在今年度Innovate 2024年会最后一日上，SAS揭露创新实验室发展亮点，包括数位双生、实体整合（Entity resolution）和量子运算等3大主轴。其中，数位双生就像是企业的分身，可透过数位方式预测特定情境下的运行变化，实体整合则指将零散、有缺失的资料归户到同一个实体，量子运算则可用来加速复杂运算，如肾脏移植匹配。同时，SAS也说明新产品合作生态系，像是联手英特尔提供硬体加速，来更快执行SAS平台服务，包括已使用英特尔最新发布的AI晶片Gaudi 3来与客户进行PoC验证，以及整合至微软去年推出的Fabric资料分析平台，来提供原生的SAS资料处理功能。

锁定数位双生、实体整合和量子运算3大创新方向

SAS近年产品策略聚焦AI，不只在主力产品云端资料分析平台Viya上添加AI模型生命周期管理功能和服务，今年更深化AI产品线，揭露合成资料生成器、AI应用开发工具和更多生成式AI功能，同时也扩展AI监管工具和治理顾问服务，要让AI产品线更完善。

在创新部分，他们延续2023年提出的数位双生主轴，今年也将数位双生纳入发展重点。SAS执行长办公室执行副总裁Gavin Day表示，数位双生是将实体物件虚拟化模拟的作法，可用来预测特定条件下的可能变化。现场以一家大型零售厂商为例，使用者可在SAS平台仪表板上检视物流、供应链和整体表现数据，还能透过Copilot智能助理，来询问、模拟不同决策的可能状况，比如分部工厂将关厂30天，可能带来的收益和服务影响（如下图）。

另一创新重点是实体整合，这是一种将分散的资讯归户到同一个实体（Entity）的作法，又可称为数据匹配。Gavin Day指出，实体整合很重要，对AI发展尤是如此，因为透过数据匹配、将零散的资料清理干净，就能降低「Garbage in，garbage out」的窘境。SAS资深资料科学家Charles Cavalier举例，实体整合可用于资料归户，比如在教育资料、驾照、医疗资料等各种政府资料中，从众多类似人名的资料卡中正确归纳出特定民众资讯，甚至能因此补足原本单一类别缺失的资料。（如下图）

在实际应用上，就有机构用来侦测税务诈欺，透过实体整合来分析税务纪录，进而避免大量损失。

至于实体整合的下一步，Charles Cavalier透露，SAS AI建模团队打算建置Transformer小型语言模型，作为基础模型，接著对模型做实体整合任务微调，让模型学会实体分类。

他也表示，这类实体整合应用适用于企业、服务商或医疗机构。团队目前正研究生成式资料处理技术和深度嵌入，搭配这些技术，就能用来在不同资料集中找出同一个实体的描述纪录，就像是资料归户，另也能用于搜寻任务。之后，SAS计划将这些能力整合到既有产品中。

最后一项创新主轴是量子运算。SAS以肾脏捐赠配对为例，通常三分之一的捐赠者和受赠者无法第一次就配对成功，为解决这个问题，他们使用图学，用点来代表捐赠者，以边（点与点之间的直线距离）代表捐赠者与受赠者的匹配程度，并从这些点与边形成的网路中，找出最合适的肾脏移植配对（如下图）。

这需要大量复杂的运算，就算是传统优化过的运算，得要180秒才能得出99.4%的最佳解，但用量子运算加速，30秒就能找出100%的最佳解（如下图）。

与英特尔、微软合作生态系新方向瞄准硬体加速和软体整合

另一方面，SAS也揭露支撑自家产品线的合作生态系，包括联手英特尔，使用其硬体来加速分析平台执行时间，甚至也开始使用最新发布的Gaudi 3处理器，来与进行PoC验证。再来，已成为策略合作伙伴4年的微软，在今年进一步整合软体服务，SAS自家的决策建立器Decision Builder可在微软去年上线的资料分析平台Microsoft Fabric中使用，尤其使用者可使用SAS原生功能，一站式快速建模、处理资料和管理逻辑。（如下图）