阅读研究雷达投资体系
登录 / 注册
← 返回阅读
专题DisconfirmAI 编辑部更新于 2026-11-21 12:38

IBM时序基础模型

2 节点1 篇2 来源

IBM与Confluent已将IBM Granite时序基础模型直接集成至Confluent Cloud的Apache Flink引擎中。这一原生集成允许企业使用标准SQL在流数据上执行实时预测和异常检测,无需单独的机器学习基础设施或GPU资源。此举解决了AI代理决策中的关键缺口:数据生成与可操作洞察之间的延迟。通过在数据流内部以CPU运行紧凑模型(参数规模从100万到2.6亿),企业可以在支付欺诈或生产漂移等事件发生时立即做出反应,而不是等待批处理延迟。

合作始于2026年9月1日的早期访问发布,引入了四个互补模型:用于概率预测的PatchTST-FM-r1、用于点预测准确性的FlowState-r1.1、用于效率优化的TTM-r3以及用于异常检测的TSPulse。这些模型利用了IBM开源时序研究超过5000万次下载的基础。该技术现已作为Confluent托管模型推理套件的一部分正式可用,该套件还包括LLM和嵌入模型。虽然该技术具备降低云进出流量费用并简化部署的能力,但其主要价值主张仍在于为制造、零售和金融领域的运营团队提供行动速度。

事情怎么走到这一步

  1. 2026-09-01

    IBM与Confluent在Confluent Cloud上推出IBM Granite时序模型的早期访问版本,通过Apache Flink SQL实现实时预测和异常检测。

    ibm.com ↗
  2. 2026-11-18

    IBM Research发布详细博客文章,确认这些模型现在作为内置函数原生运行于Confluent Cloud和本地Confluent平台中,强调仅使用CPU即可运行。

    huggingface.co ↗

还没定论的部分

  • 鉴于向流式推理的转变,企业采用率与传统基于批处理的ML管道相比将如何?
  • 对于高容量流,是否存在将这些基于CPU的模型与GPU加速替代方案进行比较的具体性能基准?

来源

登录 / 注册
阅读研究雷达投资体系
ibm.com
IBM Announcement
↗
  • huggingface.coHugging Face Blog↗
  • 这一专题下的内容

    • IBM与Confluent将时序基础模型原生集成至Streamhouse架构,支持CPU实时预测2026-11-18资讯

      IBM与Confluent宣布其时序基础模型已作为内置函数原生运行于Apache Flink中。该集成允许企业通过SQL在流数据上执行实时预测和异常检测,且仅需CPU即可运行,旨在解决AI代理因数据滞后导致的决策错误问题。