近日，浪潮工業(yè)互聯(lián)網(wǎng)旗下浪潮數(shù)據(jù)庫(kù)自研的“開(kāi)務(wù)時(shí)序基礎(chǔ)模型”關(guān)鍵技術(shù)成果，順利通過(guò)中國(guó)電子學(xué)會(huì)組織的科技成果鑒定。由中國(guó)工程院院士方濱興領(lǐng)銜的評(píng)審委員會(huì)一致認(rèn)定，該成果技術(shù)體系完整、創(chuàng)新性強(qiáng)，在問(wèn)題選擇與整體架構(gòu)設(shè)計(jì)上具有前瞻性，在周期性結(jié)構(gòu)建模、協(xié)變量融合和工程閉合方面具有引領(lǐng)性作用，在這一國(guó)際前沿方向具有領(lǐng)先地位。

　　當(dāng)前，工業(yè)制造、能源電力、交通運(yùn)輸、礦采冶金等產(chǎn)業(yè)正加速邁向全面智能化，海量時(shí)序數(shù)據(jù)已成為設(shè)備監(jiān)測(cè)、負(fù)荷預(yù)測(cè)、風(fēng)險(xiǎn)預(yù)警、調(diào)度優(yōu)化等應(yīng)用場(chǎng)景的核心生產(chǎn)要素。傳統(tǒng)時(shí)序分析方法普遍存在多源異構(gòu)數(shù)據(jù)難以統(tǒng)一建模、長(zhǎng)期預(yù)測(cè)誤差累積、外生協(xié)變量利用不足、模型訓(xùn)推成本高、多任務(wù)割裂導(dǎo)致復(fù)用性差等痛點(diǎn)，嚴(yán)重制約產(chǎn)業(yè)數(shù)字化升級(jí)。

　　浪潮深耕物聯(lián)網(wǎng)領(lǐng)域多年，以國(guó)產(chǎn)分布式多模數(shù)據(jù)庫(kù) KaiwuDB 為核心產(chǎn)品，面向 AIoT 場(chǎng)景具備成熟的工業(yè)時(shí)序數(shù)據(jù)處理、多模一體化與 AI Native 能力，并持續(xù)探索 AI 與數(shù)據(jù)庫(kù)深度融合技術(shù)。依托扎實(shí)的數(shù)據(jù)底座能力與工程實(shí)踐積累，浪潮數(shù)據(jù)庫(kù)聯(lián)合華東師范大學(xué)、中博信息技術(shù)研究院等協(xié)同攻關(guān)，構(gòu)建起“統(tǒng)一底座—能力增強(qiáng)—工程閉環(huán)”三位一體的時(shí)序基礎(chǔ)模型技術(shù)體系，突破四大核心技術(shù)難題，形成完整自主創(chuàng)新成果鏈。

　　在輕量化時(shí)序基礎(chǔ)模型構(gòu)建方面，首創(chuàng)周期性感知分詞+自適應(yīng)投影映射機(jī)制，摒棄固定長(zhǎng)度切片，按自然周期自適應(yīng)分塊，實(shí)現(xiàn)多頻率、多周期時(shí)序數(shù)據(jù)統(tǒng)一表征。該模型參數(shù)規(guī)模僅約400萬(wàn)，在保持高精度的同時(shí)，推理速度較國(guó)際主流模型提升33.7%，顯存占用大幅降低，完美適配邊緣側(cè)、站端等資源受限場(chǎng)景。

　　在周期性并行解碼技術(shù)方面，創(chuàng)新非自回歸并行生成機(jī)制，一次性輸出完整預(yù)測(cè)窗口，從根源上解決傳統(tǒng)自回歸模型長(zhǎng)期預(yù)測(cè)誤差鏈?zhǔn)嚼鄯e、峰谷錯(cuò)位、相位漂移難題，在1天、3天、7天、15天等多尺度預(yù)測(cè)中保持結(jié)構(gòu)穩(wěn)定，大幅提升業(yè)務(wù)可用性。

