【Google发布TimesFM-3：时间序列预测进入“全景模式”】Google Research推出的TimesFM-3标志着时间序列基础模型从单变量向多变量的跨越。这款拥有3.3亿参数的模型在1万亿个时间点上完成预训练，核心突破在于引入了交替注意力机制，能同时处理多个相互关联的目标和未来已知变量，如促销计划或天气预报。不同于以往逐个时间点生成的低效方式，它通过非自回归解码实现单次推理即输出全时段预测，在零样本泛化能力上刷新了多项行业基准。长期以来，时间序列预测被视为AI领域的硬骨头，因为数值型数据缺乏语言那样的语义逻辑。TimesFM-3的价值在于它证明了大规模预训练同样能赋予模型一种“数感”。对企业而言，这意味着即便没有海量历史数据进行微调，也能通过引入外部关联维度，让模型像经验丰富的分析师一样，在看到促销预告的瞬间就预判出销量的波动。这种从“看单线”到“看全局”的转变，才是预测技术真正走向实用的分水岭。 research.google /blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/