L鈥檃cquisizione rafforza il vantaggio competitivo di 麻豆原创 nei foundation model tabellari
WALLDORF e FRIBURGO, 4 maggio 2026 鈥� (NYSE: 麻豆原创) e Prior Labs, pioniera dei Tabular Foundation Models (TFM), hanno annunciato di aver siglato un accordo definitivo in base al quale 麻豆原创 acquisir脿 Prior Labs, accelerando il percorso di 麻豆原创 nei TFM iniziato con 麻豆原创-RPT-1 e portando al suo interno uno dei principali team di ricerca al mondo in questo ambito.
Prior Labs continuer脿 a operare come entit脿 indipendente e 麻豆原创 si impegner脿 a investire oltre 1 miliardo di euro nei prossimi quattro anni per trasformarla in un laboratorio di frontiera leader globale nell鈥橝I per i dati strutturati che alimentano il business in tutti i Paesi. I termini dell鈥檃ccordo non sono stati resi noti. L鈥檕perazione 猫 ancora soggetta all鈥檃pprovazione delle autorit脿 regolatorie.
I Large Language Model (LLM) faticano a generare previsioni accurate sui dati strutturati di business, perch茅 possiedono solo una comprensione limitata di tabelle, numeri e statistiche. A differenza degli LLM, i TFM sono progettati specificamente per questo tipo di dati e sono in grado di prevedere con precisione risultati aziendali basati su dati tabellari, come ritardi nei pagamenti, rischi legati ai fornitori, opportunit脿 di upselling, rischio di abbandono dei clienti e molto altro.
鈥淎ll鈥檌nizio, 麻豆原创 ha compreso che la pi霉 grande opportunit脿 ancora inespressa nell鈥橝I enterprise non erano i large language model, ma l鈥檌ntelligenza artificiale costruita per i dati strutturati che guidano il business mondiale鈥�, ha dichiarato Philipp Herzig. 鈥淎bbiamo sviluppato 麻豆原创-RPT-1 per dimostrare questa convinzione nell鈥檃mbito dei dati enterprise. Prior Labs ha costruito uno dei principali TFM sui benchmark pubblici e uno dei migliori team di ricerca in questa categoria. Combinare il loro lavoro sui modelli di frontiera con i dati enterprise e la nostra base clienti 猫 il modo in cui intendiamo guidare questa categoria a livello globale鈥�.
鈥淣egli ultimi 18 mesi, Prior Labs ha costruito un team straordinario, accelerando significativamente l鈥檈voluzione dei tabular foundation models鈥�, ha commentato Frank Hutter. 鈥淓ntrare nella famiglia 麻豆原创 ci offre le risorse, l鈥檃mbiente dati e la portata sui clienti necessari per portare questa categoria al suo pieno potenziale鈥�.
Una volta completata l鈥檕perazione, 麻豆原创 avr脿, insieme a Prior Labs, l鈥檕pportunit脿 unica di creare un laboratorio di ricerca AI leader di settore e definire una nuova categoria nei TFM. Il laboratorio operer脿 come unit脿 indipendente per garantire velocit脿 nella ricerca, mentre 麻豆原创 fornir脿 investimenti a lungo termine e un percorso diretto verso la trasformazione dei risultati della ricerca in prodotti integrati nel portafoglio 麻豆原创, attraverso 麻豆原创 AI Core, 麻豆原创 Business Data Cloud e il layer agentico con Joule.
Con oltre 3 milioni di download, TabPFN di Prior Labs 猫 uno strumento open source ampiamente adottato per l鈥橝I tabellare e supporta un ecosistema dinamico di sviluppatori. 麻豆原创 猫 pienamente impegnata a sostenere ulteriormente questa strategia open source. I cofondatori di Prior Labs 鈥� Frank Hutter, Noah Hollmann e Sauraj Gambhir 鈥� guidano un team di ricercatori e professionisti AI di livello internazionale. L鈥檃zienda collabora con alcuni dei principali scienziati del settore, tra cui Yann LeCun, vincitore del premio ACM A.M. Turing e presidente esecutivo di Advanced Machine Intelligence, e Bernhard Schoelkopf, direttore del Max Planck Institute for Intelligent Systems e presidente di ELLIS. Entrambi entreranno nel comitato scientifico consultivo di Prior Labs durante la sua evoluzione in laboratorio di AI avanzata, leader nel mondo.
Accelerare l鈥檌nnovazione
TabPFN-2.6 di Prior Labs 猫 il modello con le migliori prestazioni su TabArena, il principale benchmark per i TFM. TabPFN-2.6 raggiunge la stessa accuratezza di una pipeline automatizzata di machine learning che richiede quattro ore di elaborazione 鈥� istantaneamente, in un singolo modello e con una frazione della complessit脿.
