大型語言模型（LLM）是 ChatGPT、Claude 和 Gemini 等生成式 AI 聊天機器人的基礎，它們能生成驚人地像人類的文字和圖像。

然而，這些模型卻在一個看似它們擅長的領域，分析結構化數據，上遇到困難。一種新型的生成式 AI 正準備改變這種局面。

儘管你可以讓常用的聊天機器人解決棘手的數學問題、審閱複雜的法律文件、創作流行歌曲或製作精美的 PowerPoint 投影片，但只要給它一個稍大的表格，它就完全不知所措了。

對於大多數公司和組織而言，最重要的數據都儲存在試算表中。無論是銀行的交易日誌、行銷公司的網站指標、臨床試驗參與者的生命徵象，還是大型強子對撞機等原子對撞機產生的大量質子碰撞資訊，這些結構化的、行與列的數據驅動著世界，而 LLM 卻無法有效處理它們。

AI 新創公司 Fundamental 正在開創一種新型的 AI 基礎模型，稱為大型表格模型（LTM），以填補這一空白。Fundamental 於 2026 年 2 月 5 日結束隱身模式，獲得 2.75 億美元資金，並推出專為表格數據打造的模型 NEXUS。目前，該模型正被 Amazon Web Services 等公司採用，同時其他公司也競相開發自己的 LTM。

LLM 為何難以處理試算表

阿姆斯特丹的資深 AI 研究員 Boris van Breugel 認為，結構化數據之所以較少受到關注，部分原因在於人類的偏見。他表示：「人們喜歡看圖片、影片和 ChatGPT 的回應，但表格數據卻遠遠落後，因為看數字並不有趣。」

van Breugel 解釋說，不同的表格數據集也很難進行比較，他曾在 2024 年共同撰寫了一篇關於此主題的預見性論文。大多數語言具有相似的語義，這使得 LLM 非常適合在大量文本數據上進行訓練，但 van Breugel 認為，在變數差異很大的表格上訓練單一表格模型要困難得多。

此外，語言本質上是序列性的（音樂、圖像和影片也是如此），改變句子中單詞的順序可能會改變或完全破壞其意義。然而，試算表中的結構化數據並非序列性的，你可以交換列的順序或調整行的位置，但數據的潛在事實意義保持不變。

這種與線性順序的獨立性，與 LLM 預測線性序列中下一個值的基本目的不相容。Fundamental 的執行長 Jeremy Fraenkel 表示：「對於 LLM 來說，即使輸入稍有變化，你也會得到不同的輸出。」他補充說：「這對 LLM 來說很好，而且通常是理想的，但當你預測一筆交易是否為詐欺時，你希望無論如何，預測結果都是相同或確定的。」

Fundamental 的 LTM 開發

目前的表格數據解決方案僅限於機器學習演算法，例如 XGBoost，這些演算法已存在超過 15 年，並被全球組織廣泛使用。這些被稱為梯度提升決策樹的演算法，需要數據科學家針對每個用例花費數月時間進行訓練和優化。

相較之下，NEXUS 和其他新興的 LTM 都是基礎模型，它們利用從多樣化數據庫預訓練中累積的知識。這使得它們能夠應用於各種不同的預測任務，且只需最少量的客製化特徵工程或針對特定任務的模型建構。

與主要建模 token 序列的 LLM 不同，LTM 直接建模表格數據的結構。它們共同學習每個條目的數值、其代表的意義以及它與其他條目之間的關係。例如，想像雜貨庫存表中香蕉的一個條目：LTM 不僅能理解其數值（例如 500），還能理解該條目代表當前的香蕉庫存數量、其類別（農產品），以及將該條目與列中其他數據連結起來的統計特性。這種上下文理解能力使得對結構化數據的推理和預測更加準確。

根據 Fraenkel 的說法，Fundamental 在開發 NEXUS 時面臨的最大挑戰之一是獲取正確的訓練數據。與豐富且結構大致統一的自然語言不同，表格數據相對難以找到，其中大部分數據是敏感或專有的，而且種類繁多。例如，生物學數據集和金融數據集之間幾乎沒有相似之處。這些因素的結合意味著 Fundamental 需要投入大量資源來建立龐大的訓練集。

Fraenkel 表示：「我們透過合作夥伴關係和授權獲取的專有數據集、高品質的公共和開源數據集，以及擴展訓練語料庫多樣性和覆蓋範圍的數據增強技術，在數十億個表格上預訓練了 NEXUS。」但他強調 NEXUS 並未在客戶數據上進行訓練。事實上，它是一個機密計算平台，這意味著 Fundamental 無法實際存取客戶數據，更不用說在其上進行訓練了。

這項功能很可能是在六月時，Amazon Web Services (AWS) 將 NEXUS 嵌入 Amazon SageMaker 的關鍵考量。Amazon SageMaker 被廣泛認為是安全機器學習的預設作業系統。這使得 NEXUS 能夠處理許多客戶通常敏感的數據，這與 LLM 的方法形成對比，LLM 需要將數據導入模型。

Fraenkel 說：「我們與 Amazon 建立了第一方合作夥伴關係，這意味著我們的模型就像是原生的 AWS 解決方案一樣存在。」他補充道：「隨著時間的推移，目標是擴展這類合作關係，讓終端用戶無論在哪裡進行預測，都能真正存取他們的數據。」

數據分析的未來

儘管 Fundamental 至少在企業應用方面取得了領先地位，但該公司並非唯一一家追求基礎 LTM 的公司。三月，提供詐欺和金融犯罪預防服務的 Feedzai，以及信用卡公司 Mastercard，分別推出了專注於金融領域的類似專有技術。

隨後，六月下旬，Google 推出了自己的基礎競爭產品 TabFM，該產品完全在數億個合成數據集上進行訓練。機器學習研究人員也緊隨其後，FlexTab、TabICL 和 iLTM 只是過去一年研究社群開發的眾多 LTM 中的三個，所有這些都旨在將 LLM 的成功帶入表格領域。

對於所有參與者來說，發展方向是明確的。van Breugel 表示：「如果未來大多數數據處理和分析不是透過自動化系統完成，無論是 LLM、LTM 還是兩者的某種組合，我都會感到非常驚訝。」他補充說：「大多數人並不一定喜歡做數據分析，而這些系統將能夠做得更好。」

Fraenkel 對此表示贊同。他說：「我認為 LLM 和 LTM 之間的關係有點像人腦：左腦擅長推理、理解和總結文本，而右腦則非常擅長理解數字、統計數據和模式。」他總結道：「但只有將兩者結合起來，你才能真正獲得更強大的能力。」