时间序列基础模型进入快消补货：价值在冷启动先验与服务成本，不在零样本误差榜

引言

过去三年，时间序列预测出现了一条与大语言模型相似的路线：在大规模、多领域的序列语料上预训练一个通用模型，部署时不再为每个数据集单独训练，而是把历史序列当作上下文直接预测未来。Chronos 把数值经缩放与量化变成离散 token，用语言模型结构以交叉熵训练⁠¹；TimesFM 采用分块的仅解码器结构⁠²；Moirai 在超过 270 亿个观测的开放语料上做统一训练⁠³；Lag-Llama、TimeGPT、Time-MoE 与 Sundial 分别从滞后特征、商用接口、混合专家与流匹配目标几个方向推进⁠^4–7。2025—2026 年，Chronos-2、Moirai 2.0、TiRex 与 Toto 2.0 继续把多变量、协变量、流式推理与参数规模纳入同一框架⁠^8–11。据论文，Chronos-2 在多项基准上把技能分数较最强基线平均提高 5.2 个百分点，并能在单块中端 GPU 上不到一秒完成 100 条序列的预测⁠¹²。

能力提升的同时，评测体系也在扩张。GIFT-Eval 覆盖 23 个数据集、14.4 万条序列⁠¹³；fev-bench 包含 100 个任务，其中 46 个带协变量，并用自助法置信区间汇总⁠¹⁴；TIME 用 50 个新数据集做严格零样本评测⁠¹⁵。排行榜让「零样本误差」成为讨论基础模型时最常见的数字。

快消企业的需求预测，却不是一个只看误差的问题。门店 × 品规 × 周的面板里，大量序列历史很短（新品、新店、新渠道），大量序列是间歇或块状的（长尾品规、小店），促销、价格与节假日带来大幅跳变，缺货又让观测到的销量低于真实需求⁠^16,17。预测的下游是补货：订货量取决于缺货与积压的相对成本，误差的方向比误差的大小更要紧。经典的报童模型早已说明，最优订货量是需求分布在临界分位数上的取值⁠¹⁸；运筹学中「预测—优化」一体化的研究也反复表明，误差最小的预测不一定带来成本最低的决策⁠^19,20。

最近的证据把这一张力具体化了。Chin 等人在一家合同物流备件运营商的数据上比较了 38 种预测方法，覆盖经典、间歇需求专用、机器学习、深度学习与预训练基础模型；据论文，在 20,330 张真实多行订单上，预测准确度排名与订单服务排名的相关系数为 −0.555，服务水平更多取决于累积偏差的方向，包括零需求期的过度预测⁠²¹。Tan Jerome 等人在 30 个数据集上做盈亏平衡分析，据论文，基础模型在 15 个数据集上于所有训练比例下都更好，但在另外 6 个数据集上，经典方法只用 2% 的训练数据就超过了零样本基础模型；一条无需训练的部署规则是：训练样本少于 700 且季节性不可忽略时，直接用零样本⁠²²。

现有讨论有三个缺口。第一，模型选择大多沿用排行榜上的点误差或概率误差，没有把补货的成本不对称写进评价函数。第二，排行榜数据通常没有缺货标注，也就无从区分「卖得少」与「缺货卖不出」；而在快消场景，这正是系统性低估需求的来源⁠²³。第三，基础模型被当作「替代者」讨论，很少被当作「先验」讨论：它在历史越短时越有用，在历史足够长时其边际价值会下降，二者之间应当有一条可以计算的分界线。

本文的中心论点是：在快消补货链路中，基础模型的价值主要是冷启动与长尾序列的跨序列概率先验，而非全面替代；选择与部署应以临界分位数上的报童成本和服务水平为准绳，并以缺货截尾修复、促销协变量与层级一致化为前置条件。本文的三点贡献如下：

