SAP закрыла сделку по Prior Labs за €1 млрд+: ставка на табличные ИИ-модели вместо чат-ботов

Немецкая корпорация SAP закрыла сделку по покупке ИИ-стартапа Prior Labs — команды, которая сделала ставку не на чат-ботов, а на «скучные» бизнес-данные: таблицы, строки и числа. О намерении купить стартап SAP объявила ещё в мае, но именно в середине июля 2026 года сделка была завершена (по данным Tech.eu — 17 июля), спустя всего около 18 месяцев после основания Prior Labs. SAP пообещала вложить в лабораторию более €1 млрд в течение четырёх лет и назвала это самой амбициозной инвестицией европейской компании в корпоративный ИИ-ресёрч (research — исследования) за всю историю.

На фоне ежедневных релизов больших языковых моделей эта новость легко теряется. Но она важнее, чем кажется. SAP публично заявляет, что главная ценность ИИ для бизнеса лежит не в генерации текста, а в предсказаниях по структурированным данным — тем самым, что годами хранятся в корпоративных базах, ERP-системах и обычных таблицах. Разберёмся, что купила SAP, что такое «табличные фундаментальные модели» и почему это касается не только гигантов, но и обычных разработчиков и малого бизнеса.

Что именно произошло

Prior Labs — немецкий стартап, основанный в начале 2024 года. Штаб-квартира находится во Фрайбурге, есть офисы в Берлине и Нью-Йорке. Основатели — Frank Hutter (Франк Хуттер, профессор Фрайбургского университета и известный в мире исследователь автоматического машинного обучения), Noah Hollmann и Sauraj Gambhir. В научный совет стартапа входят такие фигуры, как Yann LeCun (Ян Лекун, один из «крёстных отцов» глубокого обучения) и Bernhard Schölkopf.

Сумму самой покупки стороны официально не раскрыли, но издания оценивают сделку как «€1 млрд+». Ключевая же цифра — обязательство SAP инвестировать свыше €1 млрд за четыре года в инфраструктуру, найм и долгосрочные исследования. Важная деталь: Prior Labs продолжит работать как самостоятельное подразделение — со своим брендом, руководством и научной повесткой. SAP покупает не столько готовый продукт, сколько команду и целое научное направление.

Что такое табличные фундаментальные модели

Табличная фундаментальная модель (TFM, tabular foundation model — «фундаментальная модель для таблиц») — это ИИ, обученный работать со структурированными данными: строками и столбцами, как в электронной таблице или таблице базы данных. Клиенты, заказы, платежи, остатки на складе, показания датчиков — всё это «табличные» данные, и именно на них держится большая часть реального бизнеса.

Классический подход к предсказаниям по таким данным выглядит так: под каждую задачу (спрогнозировать отток клиента, задержку платежа, спрос на товар) дата-сайентист строит отдельную модель, подбирает признаки, часами гоняет AutoML-пайплайн (automated machine learning — автоматический подбор и обучение моделей). Флагманская модель Prior Labs — TabPFN — ломает эту логику. Она делает предсказание «из коробки», за один прямой проход через нейросеть (single forward pass), без отдельного обучения под конкретный набор данных, и при этом мгновенно достигает точности, ради которой раньше требовался четырёхчасовой AutoML-пайплайн.

Почему большие языковые модели буксуют на таблицах

Казалось бы, зачем отдельный класс моделей, если есть мощные LLM? Проблема в том, что языковые модели заточены под последовательности слов, а не под числа и статистику. Скормите GPT-подобной модели таблицу на сотни тысяч строк — и она будет угадывать закономерности плохо, дорого и нестабильно. TFM же спроектированы именно под предсказание исходов по числам: вероятность оттока, риск поставщика, ожидаемую выручку. Это разные инструменты для разных задач, и SAP делает ставку на то, что для бизнес-аналитики «табличный» ИИ полезнее универсального чат-бота.

TabPFN: от статьи в Nature до миллиардной сделки

История TabPFN — редкий пример, когда фундаментальная научная работа за пару лет превращается в актив за миллиард. Модель была описана в статье в журнале Nature в начале 2025 года («Accurate predictions on small data with a tabular foundation model»). С тех пор работу процитировали более 1000 раз, а открытую версию TabPFN скачали свыше 3 млн раз. Аббревиатура расшифровывается как Tabular Prior-data Fitted Network — «сеть, настроенная на априорных данных для таблиц»: модель заранее обучили на огромном количестве синтетических табличных задач, поэтому новую таблицу она «понимает» без дообучения.

Свежие поколения модели заметно подросли в масштабе. Так, TabPFN-2.5 работает с наборами данных примерно до 50 000 строк и 2 000 признаков и возглавляет отраслевой бенчмарк TabArena для табличного машинного обучения. Из реальных внедрений называют, например, прогнозирование отказов поездов вместе с Hitachi и улучшение финансовых прогнозов в банке TD. Типовые задачи, которые закрывает такой ИИ, — предсказание задержек платежей, оттока клиентов, спроса, рисков по поставщикам и возможностей для допродаж (upsell — продажа более дорогого или дополнительного продукта).

Что получает SAP и как это встроят в продукты

Для SAP это логичное продолжение собственных наработок: у компании уже была модель SAP-RPT-1 для табличных данных, а покупка Prior Labs добавляет одну из сильнейших в мире исследовательских команд в этой нише. По заявлениям SAP, табличные модели встроят в ключевые продукты — SAP AI Core, SAP Business Data Cloud и агентный слой Joule.

Практический смысл для пользователя такой: можно задать вопрос на естественном языке, прогнать сценарий «что если» и получить прогноз прямо по своим корпоративным данным — без построения и обучения отдельной модели. По сути, предсказательная аналитика, которая раньше требовала команды дата-сайентистов, становится встроенной функцией бизнес-платформы. Учитывая, что через системы SAP проходит значительная доля мировых корпоративных транзакций, доступ к качественным структурированным данным становится ключевым конкурентным преимуществом.

Европейский угол: ставка на суверенный ИИ

У сделки есть и геополитическое измерение. Европа давно переживает, что в гонке ИИ доминируют американские и азиатские игроки, а собственных «фронтирных» лабораторий почти нет. Покупка Prior Labs подаётся как доказательство обратного: европейская компания вкладывает более миллиарда евро в европейскую же исследовательскую команду, чтобы строить передовой ИИ дома, а не арендовать его у чужих облаков. Для темы технологического суверенитета — когда страна или регион хочет контролировать критическую ИТ-инфраструктуру — это заметный сигнал.

Почему это важно для разработчиков и бизнеса

Во-первых, это смена акцента. Пока рынок гипнотизируют новые версии чат-моделей, крупнейший корпоративный вендор мира голосует деньгами за другое направление — предсказания по табличным данным. Для разработчиков это намёк, куда смещается спрос: не только «прикрутить чат-бота», но и «сделать прогноз по базе».

Во-вторых, TabPFN уже сейчас доступен как открытая модель — её можно попробовать на своих данных, в том числе на небольших наборах, где классический ML часто переобучается. Владельцу интернет-магазина или небольшому бизнесу это потенциально даёт то, что раньше было доступно только компаниям с ML-отделом: быстрый прогноз спроса, оттока или платёжной дисциплины по обычной таблице. А значит, предсказательная аналитика постепенно перестаёт быть привилегией корпораций — и в ближайшие годы, судя по ставке SAP, будет всё плотнее встраиваться в привычные бизнес-инструменты.