Granite PatchTST-FM-r2：可商用零样本第一

时序预测工程师的老难题是「一个场景一个模型」：换一条产线、换一座城市、换一批传感器，就要重新收集数据、重新训练、重新部署一套预测服务。基础模型（Foundation Model）给出另一条路——先在海量时序上预训练一个通用模型，到新场景直接零样本出预测。IBM 研究院 2026 年 9 月 9 日在 Hugging Face 官方博客发布了 Granite Time Series 家族的新成员 PatchTST-FM-r2（原文：https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series，IBM Research 团队撰写）。这是一个约 3.85 亿参数的模型，把零样本成绩、概率预测、缺失值填补和可商用许可装在了一起。

按截至 2026 年 9 月 8 日的 GIFT-Eval 榜单，它是「可复现零样本模型 + 商业友好开源许可」这个交集里的第一名。这个定语很长，但每个词都有信息量，下面逐个拆开。

成绩单：零样本类双第二，可商用许可第一

GIFT-Eval 是一个覆盖多行业、多预测场景的综合时序评测基准。榜单上的模型分两类：零样本（zero-shot）模型，预训练语料不含评测集数据；预训练（pretrained）模型，允许把 GIFT-Eval 评测数据集的训练部分混进自己的预训练语料。前者才是对「泛化」的诚实检验。

在可复现、零样本、无测试泄漏的模型里，PatchTST-FM-r2 的 CRPS 与 MASE 都是第二：CRPS 几何平均 0.467，紧随 TimesFM-3；MASE 0.6846。两个指标都是越低越好——CRPS 衡量概率预测分布与真实观测的贴合程度，MASE 以朴素预测为基准衡量相对误差。

GIFT-Eval 可复现零样本模型的 CRPS 对比
图：GIFT-Eval 可复现零样本模型 CRPS 对比（越低越好），TimesFM-3.0 以 0.456 居首，Granite-PatchTST-FM-r2 以 0.467 列第二，蓝色为 IBM 时序团队模型。图片来源：IBM Research / Hugging Face Blog

把允许「看过评测集」的预训练模型也算进来，PatchTST-FM-r2 仍在 CRPS 第三、MASE 第四，压过 Chronos-2、Timer-S1 和 Toto 系列的多个变体——其中一些对手的参数量比它大得多。而更实际的一行排序是看许可：在排进它前面的模型里，没有一个是宽松商用许可；在可商用的那一栏里，它就是成绩最好的那个。对要在产品里部署预测能力、而不是只发论文的团队，这条约束比名次更硬。

架构：Transformer 块换成 Conformer 块

PatchTST 家族起家的 patch 表示法保留了：把连续时间步切成子序列块再喂给注意力。真正动刀的是块内部。r1 的每个块是「多头自注意力 + 前馈网络」的标准 Transformer 结构；r2 换成 Conformer 块——两个半步前馈网络（half-step FFN）夹住多头自注意力和一层时间卷积。从架构图还能读出两处配套改动：层数从 20 加到 30，输入 patch 从不重叠改为重叠切分。这些变化叠加的效果是同时抓住长短期结构、并让 patch 之间的预测衔接更平滑，误差指标因此明显改善。

PatchTST-FM-r1 到 r2 的架构演进
图：r1 到 r2 的架构演进——左为 20 层 Transformer 块（MHSA+FFN），右为 30 层 Conformer 块（两个半步 FFN 夹住注意力与卷积），顶部 QPH 分位数预测头不变。图片来源：IBM Research / Hugging Face Blog

Conformer 源自语音处理，思路是给注意力配一个专门管局部的部件。自注意力擅长跨 patch 的长程关系，但对相邻时间步的局部模式没有归纳偏置；时间卷积正好反过来。叠加之后，卷积分走短期依赖，注意力得以聚焦更长程的结构。这种分工不是纸面推演：IBM 用真实 ETTh1 数据可视化了两种层的注意力模式——Transformer 层的注意力高度集中在主对角线附近，每个 patch 基本只看自己和隔壁；Conformer 层的注意力明显更分散。

两种层的注意力模式对比
图：ETTh1 真实数据上的注意力模式——Transformer 层（左）集中在主对角线附近，Conformer 层（右）更分散，卷积接管了局部模式。图片来源：IBM Research / Hugging Face Blog

两个生产能力：概率预测与缺失值填补

生产环境的时序预测有两个高频痛点，r2 各给了一个机制。

第一，业务要的常常不是单点数字而是区间——备货要上限，容量规划要置信度。r2 的预测头覆盖 99 个分位，概率预测是原生输出，上下限不是事后加工出来的。上下文长度最高 8192 步，预测步长灵活。

第二，真实传感器数据几乎总有缺口。r2 支持对缺失值做填补（imputation），不用先在模型外面单独跑一套插值预处理管线。

十几行代码上手

模型权重、架构、推理管线和复现基准的代码全部开源。先装库：

pip install "granite-tsfm>=0.3.9"

用官方示例在 ETTh1 数据集上跑一遍预测：

import pandas as pd
from tsfm_public import PatchTSTFMForPrediction, TimeSeriesForecastingPipeline

model = PatchTSTFMForPrediction.from_pretrained(  # 加载模型权重
    "ibm-granite/granite-timeseries-patchtst-fm-r2"
)

df = pd.read_csv(  # 读取 ETTh1 示例数据
    "https://raw.githubusercontent.com/zhouhaoyi/ETDataset/main/ETT-small/ETTh1.csv",
    parse_dates=["date"],
)

pipe = TimeSeriesForecastingPipeline(  # 组装预测管线
    model=model,
    id_columns=[],
    timestamp_column="date",
    target_columns=["HUFL"],
    max_context_length=model.config.context_length,
    context_length=512,               # 本次用 512 步上下文，上限 8192
    prediction_length=64,             # 向前预测 64 步
    impute_method=None,
    quantile_levels=[0.1, 0.5, 0.9],  # 输出 10%/50%/90% 三个分位
    explode_forecasts=True,
    freq="1h",
)

forecast = pipe(df.iloc[-512:])  # 取最后 512 个点做预测