SAS 宣布為 SAS Data Management 進行針對性全面升級，基於 SAS Viya 數據及 AI 平台推出一系列雲端原生產品，旨在協助企業準備、管治及啟動數據，以有效實現數據分析、自動化及AI應用。透過將管治、數據血統（lineage）及效能直接整合至數據工作流程中，SAS 協助企業在不影響信任及監控的情況下，亦能安心擴展其 AI 計劃。
(新聞稿)
SAS 數據及 AI 策略高級總監 Alyssa Farrell 表示：「隨著企業逐步邁向人為監管需求更低的代理式AI（Agentic AI）工作流程，現代化數據平台現已成為必須的關鍵任務基礎。SAS透過協助企業優化及現代化其數據資產、降低複雜性並釋放 AI 價值，並將管治與信任直接融入基礎架構之中，重新定義 AI 時代的數據管理模式。」
統一數據管理，內置可信機制
根據 IDC 與 SAS 的最新全球研究，近半數（49%）的企業指出，缺乏集中或優化不足的雲端數據環境，是推動AI發展的最大障礙，緊隨其後的是數據管治流程不足（44%）。業界分析師亦證實相關問題：Gartner 預測，多達60% 的AI計劃將因缺乏「AI 就緒」數據而失敗。
SAS Viya 的數據管理方案，透過將「治理」與「可審計性」視為核心設計原則，而非事後的合規補救措施，來應對上述挑戰。有別於在分散工具上疊加控制措施，SAS 將數據血統、透明度及監控能力直接整合至數據的存取、準備及啟動流程中，用於分析及 AI 應用，從而建立一個值得企業信賴且具防禦力的數據基礎架構。
實現「分析隨數據而行」 顛覆傳統模式
對不少企業而言，過往擴展分析及 AI 應用時，往往需要進行跨平台數據遷移，導致數據在不同環境中重複儲存，並衍生延遲、成本增加及管治風險。SAS Data Management 則採取截然不同的策略，將分析與AI運算直接帶到數據所在位置，無論數據儲存於何處。
此策略的核心例為 SAS SpeedyStore，一個與 SAS Viya 緊密整合的高效能雲端原生分析數據平台。透過將分析和 AI 運算直接部署於分佈式數據環境，SAS SpeedyStore 有效減少不必要的數據移動、提升整體效能，並同時保留企業所需的數據血統及可審計性，讓企業能夠安心信任其分析結果。
SAS 亦將此理念延伸至其自身數據平台以外。透過 SAS Data Accelerator，企業可將 SAS 分析功能直接部署於現有主流雲端數據環境中運行，包括大型數據倉庫及湖倉（lakehouse）架構，讓數據留在原地處理，有效降低延遲、節省成本並提升安全性。此外，SAS Viya 亦支援 DuckDB 等現代嵌入式分析引擎，讓用戶可於受控的工作流程中，針對 Parquet、CSV 和 JSON 等開放格式進行快速的本地分析。
透過代理與 Copilot 從基礎實現數據現代化
隨著企業採用代理式 AI 與 Copilot 為決策及工作流程進行自動化，底層數據的質素及管治變得更為關鍵。現時不少 AI 助理僅在數據準備完成後才開始運作，導致在可信度、數據血統及監管方面存在漏洞。SAS 則採取截然不同的策略，將 AI 驅動的輔助功能直接應用於整個數據生命週期之中，因為基礎層面的決策將決定 AI 是否能在大規模應用中值得信賴。
SAS 提供的代理及 Copilot，旨在協助企業在數據投入分析、進行自動化或 AI 應用之前，先行理解、準備並安全地使用數據。透過在受管治的數據工作流程中運作，這些功能有助於減少人手操作，同時保留透明度與監控力。
SAS Viya Copilot for Data Discovery 支援以自然語言探索受管治的數據及分析資產，協助用戶快速確定可用數據、其用途及可信度，將數據探索週期由數天大幅縮短至數秒。
SAS Viya Copilot for Code Assistance 將 AI 輔助開發功能直接整合至 SAS Studio，協助開發人員在無需離開受管治的開發環境下，利用自然語言編寫、理解及優化 SAS 與 Python 程式碼。這項功能在維持人為監控的同時，有效加快開發迭代的速度。
SAS Data Maker 透過生成高擬真合成數據，解決數據存取限制。這些數據能反映真實數據的統計、關聯性及時間特性，同時保障私隱、可審計性，並符合監管要求。這讓團隊能夠在不洩露敏感資訊的情況下進行開發、測試及協作。
