Google 发布 TabFM：表格数据不用训练就能预测，数周内 BigQuery 一行 SQL 就能用

2026 年 6 月 30 日，Google Research 在官方博客发布 TabFM（Tabular Foundation Model），一个专门处理表格数据的基础模型，由 Google Research 团队发布。它的诉求很直接：面对一份电子表格或数据库表，不必为它训练模型、不必调参数，直接把整份表格交给模型，就能返回分类（这位客户会不会流失）或回归（下个月营收多少）的预测。

把表格预测改写成「上下文学习」

核心设计是把表格预测重构为上下文学习（in-context learning）。传统流程是「一份数据集训练一个模型」；TabFM 则把历史数据行与待预测行合并成单一 context，在权重完全冻结（frozen weights）的状态下做一次前向传递，结果就出来了。架构上有三个关键：

• 行列交替注意力（alternating row and column attention）：既看同一行内各字段的关系，也看同一字段在不同行之间的分布。
• 行压缩（row compression）：把大量数据行压缩成模型能承载的表示，整份表格才塞得进 context。
• 上下文学习机制：样例即训练，不再有针对单一数据集的梯度更新。

训练数据来源值得注意：训练集是由结构因果模型（structural causal models）生成的数亿份合成数据集，全程未使用真实企业数据，对重视数据治理的企业是加分项。

基准成绩与发布边界

Google 在公开基准 TabArena 上评测，涵盖 38 个分类数据集与 13 个回归数据集，base 模型与 TabFM-Ensemble（加入交叉特征、SVD 特征与概率校准）均名列前茅。发布分成两块，边界要看清楚：模型权重放在 Hugging Face，采用非商业许可（non-commercial license）；使用代码与示例放在 GitHub，采用 Apache 2.0。可以研究、可以试，但不能拿权重直接做商业产品。

真正会改变企业日常的，是同日宣布的整合计划：TabFM 正在并入 Google BigQuery，官方说法是数周之内，用户将可以用一行 AI.PREDICT SQL 完成进阶的回归与分类。数据已经在数仓里，预测就在数仓里完成，不必再导出数据、再开 notebook。

和 XGBoost 的差别，以及对管理者的意义

过去表格预测的主力是 XGBoost 与 Random Forest，效果好，但每换一份数据集就要重新训练、调参、验证，这些工作需要数据科学人力，人力就意味着排队与周期。TabFM 在 TabArena 上与现有顶尖方法同列前段，它改变的是「要花多久、要谁做」：零训练意味着预测从一个项目，变成一次查询。企业手上最多的数据类型从来不是文章与图片，而是表格——销售明细、客户流失名单、应收账龄、库存周转、出勤记录。过去门槛不在数据而在人，多数中型企业因此停在「看报表」。若整合如期上线，主管能自己问出「哪些客户下季可能不续约」。

现在可以做的准备有两件：

1. 盘点自家哪三张表格最值得预测，并确认字段质量与历史长度足够。
2. 记住许可边界：要在商业场景使用，请等 BigQuery 正式整合，而不是先把 Hugging Face 的权重搬进生产环境。

技术门槛正在降下来，剩下的是管理者愿不愿意先想清楚要问什么问题。