随着生成式人工智能在自然语言处理上的不断进步，其在企业应用中的潜力不断扩大。然而，将大型语言模型（LLMs）应用于结构化的表格数据（如企业运营中的关键数据）仍面临诸多挑战。主要原因之一是缺乏现实、高质量的企业表格数据集。而网络上丰富的文本数据并不适用于训练处理企业数据的AI模型。

为了填补这一空白，SAP 发布了首个真实的企业资源规划（ERP）系统数据集，名为 SALT（Sales Autocompletion Linked Business Tables）。该数据集基于真实客户ERP系统中的销售订单数据，已脱敏处理，并以结构化、多表关联的方式提供，现已在 Hugging Face 和 GitHub 上开放访问。SALT 的发布旨在为企业级AI模型的研究和评估提供真实世界的训练数据支持。

企业数据的获取难度较高，主要由于数据隐私、商业机密和结构复杂性等因素。一条销售订单往往涉及多个关联表（如客户、地址、产品等），数据类型多样（文本、数值、类别等），且分布极度不均。这些特点使得企业数据远比普通文本复杂，传统模型难以适应。

SAP 研究人员指出，SALT 的推出可以帮助缩小学术界与工业界之间在数据可用性上的差距，使研究者不再局限于“模拟数据”，而是能在真实企业环境下测试和改进模型。

ERP 系统管理企业核心业务，如财务、采购和销售，拥有大量结构化数据。SALT 数据集通过模拟真实客户与系统交互的数据，成为企业AI模型训练与评估的理想样本，可用于开发更强大的基础模型，推动企业自动化。

SAP 也计划未来发布更多数据集，涵盖不同客户和业务场景，进一步丰富模型预训练、适配与基准测试的基础。此外，SAP 鼓励与高校合作，通过开放数据促进更多科研成果的产生。

除了开放数据，SAP 还在开发名为 SAP Foundation Model 的企业级AI模型，专为处理结构化表格数据设计。这一模型可在无需大量额外训练数据的情况下直接应用于预测任务，并与 SAP 知识图谱结合使用，提升对企业数据语义关系的理解与建模能力。该模型的初步研究成果已通过 PORTAL 论文发布。

通过 SALT 和 SAP Foundation Model，SAP 希望打通AI技术在企业数据中的应用瓶颈，加快企业数据智能化转型进程。

原文：https://news.sap.com/2025/04/sap-salt-real-erp-dataset-enterprise-ai-research/