　　在可插拔協(xié)變量增強(qiáng)融合方面，首創(chuàng)解碼端時(shí)序?qū)R+殘差修正插件式方案，統(tǒng)一接入歷史協(xié)變量與未來(lái)已知協(xié)變量，在不破壞底座穩(wěn)定性的前提下，顯著提升光伏功率、電價(jià)、負(fù)荷等強(qiáng)外因驅(qū)動(dòng)場(chǎng)景的預(yù)測(cè)精度與峰值刻畫(huà)能力。

　　在多任務(wù)統(tǒng)一擴(kuò)展架構(gòu)方面，基于統(tǒng)一時(shí)序表征，搭建預(yù)測(cè)、異常檢測(cè)、分類(lèi)多任務(wù)共享底座，一套模型支撐全場(chǎng)景時(shí)序分析，打破“一任務(wù)一模型”的低效格局，降低研發(fā)與運(yùn)維成本，實(shí)現(xiàn)“預(yù)測(cè)—預(yù)警—識(shí)別”業(yè)務(wù)閉環(huán)聯(lián)動(dòng)。

　　該成果已形成23項(xiàng)授權(quán)發(fā)明專(zhuān)利、1項(xiàng)軟件著作權(quán)、10篇頂會(huì)論文，構(gòu)建了覆蓋多模態(tài)數(shù)據(jù)治理、統(tǒng)一預(yù)訓(xùn)練、輕量建模、協(xié)變量增強(qiáng)、多任務(wù)擴(kuò)展、服務(wù)化部署的全鏈條技術(shù)體系，通過(guò)山東省科學(xué)院情報(bào)研究所查新，國(guó)內(nèi)外未見(jiàn)同類(lèi)技術(shù)組合報(bào)道，創(chuàng)新性突出。

　　依托領(lǐng)先的技術(shù)能力，浪潮開(kāi)務(wù)時(shí)序基礎(chǔ)模型已在新能源發(fā)電預(yù)測(cè)、電力市場(chǎng)價(jià)格預(yù)測(cè)、工業(yè)設(shè)備監(jiān)測(cè)、智慧園區(qū)能耗管理等場(chǎng)景規(guī)模化落地應(yīng)用。在光伏電站，實(shí)現(xiàn)多日出力精準(zhǔn)預(yù)測(cè)，支撐新能源高效并網(wǎng)；在電力市場(chǎng)，精準(zhǔn)捕捉電價(jià)峰谷變化，輔助購(gòu)售電決策；在工業(yè)互聯(lián)網(wǎng)，實(shí)現(xiàn)設(shè)備異常提前預(yù)警與狀態(tài)識(shí)別，降低非計(jì)劃停機(jī)風(fēng)險(xiǎn)。實(shí)際應(yīng)用表明，該模型零樣本預(yù)測(cè)誤差優(yōu)于國(guó)際主流同類(lèi)產(chǎn)品，平均推理時(shí)間達(dá)到秒級(jí)，綜合性能指標(biāo)行業(yè)領(lǐng)先，可顯著降低企業(yè)時(shí)序智能應(yīng)用門(mén)檻，具備極強(qiáng)的復(fù)制推廣價(jià)值。

　　此次浪潮開(kāi)務(wù)時(shí)序基礎(chǔ)模型通過(guò)國(guó)家級(jí)權(quán)威鑒定，是對(duì)浪潮在時(shí)序基礎(chǔ)模型領(lǐng)域技術(shù)實(shí)力與工程能力的高度認(rèn)可。未來(lái)，浪潮將持續(xù)深耕時(shí)序智能技術(shù)創(chuàng)新，深化“模型+行業(yè)場(chǎng)景”融合落地，加快成果在能源、制造、交通、智慧城市等全領(lǐng)域推廣，為我國(guó)新型工業(yè)化、數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展筑牢堅(jiān)實(shí)的時(shí)序智能技術(shù)基座。