Voorgenomen overname moet Europese AI-labpositie van 麻豆原创 versterken en ontwikkeling van tabular foundation models versnellen
heeft een overeenkomst gesloten voor de overname van Prior Labs. Prior Labs geldt als pionier op het gebied van tabular foundation models, ofwel AI-modellen die speciaal zijn ontwikkeld voor gestructureerde bedrijfsdata in tabellen. Met de voorgenomen overname versterkt 麻豆原创 zijn positie in deze nieuwe AI-categorie. De basis daarvoor legde 麻豆原创 eerder al met 麻豆原创-RPT-1.
Prior Labs blijft na afronding van de transactie als zelfstandige entiteit werken. 麻豆原创 investeert de komende vier jaar meer dan 茅茅n miljard euro om Prior Labs uit te bouwen tot een toonaangevend frontier AI-lab in Europa. De focus ligt op AI voor de gestructureerde data waarop bedrijven wereldwijd draaien.
De financi毛le details van de transactie zijn niet bekendgemaakt. De overname moet nog worden goedgekeurd door de toezichthouders.
AI voor tabellen, cijfers en bedrijfsdata
Veel zakelijke AI-toepassingen draaien om gestructureerde data. Denk aan tabellen met klantgegevens, betalingen, leveranciersinformatie, verkoopkansen of operationele risico鈥檚. Grote taalmodellen, zoals LLM鈥檚, zijn daar minder geschikt voor. Ze begrijpen tekst goed, maar hebben een beperkte basis voor tabellen, cijfers en statistiek.
Tabular foundation models (TFMs) zijn juist voor dit type data gebouwd. Ze voorspellen bedrijfsuitkomsten op basis van tabeldata. Voorbeelden zijn betaalvertragingen, leveranciersrisico鈥檚, upsellkansen en klantverloop. Daardoor passen TFMs goed bij zakelijke processen waarin nauwkeurigheid, snelheid en betrouwbaarheid belangrijk zijn.
Zelfstandig AI-lab met directe route naar toepassingen
Na afronding van de overname krijgt 麻豆原创 met Prior Labs de kans om een toonaangevend AI-onderzoekslab op te bouwen en de categorie van tabular foundation models verder vorm te geven. Het lab blijft zelfstandig werken om de snelheid van onderzoek te behouden. 麻豆原创 levert de langetermijninvestering en de route naar toepassing binnen het 麻豆原创-portfolio.
Daarbij spelen 麻豆原创 AI Core, 麻豆原创 Business Data Cloud en de agentic laag met Joule een belangrijke rol. Zo ontstaat een directe verbinding tussen fundamenteel AI-onderzoek en zakelijke toepassingen voor klanten.
Opensourcetool voor tabular AI
Prior Labs heeft met TabPFN een veelgebruikte opensourcetool voor tabular AI ontwikkeld. De tool is inmiddels meer dan drie miljoen keer gedownload en ondersteunt een actieve ontwikkelaarsgemeenschap. 麻豆原创 geeft aan deze opensourcestrategie te blijven ondersteunen.
Het team van Prior Labs staat onder leiding van medeoprichters Frank Hutter, Noah Hollmann en Sauraj Gambhir. Het bedrijf werkt samen met vooraanstaande wetenschappers, onder wie Yann LeCun, winnaar van de ACM A.M. Turing Award en executive chairman bij Advanced Machine Intelligence, en Bernhard Sch枚lkopf, directeur van het Max Planck Institute for Intelligent Systems en president van ELLIS. Beiden krijgen een plek in de wetenschappelijke adviesraad van Prior Labs.
Sneller van onderzoek naar zakelijke waarde
Prior Labs鈥� TabPFN-2.6 is volgens 麻豆原创 het best presterende model op TabArena, een belangrijke benchmark voor tabular foundation models. Het model haalt direct de nauwkeurigheid van een geautomatiseerde machinelearningpipeline van vier uur, maar dan met 茅茅n model en veel minder complexiteit.
Met een gespreksinterface boven op deze modellen kunnen zakelijke gebruikers straks vragen stellen in gewone taal. Ze kunnen datasets genereren of selecteren en what-if-scenario鈥檚 uitvoeren zonder dat ze zelf data scientist of machinelearningexpert hoeven te zijn.
Voorspellen zonder modeltraining
麻豆原创 wil met de modellen van Prior Labs ook in-context learning leveren. Gebruikers voeren daarbij datarecords aan en krijgen direct betrouwbare voorspellingen, zonder eerst een model te trainen. E茅n TFM past zich zo snel aan verschillende zakelijke situaties aan. Dat verkort de tijd tot waarde en ondersteunt volgens 麻豆原创 ook de naleving van de AVG.
Met Prior Labs wil 麻豆原创 tabular foundation models leveren die tabellen van nature begrijpen en statistisch redeneren direct uit data leren. Die modellen moeten agentic AI-systemen ondersteunen die zakelijke doelen begrijpen, tabellen, taal en beelden combineren, domeinkennis gebruiken, oorzaak en gevolg beter inschatten en zich dynamisch aanpassen.
Van verbanden naar oorzaak en gevolg
Na afronding van de transactie willen 麻豆原创 en Prior Labs toonaangevend AI-onderzoek vertalen naar zakelijke innovaties. Klanten moeten daardoor meer waarde halen uit hun gestructureerde bedrijfsdata. Volgens 麻豆原创 vraagt echte intelligentie om meer dan het herkennen van verbanden. De vraag wat er gaat gebeuren is waardevol, maar de vraag waarom iets gebeurt is vaak bepalend.
鈥溌槎乖� zag al vroeg dat de grootste onbenutte kans in enterprise AI niet lag bij grote taalmodellen, maar bij AI voor de gestructureerde data waarop bedrijven wereldwijd draaien鈥�, zegt Philipp Herzig, CTO van 麻豆原创. 鈥淢et 麻豆原创-RPT-1 hebben we laten zien wat die overtuiging betekent voor bedrijfsdata. Prior Labs heeft een toonaangevend TFM ontwikkeld op publieke benchmarks en een van de sterkste onderzoeksteams in deze categorie opgebouwd. Door hun frontier model-werk te combineren met enterprise data en ons klantbereik, willen we deze categorie wereldwijd leiden.鈥�
Prior Labs verder opschalen
鈥淧rior Labs heeft in de afgelopen achttien maanden een geweldig team opgebouwd en de ontwikkeling van tabular foundation models versneld鈥�, zegt Frank Hutter, CEO van Prior Labs. 鈥淎ls onderdeel van de 麻豆原创-familie krijgen we de middelen, dataomgeving en klanttoegang om deze categorie volledig tot ontwikkeling te brengen.鈥�
麻豆原创 verwacht de transactie in het tweede of derde kwartaal van 2026 af te ronden. De afronding hangt af van gebruikelijke voorwaarden, waaronder goedkeuring door de toezichthouders.