今天回想起 2022 年末发生的两件大事，真有恍若隔世之感。

第一件大事是 YQ 管控的放开。
第二件大事就是 ChatGPT 3.5 首次为大众所熟知。当时的自媒体圈子，铺天盖地都是各种脑洞大开的与 ChatGPT 的对话截图。

当时以 ChatGPT 为代表的 AI 工具，大部分人只是将其当做一个可供消遣的聊天机器人罢了。

时至今日，笔者编程和技术写作，早已重度依赖于 ChatGPT，DeepSeek，Claude，Github Copilot，Trae 这些工具，恍恍惚惚有了「我觉得自己强的可怕」的错觉。和 2C 领域的 AI 应用相比，2B 领域比如企业级软件领域对 AI 的态度则要谨慎和保守得多。

在企业把生成式 AI 与机器学习从概念验证推向规模化应用的路上，如何把多种 AI 运行时、多个业务域的模型与用例、跨团队的职责与治理串成一条可审计、可观测、可控的价值链，是 CIO 们一直在努力思考的一道难题。

SAP AI Launchpad 则是这道难题的答案之一。SAP AI Launchpad 是运行在 SAP BTP 上的多租户 SaaS 管理控制台，用统一的体验与 API，把企业内外的 AI 运行时与业务化场景连接到一起，提供端到端的场景管理、MLOps 运维、以及通过 Generative AI Hub 带来的生成式 AI 能力接入与治理。

作为构建在多个 AI runtime 之上，用于管理 AI use case 的一站式入口，SAPAI Launchpad 天然支持与 SAP AI Core 的集成。

用一句话把 SAP AI Launchpad 说清楚

在 SAP BTP 的 Global Account 与 Sub Account 之上，SAP AI Launchpad 作为多租户 SaaS 应用，为不同的用户群体提供统一的入口：AI 场景生产者通过它进行场景与部署的全生命周期管理、日志与指标的运维可视化；AI 场景消费者通过它浏览、激活与消费已对接到企业应用的 AI 能力；而对生成式 AI，企业可以通过 Generative AI Hub 在合规边界内进行 Prompt 设计、Prompt 生命周期管理、模型调用与配额治理。

SAP AI Launchpad 多运行时与多实例的统一纳管

很多企业同时存在多个 AI 运行时实例：研发组织自建的 SAP AI Core 集群、地区化合规需要的独立算力池、以及与公有云模型服务的连接。

SAP AI Launchpad 的核心价值，在于把这些分散的 runtime 通过 Workspace 连接起来，实现跨实例的统一管理与观测。从操作维度看，我们在 Workspaces 应用中创建到 SAP AI Core 的连接，方式是上传 AI Core 的 service key 并选择资源组，连接成功后即可在 ML Operations 与 Generative AI Hub 中看到对应资源与模型。

生成式 AI 的统一入口

Generative AI Hub 为企业提供生成式模型的统一接入、Prompt 工程与版本管理、以及调用与配额的集中治理。

它把生成式 AI 活动与 SAP AI Core 的运行时活动打通，既可在 Hub 内进行 Prompt 的创建、运行与生命周期管理，也能在管理界面执行用户数据删除等合规动作。

这些操作在 Hub 的 Prompt Editor、Prompt Management 与 Administration 中完成。

与 SAP AI Core、AI API 的关系

SAP AI Core 是面向 heavy-load AI 的运行时，负责模型训练、部署与伸缩；AI API 则为跨运行时管理 AI 资产提供统一 API 入口。AI Launchpad 在这之上提供统一管理与可视化的控制台。

SAP AI Launchpad，SAP AI Core 和 SAP AI API 三者在架构与职责上做出清晰分工：算力与容器交给 AI Core，自动化与集成经由 AI API，治理与运维体验落在 AI Launchpad.

角色与权限、租户与安全

面向企业级使用，权限与信任是默认前置条件。AI Launchpad 复用 SAP Authorization and Trust Management 的能力来进行用户授权与身份信任设置，这意味着它与 BTP 账号体系与企业 IdP 能无缝协同。

在日常治理中，管理员可以通过分配相应角色集合，控制谁能创建连接、谁能查看日志、谁能管理 Prompt、谁能发布场景。SAP AI Launchpad 预制了细粒度的 Role Collection 以支持完善的权限管控：

这些 Role 的定义和功能，请参阅 SAP 官方帮助文档：

https://help.sap.com/docs/ai-launchpad/sap-ai-launchpad/security

SAP AI Launchpad 三大功能模块

👉 ML Operations

这是 AI 场景的运维中枢。针对已连接的 SAP AI Core，用户能获得按场景聚合的部署、运行、日志与统计，并以统一视图进行告警与排障。

👉 Functions Explorer

这是场景与函数的目录式管理入口。AI 场景生产者可以在这里维护并对外发布可供消费的函数，AI 场景消费者则能浏览、订阅与调用，且配合权限模型定义可见性边界。

👉 Generative AI Hub

这是生成式 AI 工程化的工作台。用户可以在 Prompt Editor 中进行 Prompt 设计与测试，在 Prompt Management 中进行版本化与审批流，在 Administration 中处理数据删除等合规事项。

