IBM与Confluent合作:在流数据中直接运行时间序列模型

资讯 AI 应用前沿 全文 3798 字 · 约 10 分钟读完 配图 1 张 分类IBM合作金融 AI电商零售

IBM的时间序列基础模型现在可以直接在Confluent平台上运行,无需GPU。这意味着企业可以在数据产生的瞬间进行预测和异常检测,而不是等数据存进数据库后再处理。文章介绍了该技术在制造、零售、金融等领域的具体应用,如实时调整生产线参数、动态库存补货和个性化欺诈检测。

所属频道 行业落地合作与生态

告别“事后诸葛亮”:当预测模型遇上实时数据流

在大多数企业的数据架构里,时间序列数据(比如机器传感器读数、销售记录、股票交易)通常是被“存”下来的。我们先收集数据,清洗后存入数据仓库,然后数据科学家花几周时间训练一个模型,最后得到一个预测结果。

问题在于,当这个预测结果出来时,那个导致异常的生产批次可能已经报废了,或者那笔可疑的交易已经完成了授权。对于需要即时反应的业务场景,传统的“批处理+离线建模”模式太慢了。

IBM Research 和 Confluent 最近推出的合作方案试图解决这个问题:把 IBM 的 Granite 时间序列基础模型直接嵌入到 Confluent 的数据流平台中。简单来说,数据在流动的过程中,模型就能实时对其进行预测、检测异常或优化参数。而且,这些模型不需要昂贵的 GPU,普通的 CPU 就能跑。

这不是一个概念验证,而是已经可用的功能。IBM 的这套时间序列模型家族在 Hugging Face 上的下载量已超过 5000 万次,现在它们以内置函数的形式出现在 Confluent Cloud 和本地部署平台中。开发者只需要写 SQL,就能调用这些模型。

什么是 Streamhouse?

要理解这项技术的价值,得先看看 Confluent 提出的“Streamhouse”概念。

传统的数据架构往往是割裂的:操作型数据库负责交易,数据湖负责存储历史数据,两者之间的数据同步有延迟。当 AI 代理或应用程序基于过时或不一致的数据做决策时,风险就产生了。

Streamhouse 旨在通过持续捕获、处理和治理数据,提供实时的业务上下文。Confluent 的平台整合了连接、流式传输、处理、治理和查询五个环节。其中,Apache Flink 负责在数据流动时进行转换和丰富,而 Lightning Tables 则提供对当前状态的低延迟访问。

在这个架构中加入时间序列模型,相当于给实时数据流装上了“预判能力”。Flink 可以在数据流经时调用模型,生成预测值或异常标记,并将这些结果与原始事件一起发送给下游应用。其他类型的模型(如大语言模型或统计模型)也可以在同一管道中协同工作。

这种架构带来了几个实际好处:

  1. 降低建模门槛:预训练的基础模型可以作为起点,无需为每个时间序列单独训练模型。
  2. 实时更新预测:随着新数据的流入,预测结果可以动态刷新,反映最新的状态。
  3. 决策更贴近现场:预测信号可以直接送达操作型应用,结合业务规则和人为判断快速行动。
  4. 基础设施简化:模型小巧,能在 CPU 上运行,降低了部署复杂性和硬件成本。

六个真实场景:从工厂到交易台

理论听起来不错,但具体怎么用?以下是六个来自不同行业的典型用例,展示了实时时间序列智能如何改变业务流程。

1. 生产优化:让每一桶冰淇淋都达标

在冰淇淋生产中,“膨胀率”(overrun,即混入空气的量)是决定质量的关键指标。传统做法是依赖质检实验室在灌装后进行的测量。如果某天奶油批次不同,或者天气湿热影响了工艺,等到质检结果出来时,可能已经有几小时的不合格产品被生产出来了,只能返工。

