Fundamental NEXUS 大表格模型上线 Amazon SageMaker JumpStart，企业结构化数据预测无需数月
Fundamental 的 NEXUS 大表格模型现已在 Amazon SageMaker JumpStart 上可用。该模型专为表格数据预测设计，无需特征工程即可在几天内生成确定性预测。本文介绍部署流程、核心优势及金融、医疗等场景，并分析对中文企业用户的实际意义。
一句话看懂
Fundamental 的 NEXUS 大表格模型上线 SageMaker JumpStart，专为结构化数据预测设计，无需特征工程，几天内即可部署确定性预测。
详细发生了什么
Amazon SageMaker AI 宣布支持 Fundamental 开发的 NEXUS 模型。NEXUS 是一个专为表格数据预测构建的基础模型，预训练于数十亿真实世界的预测任务。与需要数月特征工程和模型训练的传统 ML 不同，NEXUS 能直接处理数字、类别、日期和文本，无需手动特征工程。
NEXUS 的关键创新包括：确定性架构（每次预测结果一致）、原生表格理解、非顺序推理（分析多维关系）、排列不变性（列顺序不影响结果）、十亿行处理能力、跨模式推理和自动数据清洗。
部署流程：在 AWS Marketplace 订阅 NEXUS 模型包，部署到 ml.p5en.48xlarge 实例（8× NVIDIA H200 GPU），安装 Fundamental Python SDK，上传数据到 S3，调用 clf.fit(X_train, y_train) 训练，clf.predict(X_test) 预测。数据全程留在 AWS 环境内，端点网络隔离且单租户。
中文圈视角
对中文企业用户来说，NEXUS 的吸引力在于确定性预测和零特征工程。国内很多企业仍依赖传统 ML 流程，从数据清洗到模型上线动辄数月，NEXUS 声称可将周期缩短到几天。
但需要注意：
- 部署成本：ml.p5en.48xlarge 实例按小时计费，价格不菲，中小企业可能需评估 ROI。
- 数据合规：数据需上传到 AWS S3，涉及数据出境问题。国内企业若需满足《数据安全法》要求，可能需要考虑 AWS 中国区域或寻找国产替代。
- 国产平替：目前国内类似产品较少，但 ModelScope 上有一些表格预训练模型（如 TabNet），不过功能和规模远不及 NEXUS。
对金融、医疗、制造等数据密集型行业，NEXUS 的跨表推理和自动清洗能力有实际价值，但中文场景下的中文表格数据支持程度尚未明确。
几条值得记住的细节
- NEXUS 预训练于超过 100 亿行表格数据，支持十亿行级数据集。
- 确定性架构：同一查询每次返回相同结果，不同于概率型 LLM。
- 部署实例为 ml.p5en.48xlarge，配备 8 块 NVIDIA H200 GPU。
- 支持分类和回归任务，API 兼容 scikit-learn 风格。
- 数据全程留在用户 AWS 账户内，端点网络隔离，满足 GDPR、HIPAA、SOC 2。
一句话总结
如果企业有大量结构化数据预测需求且预算充足，NEXUS 能大幅缩短模型上线时间，但需评估数据合规和成本。