Google 开源时序预测基础模型
推荐指数 73.0 NO. 004 · 2026.06.18
Stars21,781
为什么值得看
TimesFM 是 Google Research 推出的预训练时间序列基础模型，支持零样本预测，已集成到 BigQuery ML 和 Google Sheets。对需要处理大量时序数据但缺乏专门建模团队的工程师而言，可直接用 SQL 调用企业级预测能力，降低时序建模门槛。
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
编辑判断
时序预测长期被 ARIMA、Prophet 或专用深度学习模型割据，但每种方法都需要大量调参和领域知识。TimesFM 的差异化在于用 decoder-only 架构把 NLP 领域的 scaling 经验迁移到时序，且上下文长度支持到 2048 点，覆盖大多数业务场景。
与 N-BEATS、N-HiTS 这些神经架构相比，TimesFM 的核心优势是零样本能力，新数据集无需重新训练；与 AutoML 方案（如 AWS Forecast）相比，它开源可本地部署，且已进 Google 产品线意味着持续维护。做供应链预测、流量预估、金融风控的团队，如果目前还在用 Prophet 手工调参，值得用 BigQuery ML 的 SQL 接口先跑一轮对比基准。
需要注意的局限：论文显示它在高频数据（分钟级）和长周期季节性（年级别）上表现弱于专门调优的模型，且当前不支持多变量外生特征。
Star History
生态分析
Production
企业级时序基础模型，通过云原生集成降低预测技术门槛
独特价值：Google背书的企业级零样本预测，SQL即可调用无需建模团队
竞品：