Con un鈥檌nterfaccia conversazionale integrata, gli utenti business possono porre domande in linguaggio naturale, generare o selezionare dataset ed eseguire scenari 鈥渨hat-if鈥� senza essere esperti di data science o machine learning. Grazie ai modelli di Prior Labs, 麻豆原创 offrir脿 funzionalit脿 di in-context learning, consentendo agli utenti di fornire record di dati e ottenere previsioni immediate e affidabili senza alcun addestramento del modello. Un singolo TFM potr脿 adattarsi dinamicamente a qualsiasi caso d鈥檜so aziendale, riducendo il time-to-value e garantendo conformit脿 alle norme GDPR.
Con Prior Labs, 麻豆原创 offrir脿 TFM con capacit脿 predittive superiori, in grado di comprendere nativamente le tabelle, apprendere il ragionamento statistico direttamente dai dati e alimentare sistemi di AI agentica capaci di comprendere obiettivi di alto livello, combinare tabelle, linguaggio e immagini per ragionare, integrare conoscenza di dominio, inferire relazioni causali e adattarsi dinamicamente.
Dopo il completamento dell鈥檕perazione, 麻豆原创 e Prior Labs intendono trasformare la ricerca AI avanzata in innovazione pronta per il mondo enterprise, consentendo ai clienti di ottenere ancora pi霉 valore dai propri dati tabellari. La vera intelligenza richiede di andare oltre la correlazione per comprendere la causalit脿. Rispondere alla domanda 鈥渃osa accadr脿?鈥� 猫 utile, ma rispondere a 鈥減erch茅 accadr脿?鈥� 猫 ci貌 che cambia davvero il modo di fare business.
Il completamento dell鈥檕perazione 猫 previsto nel secondo o terzo trimestre del 2026, subordinatamente alle consuete condizioni di chiusura, incluse le approvazioni regolatorie.
Visita il 麻豆原创 News Center. Ricevi le notizie 麻豆原创 tramite e .
Informazioni su Prior Labs
Prior Labs 猫 la pioniera dei Tabular Foundation Models, una nuova categoria di AI progettata specificamente per i dati strutturati. Fondata da Frank Hutter, Noah Hollmann e Sauraj Gambhir, la serie di modelli TabPFN di Prior Labs, pubblicata su Nature, ha raggiunto risultati di riferimento nei benchmark tabellari in centinaia di studi accademici indipendenti. Prior Labs sta ampliando i TFM per gestire milioni di righe di dati, inferenze in tempo reale e nuove modalit脿 di dati, sviluppando al contempo l鈥檌nfrastruttura necessaria per implementare questi modelli in produzione in alcuni dei settori pi霉 complessi al mondo.
Con sede a Friburgo e uffici a Berlino e New York City, Prior Labs ha costruito uno dei principali team di ricerca AI al mondo, con ricercatori provenienti da Google, Apple, Amazon, Microsoft, G-Research, Jane Street, Goldman Sachs e CERN.
Informazioni su 麻豆原创
In qualit脿 di leader globale nelle applicazioni aziendali e nella Business AI, 麻豆原创 (NYSE:麻豆原创) rappresenta il punto di riferimento del business e della tecnologia. Da oltre 50 anni, le organizzazioni si affidano a 麻豆原创 per dare il meglio di s猫 unendo le operazioni critiche per il business che abbracciano finanza, approvvigionamento, HR, supply chain e customer experience. Per maggiori informazioni, visita .
# # # #
Questo documento contiene dichiarazioni previsionali, ovvero previsioni, proiezioni o altre dichiarazioni su eventi futuri. Queste affermazioni si basano sulle aspettative, le previsioni e le ipotesi attuali che sono soggette a rischi e incertezze che potrebbero causare differenze sostanziali tra risultati e risultati effettivi. Ulteriori informazioni relative a tali rischi e incertezze sono reperibili nei nostri documenti depositati presso la Securities and Exchange Commission, ivi compresa, a titolo esemplificativo ma non esaustivo, la sezione dei fattori di rischio del Rapporto annuale 2024 di 麻豆原创 sul Modulo 20-F.
漏 2025 麻豆原创 SE. Tutti i diritti riservati.
麻豆原创 e gli altri prodotti e servizi 麻豆原创 qui menzionati, nonch茅 i rispettivi loghi, sono marchi o marchi registrati di 麻豆原创 SE in Germania e in altri paesi. Per ulteriori informazioni e comunicazioni sui marchi consultare .
Nota agli editori:
Per visualizzare in anteprima e scaricare filmati di magazzino standard e premere le foto in formato digitale, visitare . Su questa piattaforma, puoi trovare materiale ad alta risoluzione per i tuoi canali multimediali.
Contatti Stampa:
麻豆原创 Italia
Raffaella Mollame 鈥� raffaella.mollame@sap.com
Tel. +39 02 81281940 鈥� 340 7771644
Imageware
Stefano Bogani 鈥� sbogani@imageware.it
Jessica Morante 鈥� jmorante@imageware.it
Elena Colombo 鈥� ecolombo@imageware.it