1. 给出一个面向补货决策的形式化：报童成本与临界分位数上分位数损失的等价关系、缺货截尾似然、层级一致化与按历史长度收缩的先验混合，并据此导出基础模型的分段部署规则。
2. 提出一个按历史长度 × 需求形态 × 驱动因素划分的分层框架，系统比较六条建模路线的机制、证据与适用边界，并梳理基础模型评测中的泄漏与基准偏差问题。
3. 设计一个面向决策的预测选择与一致化算法（DAFSR），用三组固定随机种子的示意模拟展示冷启动收缩、准确度—服务排名背离与截尾修复三种机制，并给出五条可证伪的前瞻判断。

问题形式化与记号

报童成本与临界分位数

设某门店某品规在一个补货周期内的需求为随机变量 d，订货量为 q，单位缺货成本为 c_u（损失的毛利与顾客流失），单位积压成本为 c_o（持有、损耗与临期折价）。期望成本与最优订货量为⁠¹⁸：

其中 F 为需求的累积分布函数，τ* 称为临界分位数。快消品的 c_u 与 c_o 因品类而异：保质期短的鲜食积压成本高，τ* 偏低；高毛利、强替代的主力品规缺货成本高，τ* 偏高。

报童成本就是临界分位数上的分位数损失

把单期成本逐点改写，可得一个简单但关键的恒等式：

ℓ_τ 即分位数（pinball）损失⁠²⁴。式 (2) 说明：在给定 τ* 时，最小化报童成本与最小化 τ* 上的分位数损失完全等价；分位数是该损失下的最优点预测，相应评分规则是严格恰当的⁠^25,26。由此得到两个推论。其一，用平均绝对误差或均方误差选模型，等于默认 τ* = 0.5 或只关心均值；当 τ* 偏离 0.5 时，这一默认会系统性地选错模型。其二，按 τ* 加权的分位数损失可以直接作为补货场景下的模型选择指标，它与业务成本只差一个正的常数倍。

缺货截尾

门店观测到的是销量而非需求。设第 t 期期初可售库存为 I_t，则观测销量与截尾似然为：

直接把 s_t 当作 d_t 训练，相当于把缺货期的似然项换成了点概率，估计量会向下偏。偏差的大小随缺货频率与 τ* 上升：越想维持高服务水平，越依赖分布的右尾，而右尾恰好是被截掉的部分。据论文，FreshRetailNet-50K 用小时级缺货标注先重建潜在需求、再训练预测模型，把系统性低估从 7.37% 降到接近零，同时准确度提高 2.73%⁠²³；针对促销同时抬高销量、库存又压低销量的「双重截尾」，也已有专门的分位数学习框架⁠²⁷。

层级一致化

快消的预测天然是层级的：门店 × 品规汇总为区域 × 品类，再汇总为全国；时间上周汇总为月。设底层预测向量为 ŷ，汇总矩阵为 S，一致化预测为：

其中 W 为基础预测误差的协方差。MinT 在无偏前提下使一致化预测的总误差方差最小⁠²⁸，其前身是最优组合法⁠^29,30；概率预测的一致化与评分优化也已有系统处理⁠³¹，教材层面的介绍见文献⁠³²。对大型零售商，Wang 等人把基于优化的点预测一致化扩展到超过 40 亿个预测值，并证明在特定加权下最小二乘一致化等价于份额分摊法⁠³³；在时间层级上，理论与模拟都支持自下而上汇总的竞争力⁠³⁴。一致化与补货的关系在于：区域配送中心按汇总层订货，门店按底层补货，两层数字不一致会被逐级放大，即所谓牛鞭效应⁠³⁵。

按历史长度收缩的先验混合

把基础模型视为跨序列先验，把本序列历史视为似然，最简单的组合是信度加权（收缩）：

其中 n 为该序列已有的历史期数，σ²_ε 为单期观测噪声的相对方差，σ²_η 为同类序列之间真实水平差异的相对方差。n₀ 的含义很直观：先验「值」多少期本序列数据。噪声越大、同类越相似，n₀ 越大，先验的有效期越长。式 (5) 是对均值层面的近似；对分位数，可在分布层面做同样的混合，或者把本序列的少量历史作为上下文交给支持上下文学习的模型⁠³⁶。

