定制基础模型支持 Granite 时间序列模型导入
IBM 扩展了其自定义基础模型功能，支持Granite 时间序列模型（TinyTimeMixer 和 TTM），使从业者能够将微调后的多变量 TTM 预测模型直接导入 watsonx.ai，并使用时间序列模型推理 API/SDK。Granite 时间序列模型是针对预测进行优化的轻量级开源模型。
将针对多变量领域定制优化的 TTM 引入 watsonx.ai，不仅解锁了企业级治理、无缝的 API 集成和可扩展的部署工作流，还充分利用了您的企业数据的强大能力。
IBM 的 Granite Time Series Tiny Time Mixer（TTM） 是用于多变量时间序列预测的轻量级模型，由 IBM Research 以 Apache 2.0 许可证开源发布。
此前，watsonx.ai 上提供了带有1-500 万个参数的预训练 TTM，结果表明这些 TTM 在各种数据集（从物联网传感器读数到能源需求和金融时间序列）上都能提供一流的零点预测准确性，同时即使在仅使用 CPU 的机器上也能高效运行。这些模型支持多种输入上下文长度（从 512 到 1536 个时间点），使其能够适用于广泛的预测场景。
通过新增对自定义 TTM（时间到市场模型）的支持，用户现在可以基于自己的数据进行微调，捕捉多通道之间的关联性以及对外部特征的支持，然后将这些模型应用于 watsonx.ai 平台，覆盖不同行业的应用场景。
- 企业级治理和安全：通过将调整后的 TTM 导入 watsonx.ai，您可以利用平台内置的治理功能，如审计追踪、基于角色的访问控制和合规性检查，确保您的预测模型符合组织策略和监管要求。
- 无缝 API/SDK 集成：全新的时间序列模型推理 API/SDK 允许您以编程方式与自定义 TTM 模型交互，仅需几行代码即可将预测功能集成到您的数据管道、仪表板或 AI 智能体工作流中。
- 端到端 AI 开发者平台：在 watsonx.ai 中，您可以使用托管的 LLM 和框架来构建智能体、使用 RAG 进行上下文丰富，并实现一键部署，全部在统一环境中完成，从而增强您的预测工作流，构建集成时间序列预测的人工智能解决方案。
- 域定制：通过离线微调 TTM，用户可以针对其特定领域的数据（考虑输入语义、控制项和输出关键绩效指标）对 TTM 模型进行微调，从而提升模型性能。