创新案例｜SAP三笔AI并购的产品创新战略：从数据治理到业务预测

30秒看懂：SAP以三笔AI并购补足企业AI能力缺口：收购Reltio统一主数据身份，收购Dremio打通跨系统数据访问，收购Prior Labs引入表格预测模型。三者分别对应数据治理、平台开放与模型创新，并通过Joule Studio嵌入业务流程。SAP为此承担超1亿欧元年度利润稀释，但并购逻辑清晰：让AI能力跨场景复用，把ERP系统变成下一代AI工作流的基础，而非仅增加AI入口。

ERP业务根基稳固，SAP为何仍承担AI并购的利润代价

SAP为新一轮AI并购付出的代价，最先可以从利润预期中观察。

2026年7月23日，SAP公布半年业绩，因当月完成Dremio与Prior Labs两项收购，将全年非国际财务报告准则（non-IFRS）经营利润指引，从恒定汇率下的119亿—123亿欧元，调整为118亿—122亿欧元。公司预计，两项收购对这一口径的全年利润稀释超过1亿欧元。

这不是SAP突然陷入亏损。第二季度，公司non-IFRS经营利润仍同比增长7%。它做出的选择，是接受新业务削弱眼前的利润增量，继续购买数据与AI能力。这里值得研究的也不是一家大公司有多愿意花钱，而是它准备把买来的东西，接到原有生意的什么位置。

SAP原有的优势建立在企业最难轻易更换的业务环节中。财务、采购、供应链、人力资源各有自己的规则，一个订单能否执行，不只取决于用户发出什么指令，还取决于预算、库存、授权和其他流程的状态。长期运行这些应用，使SAP有机会把AI放进真实的交易环境。

这也是ERP与通用聊天工具之间的重要差别。聊天工具可以解释采购流程，业务系统则需要知道某张采购单属于谁、当前走到哪一步、这个人有没有权限处理。让AI生成一段建议，与让建议在企业内部被接受并转化为行动，中间还隔着一组业务条件。

面对跨系统数据与预测短板，SAP选择三笔收购补能力

然而，企业不可能把所有信息都放进同一家供应商的系统。收购来的子公司、外部客户平台、供应商资料和历史数据库，可能使用不同的标识和定义。同一个供应商在不同系统里有几个名字，一笔收入按什么口径归属，一个商品编码对应哪些记录，都会影响AI对问题的理解。

从机制上看，模型越容易生成流畅答案，这种错配反而越不显眼。它可能找到了一个正确字段，却对应了错误的业务对象；也可能得出了看似合理的风险判断，但无法把判断交给有权行动的人。对ERP厂商而言，增加AI入口只是起点，跨过数据与流程之间的断点，才有机会让原有应用继续成为工作的中心。

若只为增加几个AI功能，采购模型服务也许就够了。SAP的三笔交易却分别指向主数据管理、跨系统数据访问和表格预测模型。它试图把企业原有的业务系统变成下一代AI工作流的基础。到2026年9月，这条路线已有产品接入进展，长期回报仍待验证。管理者真正需要判断的是：什么样的能力缺口，值得用可识别的短期利润代价去补？

SAP的选择因此带着明确的防守与进攻双重意味：一方面，不能让自己的业务系统只剩下供外部AI读取的数据库；另一方面，也不能要求客户为了使用SAP的AI，把异构环境全部推倒重建。三宗并购围绕的，正是这两种要求之间的空间。

三笔并购如何嵌入SAP企业AI的四项产品与增长策略

数据治理：收购Reltio统一跨系统的客户、商品与供应商身份

2026年5月7日，SAP完成对主数据管理软件公司Reltio的收购。主数据指的是客户、产品、供应商等被许多流程共同使用的基本信息。它不总是最显眼的数据，却决定了不同应用是否在讨论同一件事。

这不是小额买入一个插件。SAP二季度财务声明披露，Reltio交易支付对价约12.59亿美元，约合10.76亿欧元，绝大部分以现金支付；交易在5月7日完成，披露时资产与负债的购买价格分摊仍属初步核算。收购对价是资产购买金额，不能与后文的单季并表利润亏损或年度利润稀释混为一谈。