分段部署规则

设候选基线方法（统计方法或梯度提升树）的订货量为 q_base，基础模型的订货量为 q_FM。在细分 g 上部署基础模型的条件为：

其中 C_i 按式 (1)–(2) 在滚动起点回测上估计，K_g 为该细分的推理、运维与监控成本。式 (6) 把 Tan Jerome 等人的盈亏平衡思路⁠²²从「误差」改写为「成本」，并把决策粒度从数据集降到细分。

记号

表 1 汇总本文记号。

分析框架：按历史长度、需求形态与驱动因素分层

基础模型「好不好用」不是一个全局问题，而是一个分层问题。我们用三个维度切分门店 × 品规面板。第一是历史长度 n：新品与新店只有几周数据，成熟品规有两年以上。第二是需求形态：按平均需求间隔（ADI）与非零需求规模的变异系数平方（CV²），可把序列分为平滑、不稳定、间歇与块状四类⁠³⁷。第三是驱动因素：需求主要由季节与趋势决定，还是由促销、价格、陈列与节假日等外生事件决定。

表 2 的每一格对应第 4 节的一条机制。它也给出一个直接推论：「整体替换」与「全面不用」都不是最优策略，基础模型的部署面应当由式 (6) 在细分层面决定。

机制分析与路线对比

冷启动：跨序列先验为什么有效

基础模型在冷启动上的优势，来自它在预训练中见过的大量「相似形状」。新品只有四周数据时，本序列无法识别年度季节性，局部模型只能退化为水平或趋势外推；基础模型则可以把这四周放进上下文，与预训练中见过的同类形状匹配。Chronos 在 42 个数据集上的评测显示，其零样本表现与在目标数据上专门训练的模型相当，有时更好⁠¹；TimesFM 报告其零样本表现接近各数据集上的有监督最优模型⁠²；TabPFN-TS 甚至表明，一个只有 1,100 万参数的表格基础模型加上轻量时间特征，就能在协变量任务上取得领先⁠³⁸。

这一优势有清晰的边界。Tan Jerome 等人的盈亏平衡分析已在引言中介绍；值得补充的是其另一项发现：据论文，在短序列上做 LoRA 微调反而可能损害表现⁠²²。Ebrahim 等人用九个已知生成过程构造了 7,200 条模型不可能见过的序列，据论文，TimesFM-3 的误差在任何情景下都不超过最佳方法的 1.31 倍，而每一种经典方法都至少在某个情景下达到 2.2 倍以上；最大的经典方法失效出现在只有两个季节周期时，自动方法退化为非季节模型；但在有四个及以上周期的季节性 ARIMA 数据上，自动 ARIMA 比 TimesFM-3 准确 21%—24%⁠³⁹。两项研究指向同一结论：基础模型的稳健性在短历史时最值钱，历史越长，局部方法越能追上来。这正是式 (5) 中 λ(n) 随 n 下降的经验依据。

间歇与块状需求：点预测会把服务水平「预测没了」

长尾品规的周需求大部分为零。对这类序列，最小化平均绝对误差的点预测是中位数，而中位数往往就是零。Fig. 2 的示意模拟展示了这一机制：「零预测」的 MASE 最低，满足率却为零。MASE 是为间歇序列设计的无尺度指标⁠⁴⁰，问题不在指标本身，而在于用它为一个 τ* 远高于 0.5 的决策选模型。

经典的间歇需求方法从一开始就面向库存。Croston 法分别平滑需求规模与需求间隔⁠⁴¹，Syntetos 与 Boylan 指出其偏差并给出修正⁠⁴²；深度更新过程把这类方法与时间点过程联系起来⁠⁴³；计数分布的评价也有专门讨论⁠¹⁷。最近的比较显示，梯度提升树单独用于间歇需求往往不如专用方法，而把机器学习模型与专用方法组合，准确度可提高多达 10%⁠⁴⁴；概率预测的组合优于单一方法，但准确度与库存表现之间存在取舍⁠⁴⁵。

