IBM在时序预测领域走出了一招反直觉的棋。通过开源工具库granite-tsfm的0.3.11版本更新，IBM正式交付时间序列集成预测方案Granite Timeseries Ensemble R1。该方案没有通过复杂调参去刷新单体架构的性能极限，而是在推理阶段直接加载四个完全异构的预训练模型，以无参数加权的方式直接输出0.1至0.9的分位数概率预测。
这并非一次追求绝对精度跃迁的技术炫技，而是一场典型的工程实用主义妥协。在预训练时序模型频繁遭遇长尾数据泛化失效的背景下，IBM选择让企业用显存和延迟为代价，换取免微调、免选型的确定性，并在竞争对手收紧授权的间隙，为工业落地立下一道合规护城河。
四套异构架构并发，IBM重拾五十年前的组合哲学
时序预测在工业传感器、电力调度与零售供应链中落地时，工程师常陷入模型选型泥潭：处理平滑连续信号见长的架构，往往在突发噪声或长季节周期前失灵。Granite Timeseries Ensemble R1的核心逻辑类似于气象领域的数值集合预报，试图用异构视角抵消单点误差。
该方案的代码架构由主分支合并的两个核心提交支撑：2026年9月28日合并的PR #545（IQR加权与保序回归）与10月2日合并的PR #546（集成框架）。系统在运行时不会融合模型权重，而是直接并行拉取并加载四个基模型：
- PatchTST-FM-r1.基于打块Transformer架构，参数量约260M；
- PatchTST-FM-r2.采用Conformer骨干网络，参数量约385M；
- FlowState-r1.1.基于状态空间模型（SSM），参数量仅18.5M；
- TTM-r3.基于多层感知机混合器（MLP-Mixer），体量涵盖1M至35M（Lite版1M至18M）。
四个模型体量跨度从1M延伸至385M，整体参数量逼近700M。面对如何分配权重的问题，IBM直接搬出了统计学中著名的预测组合之谜（Forecast Combination Puzzle）——在许多未知场景下，简单的固定均等权重，比根据历史样本拟合出的复杂权重更不易过拟合。
在聚合机制上，IBM提供了两套方案：默认的均匀概率池化将四个模型在概率空间平均切分，无需估计历史方差；另一种自适应IQR加权则根据各模型输出的四分位距动态调整影响力，区间越收敛的模型被赋予越大权重。
跑分反直觉：点预测占优，概率误差反而劣化
在包含97个数据集配置的GIFT-Eval基准评测中，这套集成方案交出了一份充满认知反差的成绩单。
根据公开评估数据，在点预测指标MASE（平均绝对标度误差）上，均匀集成取得了0.6830的成绩，成功击败表现最好的单体模型PatchTST-FM-r2（0.6846）。然而，在考量分布预测精度的CRPS（连续分级概率评分）指标上，集成方案的表现为0.4707（均匀池化）与0.4700（IQR加权），反而略差于PatchTST-FM-r2单模型的0.4672。
| 模型 / 配方方案 | MASE（点误差，越低越好） | CRPS（概率误差，越低越好） | CRPS Rank（越低越好） | 部署参数量 |
|---|---|---|---|---|
| Granite Ensemble R1 (IQR) | 0.6840 | 0.4700 | 36.90 | 约700M并发 |
| Granite Ensemble R1 (均匀) | 0.6830 | 0.4707 | 40.50 | 约700M并发 |
| 单体 PatchTST-FM-r2 | 0.6846 | 0.4672 | 38.40 | 385M |
| 单体 FlowState-r1.1 | 0.7010 | 0.4900 | 69.48 | 18.5M |
| 单体 TTM-r3 | 0.7240 | 0.5200 | 88.96 | 1M–35M |
集成消除了单架构的灾难性偏差，企业买到的不是精度天花板，而是一张均值回归的保底凭证。
为什么绝对概率误差变差，但IBM依然主推集成？答案隐藏在分项排名CRPS Rank中。IQR集成取得了36.90的平均名次，优于单体r2模型的38.40。在时序数据极其分散的评测集中，某个模型可能在80%的场景中拔得头筹，却在其余20%的分布漂移中彻底脱轨。四模型集成拉低了绝对指标的极值，却把最差表现的底线托举了上来。
- 风险.IQR加权虽利用保序回归强制分位数保持单调，但官方已确认窄区间并不等同于高质量校准。面对未知突变，过度收敛的分位数可能误导高危调度系统产生盲目自信。
算力账本与商用壁垒：谁会真正为集成埋单
在横向竞争格局下，Granite Ensemble R1的MASE（0.6830）和CRPS（0.4700）超越了Amazon Chronos-2（0.698与0.485）以及Google的TimesFM-2.5（0.705与0.490），但依然落后于Google最新发布的TimesFM-3（0.667与0.456）。
IBM的核心筹码并不在排行榜头名，而在真实的工程边界。
首先是开源商用维度的清白底色。Google TimesFM-3尽管性能亮眼，但其权重被严格限制在非商业和非生产用途。Granite Ensemble R1整套配方代码遵循Apache-2.0协议，成员模型除PatchTST-FM-r2采用OpenMDW 1.0与Apache-2.0双协议外，其余均全量开源。对于背负合规审计压力的大型制造、电网和金融企业，TimesFM-3不可逾越，而IBM提供了当前少数完全商用友好的免微调基座。
然而，企业必须直面冷酷的硬件开销。Amazon Chronos-2单模型可在单张A10G显卡上实现每秒300条序列的吞吐能力，TimesFM-3则支持单次前向输出完整预测。反观IBM方案，一次推理需在显存中常驻近700M参数的四套网络架构，I/O开销和端到端延迟显著上升。
这种设计锁定了其目标受众：它不适合毫秒级的高频交易或超大规模边缘物联网，但极其契合以天、周为颗粒度的电网负荷预估与供应链补货。对这些场景而言，算力成本远低于因单一模型误判导致的爆仓或弃电损失。
- 建议.在生产环境接入该配方前，应在核心业务窗口并行回测PatchTST-FM-r2单模型与集成方案，确认多花4倍硬件资源换来的排名收益是否契合当下的预算边界。