英伟达 Kumo Relational：不训练、不调参，直接在企业数据库上做预测

企业里最值钱的数据大多躺在关系型数据库里，而机器学习最不擅长的恰恰是这种数据：几十张表、上百个外键、每一次建模都要先做特征工程。英伟达想跳过这一步。

一分钟速览

• Kumo Relational 是预训练的关系型基础模型，可直接在企业数据库上做预测。
• 给定一个预测查询，它会检索最多 1 万条历史样本作为上下文，一次前向计算给出流失、需求、欺诈等结果。
• 不需要任务级训练、不需要特征工程、不需要把多表展平成宽表。
• 在 15 个数据库的 41 项任务上，优于监督式关系深度学习模型与专家调优的梯度提升树流水线。
• 在 SAP SALT 企业基准上，平均倒数排名比 AutoGluon 集成高 8%；可扩展到 5000 亿行以上的数据库。

把”上下文学习”搬进数据库

语言模型的转折点是发现预训练加少量示例就能完成新任务，不再需要为每个任务单独训练模型。Kumo Relational 的野心是把这套范式复制到结构化数据上。

做法是：面对一个预测查询，模型沿着关系图检索与当前预测对象相关的历史记录，最多取 1 万条，作为”示例上下文”，然后一次前向计算输出预测。整个过程没有梯度更新，也没有人工定义特征。这解释了为什么它能在没有任务级训练的情况下工作——它把”学习”从训练阶段挪到了推理阶段。

难点在于检索。关系数据库的 schema 千差万别，表名、字段名、外键关系都是企业自定义的；要从 1 万条历史样本里提取有效信号，模型必须理解表结构语义，而不是简单地做行拼接。这也是这类模型真正的技术壁垒所在。

与梯度提升树的正面对比

企业预测市场长期由梯度提升树统治，原因是它在表格数据上稳定、可解释、调参经验成熟。Kumo 给出的对比相当直接：在 41 项任务上同时超过监督式关系深度学习和专家调优的提升树流水线；在 SAP 的企业基准上比 AutoGluon 集成高 8%。

需要冷静看待的是基准的性质。41 项任务覆盖 15 个数据库，规模不小，但仍由厂商选择；SAP SALT 是企业级基准，代表性较好，可它衡量的指标是平均倒数排名，与业务收益之间还隔着阈值选择与人工复核。

真正的价值可能在时间成本。传统流程里，一个流失预测项目从取数、特征工程到调参上线，通常需要数周；如果预训练模型能把这段时间压缩到几天，即使绝对精度只提升几个点，投入产出比也会明显改善。

对数据团队意味着什么

短期看，这类模型吃掉的是”重复建模”的活：需求预测、流失预警、欺诈识别，这些任务的建模套路高度相似，最容易被预训练模型替代。数据工程师的角色会向两头移动——上游负责把数据治理好、把 schema 语义补齐，下游负责把预测接进业务流程并设定人工复核规则。

长期看，竞争会落在两处：一是关系型数据的表示学习能否形成规模效应，也就是数据越多、模型越准；二是权限与合规，把模型直接放到生产库上做推理，意味着要处理行级权限、脱敏和审计。后者往往比模型精度更能决定企业是否采购。

英伟达给出的交付形态是开源的结构化数据模型库，或以 NIM 微服务方式提供。这种”既给代码又给服务”的做法，明显是在复制 CUDA 时代的生态策略：先让开发者用起来，再让企业为托管和运维付费。