Forecast(预测)在 AI 语境下通常指利用机器学习模型对时间序列数据——如天气、金融、销售、气象轨迹等——进行未来数值推断的技术领域。随着基础模型范式从语言扩展到时序数据,零样本预测、生成式轨迹预测等能力正从研究论文快速进入商业产品和国家级业务系统,Forecast 正成为 AI 落地最活跃的方向之一。
Forecast 近期进展
当前焦点与观察点
Forecast 领域目前呈现两条并行主线:一是通用时序基础模型(如 Moirai)追求零样本、跨域泛化,并借助 Salesforce 等厂商的产品渠道触达企业用户;二是垂直领域的专用系统,如气象领域的 Fengqing、金融领域的 EDGAR 数据集,依赖领域数据积累换取精度优势。
值得观察的问题包括:零样本预测在业务关键场景中的可靠性与可解释性如何验证;AI 天气预报与传统数值预报的长期互补关系;以及预测结果被嵌入决策流程后的责任界定。此外,宏观经济预测也在尝试用文档解析工具(如 LlamaIndex 对美联储点阵图空白单元格的处理)挖掘非结构化数据,说明 Forecast 的输入端正从结构化数值扩展到复杂文档。总体来看,该领域的争议点集中在模型泛化能力与领域深度之间的权衡,尚未出现公认的统一技术路线。