预测分析此前需要构建复杂的自定义模型及漫长的训练周期。这种传统方法涉及人工特征工程、冗长的调优过程以及专业技能，往往导致预测模型利用率不足。Google Research 推出了 TabFM，这是一个针对表格数据的预训练基础模型，现已在 BigQuery 中可用。TabFM 利用上下文学习，通过单条 SQL 语句即可提供即时且高度准确的预测，消除了独立的训练与部署步骤。该系统支持零样本预测，简化了无需深厚机器学习专业知识用户的操作流程。同时，它通过在不管理基础设施的情况下提供预测能力，增强了代理型应用。TabFM 展现出最先进的准确率，在基准测试中优于传统模型。通过原生的 BigQuery 集成和简洁的 SQL 语法，开发者体验得到简化。TabFM 自动处理特征工程任务，其可扩展性支持快速处理数百万行数据。用户可利用 AI.PREDICT 进行即时预测，并使用 AI.EVALUATE 评估模型性能。尽管 TabFM 在快速洞察和频繁重训方面表现卓越，但在处理超大规模数据集或需要特征重要性可解释性的场景下，传统模型依然适用。此次集成使得预测机器学习如同执行标准 SQL 查询般简单。