模型与运行时：从传统 ML 到生成式 AI

👉 传统 ML 场景：对传统机器学习，AI Launchpad 通过与 SAP AI Core 的对接来完成模型训练、部署与推理的端到端链路管理；可以把训练脚本、模型工件、推理服务器当作 AI 资产，通过 AI API 跨运行时进行管理。

👉 生成式 AI 场景：对生成式模型，企业通过 Generative AI Hub 访问统一的模型目录，并在合适的服务计划下启用访问，例如某些模型与 Hub 的完整能力需要在 Extended 计划下使用。

另外，What’s New 页面会持续更新新增支持的模型与提供方，例如加入了来自 AWS Bedrock 的 Nova Premier，这意味着企业能够在同一治理与观测平面上调度更多前沿模型。

一些使用 SAP AI Launchpad 的案例

👉 跨区域需求预测的规模化运维

一家泛亚地区的消费品企业在中国大陆与东南亚分别部署了独立的 SAP AI Core 实例，以满足数据主权与算力成本的双重约束。它把两个实例都接入到 AI Launchpad 的 Workspaces，以统一视图管理部署与日志，供应链数据科学团队充当 AI 场景生产者 在 ML Operations 中观察训练与推理负载，区域业务团队则作为 AI 场景消费者 在 Functions Explorer 中查看可用函数与版本。跨区域的协同不再依赖脚本拼接，而是在 Launchpad 的授权模型下自然分工，既减少了跨环境切换与权限漂移的风险，也把审计线索集中在一处。

👉 面向客服坐席的生成式问答与工单摘要

一家欧洲的离散制造企业希望在 SAP S/4HANA 与自研 Fiori 应用中提供知识库问答与工单摘要。企业在 SAP BTP 上启用 AI Launchpad 与 Generative AI Hub，采用具有企业合规保障的模型提供方，并在 Prompt Management 中把 系统提示词、业务提示词 与 安全指令 进行版本化管理。

运维侧在 Administration 中定义数据删除策略，以满足 GDPR 对可删除性的要求；业务侧通过 Functions Explorer 暴露了封装好的问答与摘要函数，前端应用以标准方式调用。整个链路把 Prompt 工程、模型调用与合规治理集中在同一控制台，避免了分散工程实践带来的风险。

👉 引入第三方前沿模型的评测与灰度

一家北美零售商希望评估新近发布的前沿多模态模型在产品视觉理解上的表现。借助 What’s New 与模型目录，团队在 AI Launchpad 的统一界面中把新模型加入评测池，以一致的 Prompt 套件与业务数据集进行 A/B 实验；当评测通过后，先在 Functions Explorer 暴露为仅对内部试点团队可见的函数，逐步扩大可见范围到更多业务线。借助统一入口，团队在不改动下游应用集成的前提下完成了模型替换与灰度放量。What’s New 提供了关于最新模型接入的权威更新渠道。

从零到一的落地路径

企业在 SAP BTP 上启用 AI Launchpad 的路径相当标准化。

• 在 BTP Subaccount 中完成 entitlement 设置，订阅 AI Launchpad 与 AI Core，并在 Discovery Center 或入门视频中核对前置条件与配额分配的做法。
• 完成 Initial Setup，确保 Cloud Foundry 环境与必要的目标与目的地配置齐备。
• 在 Workspaces 创建到 SAP AI Core 的连接，上传对应 service key 并选择资源组，确认连接处于可用状态。
• 激活 Generative AI Hub. 选中已连接的 AI Core 与资源组后，Hub 应用会变为可点击状态，从而进入模型与 Prompt 的工作区。
• 对于没有生产账号的探索场景，可以考虑使用 Free Tier 来演练基本能力与团队协作方式。

与企业应用的集成思路

SAP AI Launchpad 并不会直接替代客户的业务应用开发框架，而是负责提供统一的 AI 能力目录、治理与运维可视化。

一个典型集成路径是：

在后端以 CAP 或 Java/Spring 的服务层封装调用 AI 函数或推理端点；
在前端 Fiori 或 UI5 应用中从 BTP 的目的地或网关访问这些能力；
在跨应用层面通过 Launchpad 的 Functions Explorer 管理函数的可见性与版本；
在运维层面通过 ML Operations 观察运行指标与日志。

如果把企业 AI 能力比作城市中的公共基础设施，SAP AI Launchpad 就像一座把电网、路网与安全体系编排到一起的控制中心。它不夺运行时之功，也不抢业务应用之名，而是在运行时与业务之间搭起治理与体验的桥梁。

对于着眼于把 SAP 生态与生成式 AI 融为一体的客户而言， SAP AI Launchpad 是融合企业数据、业务流程与 AI 三者最稳妥的渠道。