按照SAP的收购说明，Reltio能够识别并合并不同格式和应用中的相关记录，形成一致的主记录，并提供预设行业数据模型、匹配规则和集成能力。SAP计划把它纳入Business Data Cloud，同时保留独立产品销售。这说明收购的目标不只是给ERP增加一张干净的表，而是补齐SAP与其他系统之间的对象一致性。

这种能力真正进入组织时，至少涉及三类参与者：系统管理员确定哪些SAP及非SAP来源可以连接；业务数据责任人确认两个记录是否同一客户或供应商；财务、采购及销售人员在后续工作中使用经过校准的对象。Reltio可提供规则、匹配和合并能力，跨部门谁拥有最终解释权仍需企业自己明确。这是基于其已披露产品功能的业务部署分析，不是某家客户内部流程的已核实复刻。

可以用采购场景理解这一动作：如果采购系统、财务系统和外部风险资料分别记录着同一家供应商，AI要判断风险，第一步应是确认这些记录确实属于同一主体。否则，模型算得再快，也可能把甲公司的风险附到乙公司的订单上。这是对工作原理的说明，并非SAP已经披露的客户事故。

主数据治理由此成为一种可以复用的投入。客户与供应商身份一旦被理顺，采购、支付、分析和风险判断都可能受益；若每个AI项目自己清洗一遍，企业得到的可能只是多套相互矛盾的临时答案。这为收购专业能力提供了商业理由：解决的问题能够服务多个业务环节，价值才有可能超过单个功能。

但买到软件不等于买到统一标准。企业仍要决定冲突记录听谁的、变更由谁批准、业务定义由谁维护。SAP能够提供工具，不能替客户消除组织分歧。若没有业务负责人承担这些决定，原来的数据混乱只是换了一个存放位置。

保留Reltio独立销售也值得注意。这给整合留出一种可能：客户可以先解决最紧迫的数据问题，不必一次接受整套平台。对SAP而言，挑战随之转为证明组合使用确实更省事、更可靠。若所谓协同主要来自强制捆绑，而不是实施成本和使用效果改善，客户对平台的依赖就很难转化为主动选择。

平台开放：用Dremio把SAP与非SAP数据连接到共同访问层

Dremio解决的是另一种断点。即使业务对象已经确认一致，数据仍可能散落在不同位置和格式中。每接一个新来源都重新搬运、转换和维护管线，AI项目的扩展成本便容易被低估。

SAP在5月公布收购协议，并于7月6日完成交易。其公开整合方向是把Dremio的开放湖仓能力接入Business Data Cloud，通过开放表格式、统一目录和跨来源查询，把SAP与非SAP数据纳入共同的访问基础。相关设计采用Apache Iceberg、Apache Polaris等技术；对管理者而言，名称之外的重点是减少数据格式和存放位置对使用方式的限制。

Reltio和Dremio容易被统一归入“数据平台收购”，但要解决的失败方式完全不同。一份订单分析可能已能找到销售数据，却不知道两个客户ID是否属于同一法人；也可能客户主数据已经统一，关联记录仍分散在不同湖仓里无法及时组合。前者是主体身份，后者是数据可达性。SAP用两个专门资产处理两种问题，也意味着未来必须投入接口测试，证明统一后的含义不会在跨系统查询中再次丢失。

主数据管理回答的是“这些记录是不是同一个对象”，数据访问回答的是“需要的记录能否被找到并组合”。两者相互支持，却不是重复购买。前者保证跨系统讨论的对象一致，后者扩大讨论时能够使用的信息范围。把二者混为一谈，会低估企业AI落地中不同类型的整合工作。

SAP并没有因为掌握ERP就选择把所有能力封闭在自己的系统内。它希望非SAP数据也能进入其业务语境。这种开放有现实价值：客户可以保留部分既有基础设施，同时让业务分析和AI接近完整信息。反过来，开放也意味着竞争仍然存在，数据能够流通，不代表客户一定把上层工作交给SAP。