新的方案是:预训练的 TTM 模型每 10 分钟读取一次 SCADA 遥测数据和质检测量值,提前 4 小时预测符合标准的桶比例及其范围。

如果预测值低于目标,优化程序会评估冷冻机抽取温度和气流的不同组合。因为模型将这些控制变量作为输入,它可以在实际调整前对每个选项进行评分。操作员批准推荐的设定点,或者在预设的安全范围内自动调整。

结果是更主动的过程控制:减少返工,降低每吨产品的能耗,并提高质量一致性。同样的逻辑也适用于烤箱、干燥机、窑炉等设备。

2. 异常检测:从“报警”到“行动”

零售运营团队需要监控数百家门店、数千种产品的销售情况。使用固定阈值往往会导致误报(比如周末的正常销售高峰被标记为异常),或者漏报(比如某产品销量悄然下滑)。

Confluent 提供的 AI_DETECT_ANOMALIES 函数会根据每个销售序列的历史数据,动态计算其预期范围。新的销售数据会与这个范围进行比较,置信度可由团队设定。无需为每个产品和门店单独训练模型。

当销售额超出预期范围时,系统可以结合库存和门店数据,帮助识别原因并推荐下一步行动——例如检查货架或补货。这种方法同样适用于机器传感器、API 遥测、电表读数和支付交易量。

3. 供应链规划:每个 SKU,每家店,每小时

品类计划员和补货团队的目标是在不积压库存的前提下保证货架有货。但传统预测可能每周才更新一次,且只关注头部产品。当销售模式在两个计划周期之间发生变化时,一家店可能缺货,另一家店却库存过剩。

使用 AI_FORECAST,预训练模型可以跨产品和门店预测需求。例如,它可以生成未来 28 天的预测,并提供 P10–P90 的概率区间,且随着新销售数据的到来不断刷新。规划应用将预测与库存、交货期和服务水平结合,计算再订货点。

当预计库存低于该点时,AI 代理可以起草采购订单供人工审核。这种方法也适用于备件规划、人员排班、ATM 现金管理和能源需求预测。

4. 欺诈与安全:每张卡都有自己的“正常”

反欺诈团队通常依赖复杂的规则和模型来评估交易。一个持续存在的挑战是:应用于所有持卡人的统一阈值,无法反映每个人的正常消费习惯。

时间序列信号可以提供这种个体化的背景。在此示例中,每笔支付都会与该卡片最近历史中的预期支出范围进行比较。超出该范围的交易会被作为额外输入传递给银行现有的欺诈系统,与其他信号和业务规则一起评估。

银行随后可以决定批准支付、要求额外身份验证或进一步调查。决策及其背后的信号都会被保留以供审查。

5. 交易执行:跟着行情节奏走

执行交易台需要将大单拆分为小单,同时管理对市场的影响。历史成交量曲线只是一个起点,当天的实际交易活动可能与平均水平大相径庭。

在每一分钟的 K 线上,PatchTST-FM 模型会预测未来 30 分钟的交易量,并提供 P10–P90 区间。执行算法利用这一预测,在交易台设定的参与限制内调整下单节奏。

如果新闻事件改变了市场活跃度,算法可以暂停并重新规划。如果交易比预期清淡,它可以减小每笔单子的大小,并提示订单可能需要更长时间才能完成。每次预测及相应的执行决策都会保留在审计轨迹中。

6. 语义搜索:找到所有长得像的信号

可靠性工程师在调查一个异常的传感器模式时,可能想知道工厂其他地方是否出现过类似行为。

TSPulse 模型可以生成时间序列窗口的嵌入表示(embeddings),支持相似性搜索。在一个单独构建的应用程序中,这些表示可以被索引,用于检索设备间的历史模式。工程师可以搜索特定的形状,如“尖峰后恢复”、“逐渐上升”或“阶跃变化”,然后检查相关的维护记录和运行条件。

这需要嵌入管道、索引和对相关上下文的访问。相似性搜索有助于缩小调查范围,但它本身并不能确定根本原因。

行业应用的共性

尽管行业不同,但底层逻辑是一致的:

