编者按：科技发展日新月异，人工智能（AI）澎湃而至，成为推动城市数智化转型升级与高质量发展的新引擎。中控信息抢占风口、抓住机遇，于2023年便将AI人工智能技术确定为未来研发的主要方向，并在感知智能、认知智能、控制智能、决策智能四个层面积极布局，已在语言大模型、时序数据大模型、视觉大模型的研发与应用上取得显著成果。

2025年初，为加快企业升级转型，培育发展新质生产力，中控信息将公司定位升级为“AI+基础设施数智化服务商”，以借AI的强大力量，加速提升数智化技术能力，从而推动行业能力、业务能力不断升级，共创新时代下智慧城市建设运营新篇章。

两会期间，政府工作报告明确提出持续推进“人工智能+”行动，也为AI在基础设施中的融合应用提供了政策引导和支持。本期开始，我们特推出“AI进行时”专栏，将陆续分享中控信息在AI方面的最新研发成果和行业创新应用，与业界一起探索、成长。

当时间成为数据，我们如何预见未来？——首期，我们推出中控信息在多变量时序大模型领域的最新成果。其“零样本推理”“全频域兼容”“多变量自适应”等核心能力，又将引发怎样的变革；且随AI前行，一同构建“预见未来”的智能生态。

当时间成为数据，我们如何预见未来？

在数字化和AI浪潮的推动下，时间序列数据已成为许多业务决策的核心资源——从城市交通流量预测到环境水质监测，从用户访问日志到关键设备的健康管理，海量的时序数据中蕴藏着规律与趋势。然而，传统时序分析技术长期面临三大瓶颈：模型泛化能力弱、数据频率与变量复杂度高、场景迁移成本大。开发者往往需要为每个场景单独训练模型，耗费大量人力与算力，却难以应对快速变化的业务需求。过去几年，基于Transformer架构的基础模型，因其在零样本和少样本泛化方面的空前能力在自然语言处理和计算机视觉等模态上取得了成功，而针对时间序列预测的研究相对冷门。

时间序列领域的研究热点

在此背景下，中控信息历时数月技术攻关，成功研发业内领先的多变量时序大模型，并在多个业务数据上进行了测试和微调优化，以“零样本推理”“全频域兼容”“多变量自适应”等核心能力，开启了时序智能的“大一统”时代。

技术突破：时序领域“大一统”

传统时序模型通常针对单一场景、单一频率的小数据集进行定制化训练，而时序大模型改变了这一范式，得益于Transformer架构的优势，为时序研究领域开启了“大一统”时代。具体而言，时序大模型的技术突破可概括为“三个任意”与“一个自由”：

任意样本学习：从“专才”到“通才”
时序大模型无需依赖场景专属数据，即可通过预训练捕捉跨领域时序规律，首次实现了零样本推理与少样本泛化能力。例如，在水体浊度预测场景中，即使历史数据不足，大模型仍能基于少量数据快速推理出高精度的预测结果，这一能力能使数据准备成本大幅降低。

任意频率兼容：打破数据时钟的枷锁
无论是秒级工业传感器数据、分钟级的报表记录，还是月度、季度的宏观指标，时序大模型通过频域自适应编码技术，将不同时间颗粒度的数据映射到统一表征空间，攻克了传统模型因频率差异导致的“信息割裂”难题。

任意变量输入：单变量到多变量的无缝切换
基于Transformer架构的时序大模型内置动态变量选择机制，可自动识别输入变量的相关性，支持从单一变量输入到多变量协同分析的平滑扩展。例如在水环境场景中，模型能够同时处理水温、流量、ph值等多个变量的数据，捕捉变量之间的复杂关系和相互作用。

杭州某水厂出水浊度的预测（黑色为真实采集数据，蓝色为预测数据）

自由微调：领域知识的快速注入
在模型的泛化能力的基础上，对于特定专业场景（如交通路口流量预测），用户仅需提供少量领域数据微调，即可让模型“专精化”，学习特定任务的数据分布和特征。

实践验证：从实验到落地

在智慧城市交通管理中，时序大模型被应用于流量预测分析。传统模型需为每个路段单独收集数据并进行训练，而时序大模型通过零样本推理即可接近传统模型的最佳表现，支持行业先验知识引入突发事故、天气等变量。在通过近3000万条数据微调后，其模型预测的绝对误差还能降低15%左右。

杭州某路口交通流量预测（黑色为真实采集数据，蓝色为预测数据）

交通数据智能平台接入时序大模型 

对行业而言，时序大模型降低了时序智能的研发成本，更多时序数据的应用可以跳过复杂建模过程，通过大模型优异的泛化能力，为业务决策提供更敏捷的AI大脑。

结语：时间向前，我们向上

时序大模型的突破，不仅是中控信息技术实力的里程碑，更预示着时序智能迈向“大模型”的时代已至，将解放数据研究中的重复劳动——当模型学会理解时间的语言，人类便能更专注地探索创新的边界。未来，中控信息将继续深耕时序大模型的应用纵深，与合作伙伴共同构建“预见未来”的智能生态。