这也是Dremio能否成为企业AI增长支点的试金石。如果已有的非SAP数据必须先经历大规模迁移，客户就可能继续选择原有数据平台；若开放表格式与目录减少移动成本，SAP的业务上下文才有机会承接更多数据分析与Agent任务。开放架构在这里既是产品选择，也是GTM选择：争取异构企业客户，而不是只服务完全标准化的SAP环境。以上是战略解释，尚无披露可量化Dremio被收购后的客户迁移节省。

所以Dremio的整合不能只用“连接了多少数据源”评价。更有意义的问题是，新增来源以后，权限是否仍然有效，业务含义是否一致，维护成本是否下降，数据更新能否跟上业务要求。这些是从整合逻辑推导出的验收方向，尚不是SAP已公布的收购成绩单。交割完成证明能力归属发生变化，不能代替产品和客户层面的验证。

模型创新：把Prior Labs表格预测能力接入SAP AI Core

第三笔交易把视线从数据基础转向模型能力。Prior Labs研究的重点是表格基础模型，面向结构化数据中的预测任务。它与擅长处理语言的大模型形成不同分工：企业既需要理解合同和请求，也需要根据业务记录预测付款延误、客户流失或供应商风险。

Prior Labs的价值不只在于模型分数，而在于改变ERP用户获取预测的成本结构。过去同一企业中的逾期付款、补货需求、供应商风险可能分别建立特征工程与训练管线；表格基础模型尝试让结构化预测从重项目走向可重复调用的服务。是否真的降低总体成本，还取决于模型推理价格、验证和后续维护，而不是“免训练”三个字。

SAP在7月16日完成收购，次日发布完成公告。此前公布的安排是让Prior Labs继续作为独立实体运营，并承诺在未来四年投入超过10亿欧元。这里的10亿欧元是后续投入承诺，不能理解为收购价格，更不是2026年一次性计入利润表的费用。

这项安排体现了一种值得观察的组织选择：研究团队需要持续迭代，企业软件却要求稳定的交付与治理。SAP希望保留前者的研发节奏，同时通过AI Core、Business Data Cloud和Joule提供产品化路径。二者能否配合，取决于研究成果进入产品时是否经得起验证，而不仅是实验室是否继续推出新模型。

9月15日，这条路径出现了一个可核验节点：TabPFN-3.5 Plus已经可以通过SAP AI Core获得。它的意义相当具体——收购来的模型开始拥有通往SAP客户的产品入口。客户不必先把它当作一个完全独立的研究项目，才能考虑将预测能力接入自己的应用。

SAP的产品公告还给出了可能进入的业务指标：现金流预测、付款延迟、供应商风险评分、客户流失与追加销售机会。这些是能力的适用任务，并非每个任务都已在具名客户中形成收入或成本改善。购买模型团队后能快速推出接口，是产品接入的证据；若要证明并购合理，还要观察客户是否持续调用、哪些岗位使用、怎样复核错误预测。

不过，产品可用离业务可信仍有距离。Prior Labs的技术文档要求用户在自己的验证集上比较模型版本，并显式处理类别标识等问题。这样的细节提醒企业：供应商降低了建模门槛，没有取消业务验证。一个商品编号究竟代表数值大小还是类别身份，预测目标如何定义，异常结果由谁复核，依然会影响模型能否真正服务经营。

对SAP而言，买下模型团队的潜在价值也不宜简化为“拥有更强的AI”。更有针对性的理解是：让预测能力靠近已有的企业记录与应用渠道，缩短客户从数据到判断的距离。如果这段距离始终要靠大量定制项目填补，收购的规模化价值就会打折。

企业还需要先区分预测与决策。模型给某家供应商更高风险评分，不意味着系统应立即停掉它的订单；备选供应商是否合格、交期是否允许、谁能批准切换，仍是流程问题。表格模型改善的是判断所依据的一部分信息，ERP及其使用者承担的是如何执行。两者能够衔接，才是这笔能力投资与SAP原有业务真正相关的地方。

业务落地：通过Joule Studio把查询、岗位权限与交易接起来

三笔交易如果只是分别增加产品目录，仍然无法回答SAP为什么要承担利润代价。组合价值要在实际工作中成立：信息找对了、业务对象认准了、预测有用了，最后还要让结果进入相应人员和流程。

