区别于大语言模型（LLM）的新一类AI模型正加快走向台前，企业布局也随之提速。

业内消息显示，近期受到关注的非LLM路线，主要包括面向表格数据预测的表格基础模型（TFM，Tabular Foundation Model）、不生成文本而仅返回决策结果及概率的决策模型，以及可在程序运行过程中自动优化代码执行方式的代码执行模型（CEM）。越来越多AI公司正将资源投向这些方向。

TFM主要处理以行和列构成的表格型结构化数据，例如销售记录、交易明细和客户信息等，帮助企业更高效地开展预测分析。

市场研究机构Gartner已将“大型定量模型”（LQM，Large Quantitative Models）列为2027年值得关注的技术关键词之一。Gartner表示，LQM是一种用于处理和分析定量数据的模块化混合神经网络架构，可推动企业从事后响应转向基于前瞻模拟的决策支持。

在TFM赛道，已有多家公司加快落子。企业软件厂商SAP收购了以TFM见长的Prior Labs；Nvidia近期也通过开源AI模型平台Hugging Face发布了面向表格数据预测的开源基础模型“Kumo Tabular”。

市场普遍认为，Kumo Tabular建立在Nvidia今年6月收购的企业级预测AI软件初创公司Kumo AI技术基础之上。Kumo AI长期围绕客户信息、支付数据等企业结构化数据，开发可回答预测性问题的AI模型。韩国厂商Nums AI也推出了自研模型“Causilo”，并开始加大市场推广力度。

与擅长生成文本的LLM不同，围绕概率判断的决策模型近一个月来明显升温，成为AI领域的新热点之一。

OpenAI前员工Diogo Almeida创立的TypesafeAI在9月发布jev后，OpenAI、Amazon Web Services（AWS）、Cloudflare等大型科技公司也相继加入与jev相近的决策模型竞赛。

据TypesafeAI介绍，在给定复杂场景、边界清晰的问题以及可选答案列表后，jev不会输出完整句子，而是直接返回决策结果及对应概率，因此被认为更适合AI Agent使用。

布局决策模型的企业仍在增加。Microsoft也发布了面向快速决策优化的AI模型“Microsoft-Decision-1”。

Cloudflare则围绕决策模型“Cliff”，推出了可快速、低成本从文档或图片中提取信息的AI模型“Cleric”预览版。Cleric可从邮件、收据照片等非结构化资料中提取姓名、日期、金额等字段，也能对资料中未直接给出的数值进行计算或推断，并预测未来可能出现的数据。

与LLM逐字生成内容的方式不同，Cleric会一次性给出答案，计费仅基于输入数据，大多数情况下可在1秒内返回结果。若无法找到答案，系统不会生成“看似合理”的数值，而是直接标注为“无”。每项答案还会同步给出置信度评分。

Nvidia投资的以色列初创公司DoubleAI推出的CEM同样受到关注。DoubleAI强调，CEM属于一种全新的AI类别。

据《华尔街日报》（WSJ）报道，CEM不同于LLM，可在程序运行过程中无需人工介入，自主寻找更高效的代码执行方式。DoubleAI的首款产品“Maxwell”可提升GPU和CPU性能，以应对计算成本快速攀升的问题。

其商业模式也较为特别。DoubleAI按客户节省成本的一定比例收费。该公司称，某早期客户已将计算成本降低67%。WSJ还提到，AI公司LTX借助Maxwell，将模型推理速度提升至原来的两倍。

DoubleAI由自动驾驶公司Mobileye联合创始人、CEO Amnon Shashua创立，迄今已从Lightspeed Venture Partners、Bessemer Venture Partners、Nvidia、Dell等获得2.2亿美元投资。