SAS力推数位双生，来将建筑、企业组织等实体资产数位化，使用者则可运用SAS平台的智能助理下指令，来模拟可能的变化或预测。（图片来源／SAS）
生成式AI应用已成各科技大厂技术年会的标配，除了它，还有哪些技术能让人耳目一新？
转型为AI工具供应商的老牌数据分析大厂SAS在今年度Innovate 2024大会上，不意外地力拥生成式AI，发表智能开发助理、合成资料产生器、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，来巩固AI产品线。
但在年会最后一天，他们揭露创新实验室发展亮点，瞄准未来趋势，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原本耗时的复杂运算，如肾脏移植匹配。
创新亮点1：数位双生
数位双生并非第一次出现在SAS年会上。2023年，SAS技术长Bryan Harris在该年年会上就强调数位双生，透过建置企业的数位身分，包括组织人事、营运细节、进销货、物流等关键数据，就能用来模拟「假如……会怎样？」的情境，尤其是企业业务中断的模拟，或供应链发生问题时的冲击预测，来加速企业的反应能力。
今年，SAS执行长办公室执行副总裁Gavin Day延续这个主轴，进一步说明，数位双生是将实体资产虚拟化模拟的作法，如建筑、人、组织等，可用来模拟、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，该厂使用者可在SAS平台仪表板上，检视物流、供应链和整体表现数据。甚至，SAS本次揭露的Viya Copilot智能助理，还整合数位双生，能在平台上自动提示使用者营收和生产变化，比如根据最新资讯预测，整体营收可达到89万美金，但某项产品可能无法达到预期生产量，并给出具体的缺失数量。接著，使用者可询问这个缺失何时会发生，助理就会给出详细月份，供企业预先准备。
另一方面，使用者也能透过智能助理，来询问、模拟不同决策的可能状况，比如决策者接受公司讯息通知，分部工厂将关厂30天，此时就能询问智能助理，关厂30天可能带来的收益和服务冲击。又或是，这个关厂对某项产品的买一送一促销活动，有何影响。
在这些问题背后，系统会进行一连串模拟运算，并在给出智能助理文字回答的同时，也会在平台仪表板上，显示各项指标的预测数字，如获利、营收、服务水准和生产单位等。
创新亮点2：实体整合
实体整合（Entity resolution）是指将来自不同系统的资料，整合、归户到同一实体上，比如将州政府各个系统的人物资料，汇整为完整的单一档案。（图片来源／SAS）
另一创新重点是实体整合，这是一种将来自不同系统的分散资讯，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，不只能获得一个完整的实体数据，对AI开发来说，更能达到资料清理的效用。因为透过数据匹配、将零散的资料归户清理干净，就能降低「Garbage in，garbage out」的窘境。
SAS资深资料科学家Charles Cavalier现场举例，实体整合可用于资料归户，比如美国各个州政府系统中，有著各式各样的民众资料，如教育资料、驾照、医疗资料、税收资料等，同一位民众在不同系统的资料，可能以不同姓名写法呈现（如缩写），或可能缺失某些重要资讯（如电话中间码、车牌号码等）。但透过深度学习等方法，从不同系统中、众多类似人名的资料里，正确归纳出特定个人的完整资讯，这就是实体整合。实体整合使用到的技术，则包括机器学习、深度学习和图类神经网路等，Charles Cavalier强调，原本在单一类别或系统中缺失的资料（如电话、教育程度等），甚至能因实体整合而补足。
在实际应用上，就有国家政府机关，使用SAS Viya平台和实体整合功能，来进行网路分析，进一步揪出税务诈欺模式，他们也因此补足了60亿笔税务纪录，也因抓出逃漏税、获得了额外的6.35亿美元税收。
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，来让模型学会实体分类，进一步提高实体整合的能力。他也表示，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。
创新亮点3：量子运算
最后一项创新主轴是量子运算。早在年会开幕式上，Bryan Harris就揭露量子运算将是接下来SAS创新实验室的重点发展，而且，「我们实验发现，透过结合量子运算和传统运算的混合运算架构，能大幅改善运算结果。」他也表示，量子运算在未来1、2年的发展，就会像是生成式AI之于AI一样，带来翻天覆地的变化。
而SAS应用AI暨建模部门总监Jinxin Yi现场以肾脏捐赠配对为例，来说明量子运算加速后的运算结果。
他表示，就肾脏移植配对来说，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，常见的做法是使用图学，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候选组，这个候选组可由好几个点（即捐赠者与受赠者）组成。SAS团队就采这种方法来计算。
但这种方法，这需要大量且复杂的运算，就算是用SAS本身优化过的运算方法，也得要180秒才能得出99.4%的最佳解。但使用SAS打造的量子解算器，30秒就能找出100%的最佳解。
SAS创新实验室力推量子运算，以肾脏移植为例，为找出最合适的移植配对组，用量子解算器加速后，取得最佳解的时间可缩短为30秒。（图片来源／SAS）