一句话看懂：Google AI 正式推出 TabFM，一个基于混合注意力机制的表格基础模型，能够在零样本条件下直接处理分类和回归任务。这意味着企业或开发者无需为每个新表格数据集单独训练模型，即可获得有竞争力的预测结果，降低了表格数据 AI 应用的门槛。
事件核心：发生了什么
Google AI 在 2026 年 7 月发布了 TabFM（Tabular Foundation Model），这是一个专门为结构化表格数据设计的预训练基础模型。TabFM 的核心创新在于采用了混合注意力（Hybrid Attention）架构，能够同时处理表格中的数值特征和类别特征。与此前需要针对每个数据集进行微调的传统方法不同，TabFM 具备零样本（zero-shot）能力，可以直接对未见过的表格数据进行分类和回归预测。据公开介绍，该模型在多个基准数据集上展现了与专门训练的模型相近甚至更优的性能。
为什么重要
长期以来，表格数据是金融、医疗、零售、制造业等企业场景中最主要的数据形式，但预训练大模型主要集中在文本、图像领域。TabFM 的出现补上了这一缺口。它对 AI 行业的几个关键意义在于：一是零样本能力极大降低了模型部署的门槛，企业不需要为每个新业务表格收集大量标注数据；二是混合注意力机制的设计在结构上更适配异构表格特征，预示着基础模型正在向更广泛的“非文本”数据类型渗透；三是 Google 作为 AI 基础设施提供方，此举可能在表格处理 API 或 Vertex AI 平台上形成新的服务入口，影响企业级 AI 竞争的落点。
对用户/开发者/创作者的影响
对于数据科学家和 AI 开发者，TabFM 有望大幅简化表格建模的流程：不再需要特征工程、模型选择、超参调优等繁琐步骤，直接调用预训练模型即可得到基线结果。对于企业 IT 采购决策者，这意味着可以更快地验证 AI 在风控、客户分群、销售额预测等场景的可行性，并减少对内部标注数据的依赖。对于中小型团队和个体开发者，零样本能力使得在没有大量计算资源的情况下也能尝试表格 AI 应用。不过，目前该模型的具体发布形式（是否开源、API 调用成本、本地部署支持）尚未完全公开，实际落地体验仍需进一步观察。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，TabFM 是否会以 API 形式在 Google Cloud Vertex AI 上开放，以及定价与现有 AutoML 表格服务的成本比较；第二，Google 是否计划开源该模型的权重或提供可本地运行的轻量版本，这直接决定其能被开发者社区自主使用的程度；第三，Meta 的 ProphetNet、AWS 的 SageMaker 以及 H2O.ai 等竞品是否会快速跟进类似零样本表格模型，引发新一轮表格基础模型的比拼。
