【奥兰多现场直击】数据分析大厂SAS揭3大技术战略新进展，瞄準代理型AI、数位双生和量子AI

数据分析大厂SAS揭露代理型AI平台Intelligent Decisioning，提供模型血源追蹤功能（AI Lineage），从资料ETL流程、模型训练、版本管理、模型部署到AI代理的使用，都能视觉化呈现。

图片来源:

摄影／王若朴

老牌数据分析厂商SAS在今年度Innovate大会首日（5月7日），揭露代理型AI（Agentic AI）、数位双生和量子AI等3大技术战略更新，分别推出代理型AI平台Intelligent Decisioning，来简化AI代理的建置、部署，另也推出结合游戏引擎打造的製造业数位双生模拟环境，以及可结合传统AI演算法的量子AI运算服务，来加速原本耗时的複杂运算工作。同时，SAS还揭露3款工具新进展与一系列开箱即用的AI模型。

推出代理型AI平台，主打低程序码和透明可解释

SAS技术长Brian Harris先是指出，企业仰赖生成式AI，是要用于决策辅助，但若模型偏误，就会导致严重的决策错误。比如只依靠网路文本训练的大型语言模型（LLM）作为房贷审核模型，就可能因数据偏差而歧视特定族群。以近期研究为例，黑人的信用贷款核准率远低于白人，就算提供完全相同的财务条件，仍需高出白人平均120分的信用分数，才能获得相同核准率。这种偏差存在于许多主流的LLM。（如下图）

也因此，为解决这个问题，SAS推出一款代理型AI平台SAS Intelligent Decisioning，建立于主力AI平台SAS Viya上，支援低程序码／无程序码，使用者可以拖拉方式建置代理型AI工作流程，企业也能用这套平台来设计、部署和扩展能独立决策的AI代理。

这个代理型AI平台有几种应用情境，比如结合传统统计分析和LLM，打造兼具精準和灵活自主决策的AI代理，可用于金融、政府等产业。又或是企业根据任务複杂度和风险，来决定AI代理该自主决策还是需由人类审核，例如可自主执行常规、数据驱动的任务，高风险决策则由人类把关。

另一方面，这个平台还整合之前推出的模型卡（Model Cards）功能，能清楚呈现模型偏差的评估结果、适用範围和使用建议，兼顾AI治理。（如下图）

同时，该平台还强调透明与可解释性，提供模型血源追蹤功能（AI Lineage），从资料ETL流程、模型训练、版本管理、模型部署到最后输出决策的逻辑，都能视觉化呈现（如下图），来协助企业符合AI监管要求。

此外，SAS还揭露一款Data Mapper Agent（资料对映代理），专门用来解决非常常见但耗时的任务，也就是将来源资料标记 (schema) 对映到SAS解决方案模型的资料栏位（如下图）。这个任务通常需要人工介入，包括寻找要使用的栏位和撰写对映程序码，过程可能非常繁琐。

而Data Mapper Agent是用LLM来自动化这个对映过程，使用者将后设资料（Metadata）上传后，LLM就会查看这些资料，并建议来源栏位该对映到哪个目标栏位，还会提供对映建议的信心程度，使用者可要求Data Mapper重新评估信心度低的对映，或手动修改（如下图）。一旦确认对映，使用者可要求Data Mapper生成程序码来传送资料。

联手游戏引擎Unreal Engine打造製造业数位双生模拟环境

不只是代理型AI，Brian Harris也在大会中揭露数位双生战略新进展，由SAS联手游戏业者Epic Games，将旗下引擎Unreal Engine导入SAS Viya平台，来拓展Digital Twin数位双生应用。

现场请来首发应用案例的造纸大厂Georgia Pacific，他们透过Unreal Engine打造虚拟工厂无人搬运车AGV模拟场景，来找出最有效率的路线。以实际场域为例，Georgia Pacific厂区长达400公尺，相当于4个足球场，AGV必须避开高风险路线，并找出最佳搬运路线（如下图）。于是，他们先输入真实资料至SAS平台，再将数据输入Unreal Engine模拟环境，来进行虚拟演练，也就是对不同路线与数量的AGV调度模拟。最终，他们实作最佳路线，成功减少8%的平均作业时间。

不只如此，团队也设计数位人形角色，来进一步模拟工安事故现场。他们用模拟摄影机生成高度拟真的工安影像，来训练电脑视觉模型，强化AI工安辨识的準确率。这些合成资料，也能提高模型对不同肤色、姿态、光线的辨识能力。（如下图）

新推量子AI服务，专门加速超複杂AI模型运算

再来，Brian Harris揭露SAS量子AI新服务，可搭配传统AI运算，来加速複杂的巨量资料运算。首先嚐鲜SAS量子AI的企业客户是P&G宝侨，主要用来解决产品配方的最佳化问题。因为，P&G配方牵涉5座混料槽和100多项产品，可能的组合数高达10的114次方，远超过宇宙中的原子数，他们必须在这些组合中，找出能避免交叉污染的配方。

P&G测试发现，传统AI演算法解法需耗时6小时，而纯量子电脑运算可在2分钟内完成初步解法，但準确度不稳定。不过，採用混合运算方式，以量子AI进行初始解空间收敛，再以传统SAS解法进行微调，总运算时间只需12分钟，还能兼顾準确度，节省97%的运算时间。（如下图）

三款工具更新：Workbench、DataMaker、SAS Viya Copilot

Brian Harris也在今日大会中宣布三款平台工具的更新，包括云端整合式AI开发平台Workbench、合成资料平台DataMaker和AI建模助手SAS Viya Copilot。就Workbench来说，它支援Python、R和SAS等程序语言切换，使用者也能在平台上建置情感分析模型，并一键部署REST API（如下图）。这款平台也支援BERT等模型和GPU加速，目前已在AWS正式上架，在微软Azure则是私人预览版。

就DataMaker来说，它支援多表格、多关联性和时间序列资料的生成，并内建差分隐私技术，在合成资料中添加杂讯，来确保资料来源不会被逆向推导辨识。这类合成资料适合用于临床试验、金融交易模拟等场景。目前，DataMaker已在微软Azure平台以私人预览版提供。

至于SAS Viya Copilot则导入类ChatGPT的对话互动介面，来让使用者用自然语言问答，来更简单地使用Model Studio工具。比如，使用者可以用自然语言，要求模型优化、分析ROC报表、产生说明文件等，也能根据现有模型节点提出自动化调参建议，就算没有资料科学知识也能执行资料科学任务。目前，SAS Viya Copilot在SAS託管云服务提供私人预览版。