SAP披露的LC Waikiki案例提供了一个可理解的观察窗口。该零售商与SAP及NTT DATA Business Solutions合作，利用Joule Studio构建AI交互：解释用户请求，结合角色上下文，执行查询，连接跨系统信息，再把用户带到相关交易。公司案例称，一类原本可能耗时十分钟的信息查询缩短到了约三秒。

SAP同一具名材料还给出运营效率提高70%、人工错误减少50%的客户案例表述，但未公开外部可重复的实验设计、样本大小和全部计算口径。这些数据可作为供应商展示的单一客户成效，不宜直接外推成Joule的普遍收益，更不能当作三笔后续收购的因果回报。

LC Waikiki的已披露流程有明确的角色交接：员工提出与采购或销售有关的业务问题，Joule Studio构建的体验解释请求并套用角色上下文，查询跨系统资料，再把答复与相应交易入口一起呈现给员工。企业与NTT DATA Business Solutions合作开发，说明SAP提供的平台能力之外，还有客户业务规则和实施伙伴需要共同参与。它是有来源的Operating Flow，而不是“自然语言输入—AI出答案”的概念示意。

值得注意的不是把十分钟和三秒简单相除，而是查询之后还有交易入口。人员不必拿着一个答案重新寻找对应业务位置，AI的帮助才有机会延续到下一步工作。这里体现的是已有业务上下文与新交互方式之间的结合，不能据此推导采购全流程已经缩短同样比例。

Ericsson的案例则显示另一层条件。SAP在5月的具名客户材料中披露，超过8.5万名用户已上线统一Joule；其数据架构强调在数据保持分布的同时，统一业务语义、治理和生命周期规则。ERP现代化与数据、AI创新并行推进，而不是先停下企业运营，再从头另建一套智能系统。

这两个案例都不能被写成Dremio或Prior Labs的收购回报：相关材料发表于5月，早于两项交易7月交割。它们提供的是需求与工作机制的证据，帮助解释SAP为什么继续补能力。三项收购要做的，是扩大这种组合可以覆盖的数据、预测任务和企业环境；扩大的速度与经济性，仍需要新客户项目来检验。

把三种能力放在一个假设的供应商风险流程中，接口关系会更清楚：先确认各系统记录属于同一主体，再取得相关交易和外部资料，随后进行预测，最后由业务规则决定谁来检查、是否采取行动。这不是SAP已经公布的整套交付结果，而是检验其整合主张的一种方法。任何一段中断，最终用户都可能重新回到手工查找和协调。

因此，真正的产品化并不是让三个系统依次演示成功。它还要处理日常变化：供应商换了名字，源系统增加字段，模型换了版本，原有审批人离职以后，工作能否继续可靠运行。一次演示证明路径走得通，持续运行才能说明组合值得客户依赖。SAP长期经营企业应用的经验可能在这里发挥作用，但经验也不能免除新组合的实施检验。

这条链也解释了SAP可能优先买入而不只是外包的理由：主数据标准、开放数据访问和预测服务需要持续随ERP产品版本迭代，若只靠一次性技术集成，每次升级都可能重新支付协调成本。把关键团队与资产放进自己可规划的产品路线，有机会减少长期依赖，但同时承担团队留存、技术维护与客户支持的固定成本。买下能力只是拿到选择权，只有多次复用它，投资逻辑才会在经济上成立。

收购成本和利润稀释可以核实，整合后的收益尚未兑现

短期代价并非只有管理层口头提示。SAP二季度声明披露，Reltio并表期间贡献收入约2500万欧元，IFRS经营利润约为负1300万欧元，non-IFRS经营利润约为负800万欧元。这是一段实际并表期间的结果，不应外推成全年亏损，也不等于收购价损失。

与之分开的是Dremio和Prior Labs对全年经营利润的预计稀释。前者是已经发生的贡献，后者是进入全年指引的预测。把两者混成“AI并购亏掉多少钱”，会丢失期间、会计口径和预测性质的区别。