  • 工业 AI:从传感器到设定点。工厂经理希望每批产品都合格,生产线不因意外停机。SCADA、质检和能源计量数据流在到达时即被预测。生产优化在质量开始漂移时移动设定点,异常检测标记那些没有规则覆盖的读数,语义搜索找出故障前表现出相同模式的所有泵。设定点、工单和警报在周期内到达车间,而不是等到下一班次报告。

  • 零售:门店与供应链。店长希望周六货架满满,周一没有积压。销售、天气和促销数据流为每家店的每个产品进行预测。供应链规划设置订单,异常检测捕捉空货架或 missed delivery,欺诈和安全拦截可疑刷卡。订单、门店任务和拦截指令在货架变空之前发出。

  • 银行业:支付与交易台。反欺诈负责人希望阻止卡片测试而不阻碍正常客户,交易员希望在不影响价格的情况下完成大单。每张卡和每个符号都根据其自身的预期模式逐事件评分。欺诈和安全在授权前拦截异常刷卡,异常检测发现异常流量,交易根据预测成交量调整每笔订单的节奏。

  • 航空业:枢纽运营、机队与网络。运营控制中心希望在仍有时间采取行动时看到中断。发动机、登机口和网络数据流被实时预测和检查。异常检测捕捉漂移的发动机读数,生产优化重新平衡登机口和机组人员,供应链规划将备件放到飞机即将到达的地方。

为什么这很重要?

过去,要在生产环境中部署时间序列模型是一项繁重的工作。你需要准备特征工程、训练模型、部署服务、监控漂移,还要处理数据延迟问题。

现在,通过 Confluent 和 IBM 的合作,这些模型变成了类似于 SQL 中的 SUM() 或 AVG() 这样的内置函数。你不需要关心模型是怎么加载的,也不需要管理 GPU 集群。数据流过 Flink,模型即时给出结果,应用层直接消费。

这种“流式智能”(Streaming Intelligence)的转变,让企业能够从“记录发生了什么”转向“预测将要发生什么”,并在事情变得不可挽回之前采取行动。对于依赖实时决策的行业来说,这可能意味着数百万美元的损失避免或效率提升。

当然,这也带来新的挑战:如何确保模型的准确性?如何处理模型误报?如何解释模型的决策?这些问题没有银弹,但至少现在,工具已经就位,让我们有机会在数据最新的时刻做出最明智的判断。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. OpenAI将进军手机市场 供应链人士:立讯精密或因资源配置考量,未承接其手机组装业务

    每经记者:王晶 每经编辑:杨军今年4月,天风国际证券分析师郭明錤曾发布产业调查称,立讯精密为OpenAI手机项目的独家系统协同设计及制造合作伙伴,相关手机预计于2028年量产。此后,OpenAI进军智能手机市场的消息备受关注。不过,11月18日晚间,《每日经济新闻》记者从供应链人士处获悉,立讯精密目前与OpenAI有多

    来源 腾讯网
  2. 商务部何亚东谈“双十一”:整体平稳,线上线下面融合出新场景

    11月19日,据证券时报,商务部新闻发言人何亚东在例行新闻发布会上表示,今年“双十一”整体平稳。在服务方面,线上下单、线下体验新模式广受欢迎,到店餐饮消费需求加速释放;在场景方面,“词元+终端”创新消费体验,人工智能与消费深度融合,主要电商平台上线词元专区,让买算力像充话费一样简单。总的来看,“双十一”...

    来源 腾讯网
  3. 消息称OpenAI进军手机市场,富士康旗下公司接单

    据证券时报11月19日报道,OpenAI正在推进手机项目,富士康旗下富智康集团已获得相关订单,将参与产品整机组装。富智康主营移动终端制造服务,其母公司富士康是苹果iPhone主要组装商。此前供应链曾传出OpenAI与立讯精密合作开发手机,但立讯精密或因资源配置考量未承接,最终供应商名单仍以企业正式披露为准。

    来源 凤凰科技
  4. 红星观察|平台链“百业”,一池春水如何被搅动

    11月18日,2026四川平台经济产业链合作伙伴大会暨第八届川货电商节在成都启幕。国内头部平台、本土链主企业、MCN机构、行业领军人才齐聚蓉城。 会场外,银发经济、户外用品、智能家居等九大主题展位一字排开。从适老化辅具、露营装备到三星堆文创、成都女鞋,四川平台经济的产业链被具象化为看得见、摸得着的场景。会场内,...

