近日，Google AI正式推出面向多变量时间序列预测场景的全新基础模型TimesFM-3，该模型参数量达330M，搭载零样本推理能力，仅需一次前向传播即可完成多变量时序预测任务，大幅降低了工业级时序预测的部署门槛，目前模型权重已对外开放，有望为零售、金融、工业制造等领域的预测需求提供高效解决方案。时间序列预测是工业领域应用最广的AI技术之一，从零售行业的销量备货、金融领域的风险预警到工业制造的设备运维，几乎所有涉及趋势预判的场景都离不开时序预测能力的支撑，但长期以来，高准确率的时序预测方案始终存在部署门槛高、场景适配成本高的痛点。据相关行业统计，2026年全球时序预测相关的AI市场规模已经突破320亿美元，年增速超过40%，但市面上的主流方案主要分为两类：一类是传统统计模型，准确率不足70%，难以满足复杂场景需求；另一类是定制化训练的AI模型，单场景微调成本动辄数十万元，中小商家几乎无力承担。此前不少科技公司也推出过时序大模型，但普遍参数量超过10B，部署需要较高的算力支持，难以在边缘端落地。此次Google推出的TimesFM-3，核心优势就是用极小的参数量实现了高泛化性的预测能力...
滇公网安备 53252802528133号