集团经营利润增长放慢也不能全归给并购。SAP同时提到收入增长减速、第一季度异常低的股份支付费用，以及研发投入加快等因素。公司在经营利润继续同比增长的基础上接受新投入，和一家主业失血的企业借AI寻找救命机会，是不同的管理处境。

截至9月30日，可以看到的回报信号并不处于同一层级：交易完成说明资源已经纳入；模型进入AI Core说明产品渠道开始承接；具名客户实践说明业务上下文与数据治理具有实际用途。它们共同支持战略有实施路径，却还不足以证明三宗并购已产生超过成本的收益。

目前公开资料没有给出这组收购的长期回报率、完整整合成本或可归因的增量AI利润。因此，SAP仍是一宗“愿意承担已知短期代价、争取长期组合价值”的案例。评价它要同时保存两种判断：投入并非没有逻辑，回报也没有因为逻辑清晰就自动成立。

中国企业如何判断AI能力值得自建、合作还是并购

SAP的特殊条件，是已经拥有大量企业关键交易流程。它购买的数据治理、湖仓访问和表格预测能力，有机会通过Business Data Cloud、AI Core与Joule进入相同客户的多个工作任务。因此，研究这组并购，首先要问的不是“三笔是不是太多”，而是这些能力是否能跨场景复用，并在SAP与非SAP环境同时发挥作用。对缺少现成客户入口的企业，直接复制并购顺序，很可能先获得整合负担，而不是收入机会。

管理者可以把投资决策分成三个不同的问题。主数据混乱属于业务定义和数据责任问题，优先判断是否需要专业治理能力；跨系统数据难以组合，判断开放访问与迁移成本；预测模型性能不足，则要证明现有工具或合作伙伴为什么解决不了。只有瓶颈会反复影响多个业务环节，才有必要认真比较长期自建、合作、授权和并购的总成本。本文的划分是对SAP公开选择的归纳，并非SAP披露的内部投资审批标准。

预算上，也必须把不同证据摆在同一张时间表内：交易交割和对价、团队及产品接入、客户真实使用、质量与维护成本，最后才是可归因的收入与利润。SAP已披露Reltio的部分单季并表亏损、Dremio和Prior Labs对全年利润指引的预计影响，以及Prior Labs模型进入AI Core的产品节点，但没有公布三项资产独立贡献的增量利润。

因此，SAP提供的不是“为了AI可以不计短期利润”的理由，而是一条可被检查的投资路径：能力缺口必须来自现实业务，买入以后必须进入产品及岗位流程，随后必须反复证明客户采用与单位经济性。若这些证据长期缺席，清晰的技术组合仍可能成为昂贵的资产清单。

数据来源

• Q2 and Half-Year 2026 Financial Results｜SAP Investor Relations｜2026-07-23
• Quarterly Statement Q2 2026｜SAP｜2026-07-23
• SAP to Acquire Reltio: Make SAP and Non-SAP Data AI-Ready｜SAP｜2026-03-27
• SAP Completes Acquisition of Reltio｜SAP｜2026-05-07
• SAP to Acquire Dremio to Unify SAP and Non-SAP Data to Power Agentic AI｜SAP｜2026-05-04
• SAP to Acquire Prior Labs to Establish a Globally Leading Frontier AI Lab in Europe｜SAP｜2026-05-04
• SAP Completes Acquisition of Prior Labs｜SAP｜2026-07-17
• TabPFN-3.5 Plus Now Available in SAP AI Core for Instant Business Predictions｜SAP｜2026-09-15
• TabPFN-3.5 Changelog｜Prior Labs Docs｜访问于2026-09-30
• The Future of the Enterprise Is Autonomous｜SAP／Brenda Bown｜2026-05-13
• Ericsson Scales AI Across the Enterprise with a Business Data Fabric and SAP｜SAP｜2026-05-21

想把这套打法用到你自己的业务上？

如果你正在犹豫该自建、合作还是并购AI能力，不妨把SAP的案例当作一面镜子，先梳理自己的业务瓶颈和复用场景。

💎 核心承诺：先诊断、再合作，思路不对不推进。

专属咨询热线：400 822 8832

扫码加顾问 Ben 评估