    来源 腾讯网
  5. OpenAI等AI企业遭亚利桑那州刑事调查:失控智能体疑入侵银行

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  6. 亚利桑那州刑事调查OpenAI等AI企业:智能体被指入侵银行系统

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  7. 微软英特尔扩大合作:EMIB封装首次用于自研芯片,Xeon供货锁定多年

    11月18日,微软与英特尔宣布扩大战略合作,签署长期协议共推Azure云与AI基础设施建设。微软成为首家采用英特尔代工EMIB先进封装技术用于自研芯片的企业,下一代Maia AI加速器和Cobalt CPU将采用该技术封装。协议同步锁定多年期Xeon处理器供货,含下一代"Diamond Rapids"。

    来源 华尔街见闻
  8. 谷歌DeepMind发布SIM记忆法:让AI跨模型持续自我改进

    智东西11月19日报道,近日,谷歌云AI、谷歌DeepMind与美国宾夕法尼亚州立大学的研究团队联合发布论文《自改进记忆,实现持续递归式自改进》(Self-Improvement Memory Enables Continual Recursive Self-Improvement),提出了一种名为自我改进记忆(Sel

    来源 AI 行业观察
  9. 特朗普访华难破AI僵局 自家官员都不看好

    据WIRED报道,美国总统特朗普即将展开访华行程,但即便其政府内部官员也普遍认为,此访难以在人工智能领域取得实质性进展。英伟达相关丑闻的余波持续发酵,使围绕AI芯片出口与合作的谈判变得异常艰难。中美在AI领域的战略互疑与国内政治压力交织,令外交斡旋空间不断收窄。分析人士指出,技术竞争的结构性矛盾,恐怕不是一次

    来源 AI 科技快讯
  10. 西门子签下Breker收购协议:EDA补上SoC验证一环

    IT之家 11 月 19 日消息,Siemens(西门子)当地时间本月 17 日宣布,已就收购 Breker Verification Systems 签署协议。 这笔交易预计将于今年 12 月完成。Breker 的加入将为西门子 EDA 产品组合增强 SoC 验证能力。 IT之家了解到,Breker 于 2003 年

    来源 AI 行业观察
  11. IMF总裁格奥尔基耶娃:AI投资热情过高,金融市场或再迎调整

    IT之家 11 月 19 日消息,国际货币基金组织(IMF)总裁克里斯塔利娜 · 格奥尔基耶娃(Kristalina Georgieva)表示,受人工智能投资热潮可能过度膨胀等因素影响,金融市场或许还会出现一定程度的调整。 格奥尔基耶娃周四在深圳接受彭博电视台记者史蒂芬 · 恩格尔(Stephen Engle)采访时表

    来源 AI 行业观察
  12. 理想自研电池:i6电池包交付生变,与宁德时代合作进入新阶段

    在被问及是否与宁德时代“切割”时,理想汽车从上到下的对外口径出奇一致:双方仍是战略合作关系,月度例会照常在开。但理想官宣自研电池当天,宁德时代A股股价跌去3.65%,创下今年3月中旬以来新低,市值缩水540亿元至1.48万亿元——资本市场的反应,比双方的官方表态诚实得多。

    来源 TechWeb
  13. 表面还是战略伙伴,暗地已各怀心事:理想与宁德时代的“体面变局”

    在被问及是否与宁德时代“切割”时,理想汽车从上到下的对外口径出奇一致:双方仍是战略合作关系,月度例会照常在开。但理想官宣自研电池当天,宁德时代A股股价跌去3.65%,创下今年3月中旬以来新低,市值缩水540亿元至1.48万亿元——资本市场的反应,比双方的官方表态诚实得多。

    来源 TechWeb
  14. OpenClaw报告:清华沈阳团队拆解AI智能体生态闭环?

