首页热点 科技前沿 人工智能 全球财经 国际综合 趋势分析 AI 工具库
📈 实时行情
标普500 6,910.39 -3.70% 纳斯达克 22,617.73 -5.28% 道琼斯 48,147.33 -1.93% 越南指数 1,689.62 -0.79% 上证指数 3,533.79 -1.23% 日经225 56,436.65 -5.06% 黄金 $3,539.00 白银 $41.08 铜 $5.49 -2.64% 美元/人民币 6.6920 美元/越南盾 25,729.72 欧元/美元 1.0980 美元/日元 159.75

IBM与Confluent联手:时间序列基础模型原生接入流数据平台

人工智能 🇺🇸 美国 📅 2026-11-18 23:00 (2天前) ⏱️ 约 1 分钟 📰 权威信源: Hugging Face Blog
IBM与Confluent联手:时间序列基础模型原生接入流数据平台
🤖 AI 核心要点速览 (3点提炼)
  • IBM时间序列模型下载量超过5000万次,现已在Confluent平台上原生提供,支持云端和本地部署,并运行在CPU上。
  • 通过Apache Flink,团队可以使用SQL对流式数据应用预测、异常检测和语义智能,使模型输出可被负责下一步行动的应用程序和人员使用。
  • 时间序列基础模型从多样化历史数据中学习通用模式,可应用于新序列和任务,无需为每个序列单独训练模型,并可根据需要微调或结合业务逻辑。
📊 关键数据速览
这些模型下载量已超过5000万次

事件背景与深度解读

IBM与Confluent宣布将时间序列基础模型原生集成到Confluent平台,支持云端和本地部署,并可在CPU上运行。这些模型下载量已超过5000万次,能够利用Apache Flink和SQL对流式数据进行实时预测、异常检测和语义智能分析,使模型输出可直接提供给负责后续行动的应用程序和人员。 传统上,预测结果往往在事件发生后才产生,例如生产运行、缺货或支付授权完成后才得到准确预测,但为时已晚。时间序列基础模型通过学习多样化历史数据中的通用模式,可应用于新的序列和任务,无需为每个序列单独训练模型。团队还可根据任务和部署情况对模型进行微调,或将其输出与其他数据和业务逻辑结合,从而在信号仍具价值时将其转化为决策。

✅ 信源核验

原始来源
Hugging Face Blog (🇺🇸 美国)
原文语言
英语
原文发布时间
2026-11-18 23:00 (2天前)
AI 提炼说明
本文由 AI 对原始报道进行结构化提炼与翻译,关键事实(人名、数字、日期)均来自原文;提炼可能存在误差,请以原始出处为准。

这篇 AI 简报对您有帮助吗?

✨ 针对本文向 AI 提问

基于本文事实快速追问,支持一键点选或自由输入

📤 一键分享本文

版权与来源提示:本文由 AI 提炼整理自 Hugging Face Blog 权威公开报道。
查看媒体原始出处 ↗