谷歌近日发布TimesFM-3，这是一款拥有3.3亿参数的时间序列基础模型，预训练数据规模超过1万亿个时间点。该模型聚焦零样本预测，可在不进行任务特定微调的情况下对多个目标变量进行联合预测，并支持历史协变量和已知未来协变量输入。相比传统方法需要针对每个数据集单独建模，TimesFM-3通过大规模预训练捕捉通用时序模式，有望显著降低多变量预测的建模与调优成本。这一进展也反映出基础模型范式正加速从文本、图像等领域向时间序列分析延伸，为后续构建更通用的预测系统提供了新思路。