以下是关于谷歌时间序列预测基础模型 TimesFM 的详细介绍，基于搜索结果的综合分析：
1. 模型概述
TimesFM 是谷歌研发的专为时间序列预测设计的 仅解码器（decoder-only）基础模型，参数规模为 2亿（200M），在包含 1000亿个真实世界时间点 的多样化数据集上预训练而成。其核心目标是通过大规模预训练实现 零样本（zero-shot）预测，即在无需微调的情况下直接应用于新任务，性能媲美甚至超越传统监督学习方法。
2. 核心架构与创新
架构设计
- 分块（Patch）处理：将时间序列分割为连续的非重叠块（如32个时间点为一个输入块），每个块通过残差块转换为向量，并...