隨著生成式人工智慧(AI)帶來的無限可能席捲全球，讓科技史揭開新的一章，麥肯錫公司預測，生成式AI每年將帶給銀行、高科技、生命科學和零售等產業增加數十億美元的收入。SAS於SAS Explore大會上發表將持續關注與發展生成式AI，並聚焦合成資料產生(Synthetic data generation)、數位孿生(Digital twins)與大型語言模型(Large language models，LLM)等應用場景，希望以最直接、可靠，以及有價值的方式提供整合生成式AI的相關解決方案，兌現打通生成式AI最後一哩路之承諾。
生成式AI於資料整合方面有卓越表現，然而，在預測分析的階段，其能力會受到限制。為了充分發揮生成式AI的潛力，可應用複合式AI的精神，結合不同的AI技術，如確保其與預測式AI之間達到全端的協同和治理，來為複雜商業問題找到最佳解方。SAS領先利用可信任生成式AI之創新進展，具體表現在以下方面：
- ：合成資料產生可協助企業在真實世界資料不足，或缺乏真實資料時，用合成資料來訓練模型。SAS率先擴展生成式對抗網路(GAN)深度學習演算法，協助企業創造仿真實世界的複雜資料；這種能力有助於保護隱私、減少偏見和加強罕見事件，可作為數位孿生的基礎。SAS在這一領域的創新大大的改進了預測模型，可更精準的模擬未來趨勢及模擬不同未來情境，同時降低了醫療保健、生命科學、銀行、保險、零售和製造等行業的洞察成本。
- ：當企業面對業務中斷或需要模擬和供應鏈和製造過程等複雜情境時，透過建構數位孿生系統企業可技術模擬問題像是「假如……會怎樣？」的問題，來提高營運與診斷問題效率，並快速掌握未來情況。這項技術可提供更多策略性決策來增加營運價值，同時降低風險和損失。例如，SAS與聯邦公共財政局和維納博艮集團(Wienerberger)等組織合作，不僅優化營運更能診斷問題並改進預測性維護措施。
- ：大型語言模型是生成式AI的關鍵要素，LLM重塑了企業與客戶互動方式。為能夠替企業帶來真正價值，這些基礎模型必須針對行業應用場景精細調整，同時保護資料隱私。SAS在神經網路、深度學習、強化學習和自然語言處理方面擁有豐富的經驗，加快了生成式AI為客戶創造價值的速度。SAS正在將Microsoft Azure OpenAI的應用，與SAS Viya生態系統整合，打造複合式AI的場景，使生成式和預測式AI共同解決現實世界的複雜難題。