    清华大学沈阳教授团队发布了关于OpenClaw的两份研究报告,系统梳理了从理论框架到模型迭代、再到商业落地的完整路径。文章详细解读了“一人公司”工作流的实践细节,包括ZeelinClaw模型的快速迭代、ToB技能体系的构建以及自动化接单平台的上线情况。通过金融风控、内容生成等具体案例,展示了AI智能体在提升效率方面的实

    来源 AI 应用前沿
  15. 花旗对AI理财代理踩刹车:账户被黑损失客户自担

    TechCrunch报道,花旗成为最新一家对个人理财AI代理踩刹车的金融机构。越来越多银行向客户发出信号:若允许AI代理代为操作账户、转账或投资,一旦代理被黑客攻击或造成损失,客户可能需自行承担。文章分析银行免责背后的授权边界、安全漏洞与责任真空,并讨论对用户、金融AI创业公司和监管的潜在影响。

    来源 AI 科技快讯
  16. 董明珠APEC现场找机器人合作:格力已研发十几年

    IT之家 11 月 18 日消息,据看看新闻报道,11 月 17 日,2026 年 APEC 工商领导人峰会举行,格力电器董事长董明珠在现场主动寻找机器人领域的合作机会。 董明珠表示,具身智能机器人需要减速机、驱动器、伺服电机等核心零部件,而格力已经研发机器人十几年,目前格力电器自动化生产线上的机器人全部由格力自主完成

    来源 AI 行业观察
  17. Meta员工慌了:AI助手Muse被曝乱泄隐私

    Meta内部聊天记录曝光,员工对AI功能Muse的隐私问题深感不安。据称Muse会输出随机的银行账户和比特币余额等敏感财务信息,引发数据泄露担忧。Meta回应称这些数字并非真实数据,但事件已暴露AI助手在隐私保护和内容过滤上的深层隐患,也让外界重新审视大厂AI产品的数据安全边界。

    来源 AI 科技快讯
  18. 黄仁勋若离开英伟达,CoreWeave CEO 因特拉托尔:不担心业务受影响

    IT之家 11 月 18 日消息,据《商业内幕》报道,对于黄仁勋离开英伟达会给公司业务带来多大影响,新兴云服务商(或称“新云服务商”) CoreWeave 的 CEO 迈克尔 · 因特拉托尔似乎并不担心。 当地时间 17 日,在 Semafor 举办的“硅谷与世界”活动上,因特拉托尔谈及双方的合作关系时显得相当淡定。他

    来源 AI 行业观察
  19. 苹果地图在印度全面升级:针对当地道路特点专门优化,新增超 300 处 3D 地标

    IT之家 11 月 18 日消息,当地时间 18 日,苹果宣布在印度推出全面升级的苹果地图,首次将重新设计的地图服务带入印度市场。 新版地图不仅导航速度更快、准确性更高,还能展示更加详细的道路、建筑、公园和购物中心信息,并新增超过 300 处 3D 地标。 新版地图还针对印度的道路特点进行了专门优化。例如,自然语言引导

    来源 AI 行业观察
  20. 微软英特尔签长期协议:Azure自研芯片首用EMIB封装

    11月18日,微软与英特尔宣布扩大合作,签署长期协议共同推进Azure云与AI基础设施建设,微软由此成为首家宣布采用英特尔代工厂EMIB先进封装技术用于自研芯片的企业。此次协议涵盖多个层面:英特尔确认向微软提供多年期Xeon处理器供货保障,包括下一代服务器CPU"Diamond Rapids";微软将把EMIB技术应用

    来源 腾讯网
向下滚动自动加载更多