Google TimesFM-3：原生多变量+非自回归解

Google 刚出的 TimesFM-3，让时间序列预测终于能“看全局”了。

以前的版本只能盯着一条数据看。现实里预测销量、用电量，哪有这么简单的？天气、客流、促销活动全得算上。

一次看完所有信号：它能同时吃进多条数据和外部条件。比如下周五搞促销，这信息直接喂给模型。它就能提前算出销量会涨多少。

只扫一遍就出结果：老办法是猜一点、再喂回去接着猜。新模型直接把未知部分空出来，一口气填满。不仅速度快，还不会越往后误差越大。

拿来就能用：33亿参数，喂了超一万亿个数据点。不用针对你的数据专门微调。直接给出未来走势，连“最乐观”“最悲观”的区间都帮你算好。

目前它在三个公开测试里都拿了第一。以后在 Google BigQuery 里就能直接用。

说白了，TimesFM-3 就是把时间序列预测从“单线猜测”，变成了“全盘统筹”。