันธมิตรที่สมบูรณ์แบบ มีข้อมูลแบบตารางและการกระจายตัวขนาดมหาศาล"

หน่วยงานที่รวมกันจะดำเนินการวิจัยระดับแนวหน้าในด้าน Enterprise AI, Scientific Discovery, Causality, Relational Data และ Agentic Systems โดยก้าวข้ามจากความสัมพันธ์ไปสู่การหาสาเหตุ และทำให้เกิด Agentic AI ที่เข้าใจตาราง ภาษา และรูปภาพ เพื่อคิดและปรับตัวแบบไดนามิก SAP ยังได้วางแผนความทะเยอทะยานในระดับ 'Moonshot' ด้าน ข้อมูลทางการแพทย์ และ วัสดุศาสตร์ โดยมีแอปพลิเคชันที่แสดงให้เห็นแล้วในการวินิจฉัยมะเร็ง การตัดสินใจทางคลินิก และการวิจัยวัสดุแบตเตอรี่