基础模型在这里并无天然优势。据论文，在间歇需求上，TimesFM-3 相对基于历史的简单基准没有优势⁠³⁹。更深一层的原因是「预测坍缩」：当目标可预测性低时，校准良好的点预测振幅被压低，趋于平坦⁠⁴⁶。Chin 等人的发现提供了补救方向：服务水平与累积偏差方向的关系强于与点准确度的关系；据论文，检查 Chronos-2 实例归一化中的偏差后，一个无需训练的修正把 90% 策略目标下的单物料满足率代理指标从 77.5% 提高到 92.0%，完整订单满足率从 54% 提高到 63%⁠²¹。这一结果的含义是：对间歇序列，基础模型更适合提供分布形状，再由偏差校正与分位数选择把它「翻译」成订货量。

促销与协变量：多数基础模型最初并不「看」促销

快消需求的大幅跳变多由促销、价格与档期驱动。早期基础模型多为单变量预训练，不能直接使用这些信息⁠⁴⁷。2025 年以来，协变量能力成为主要竞争点：ChronosX 用可插拔模块注入过去与未来协变量，并以零售促销与节假日为典型场景⁠⁴⁸；COSMIC 通过上下文学习在零样本下使用协变量⁠⁴⁹；UniCA 把类别变量与图文等异质协变量统一为序列表示⁠⁵⁰；Chronos-2 用组注意力在相关序列、多变量与协变量之间共享信息，据论文，在带协变量的任务上优势明显，并给出了零售案例⁠⁸。

但「支持协变量」不等于「用对协变量」。Berthelier 等人用简单的目标—协变量关系做受控实验，据论文，TabPFN-TS 对这些关系的捕捉优于 Chronos-2，尤其在短预测步长上；Chronos-2 在基准上的整体强势并不自动转化为对简单依赖关系的最优建模⁠⁵¹。GIFT-Eval-CTX 则检验模型能否把已核实的未来信息转化为数值轨迹，据论文，提供结构化效应后，两种前沿大语言模型的相对 MASE 分别下降 40.7% 与 29.6%⁠⁵²。对快消而言，这意味着促销日历、价格计划与陈列安排本身就是高价值的「未来信息」，其结构化程度往往比选哪一个基础模型更重要。

与之对照，M5 竞争的经验仍然有效：据论文，准确度赛道排名靠前的方案大量采用 LightGBM 等梯度提升树，并在层级结构上组合预测⁠^53,54；不确定性赛道评估了多个分位数上的表现⁠⁵⁵；梯度提升树与神经网络的混合在点预测与概率预测上都有竞争力⁠⁵⁶。带丰富协变量的成熟品规，梯度提升树仍是必须同场比较的强基线。

截尾与偏差：先修数据，再选模型

第 2.3 节已经说明，用销量训练会使需求估计向下偏。这一偏差会被高 τ* 放大：订货量取右尾分位数，而右尾正是缺货截掉的部分。Fig. 3 的示意模拟中，约三分之一的周发生缺货，直接用销量训练使均值估计平均偏低约 18%，在 90% 目标下实现的周期服务水平只有 82.4%；按式 (3) 做截尾极大似然修复后，偏差降到约 1%，实现水平回到 90.2%。修复的前提是有缺货标注或可推断的库存记录，这也是 FreshRetailNet-50K 这类带小时级缺货标注的数据集的价值所在⁠²³。

截尾修复对基础模型同样必要。零样本模型把销量当作需求输入上下文，同样会学到「被截掉的」分布；在先验混合中，先验与本序列都应基于修复后的需求。

层级、在线适配与不确定性

一致化的输入可以来自不同模型。实践中常见的组合是：底层用基础模型或统计方法给出概率预测，中层用带促销协变量的梯度提升树，最后按式 (4) 一致化。一致化本身不关心基础预测来自哪个模型，这让基础模型可以「插拔式」进入现有链路⁠^28,33。

部署后的适配有三类轻量路线。其一，在线加权：ELF 用一个轻量预测器学习当前分布，并与基础模型的预测加权组合，据论文，在其全部实验中都改善了表现⁠⁵⁷。其二，黑箱纠偏：ECHO 结合历史相似片段与过去的预测误差修正基础模型输出，据论文，在 5 个基础模型、9 个真实数据集的 45 种组合中都降低了均方误差，平均相对降低 9.26%⁠⁵⁸。其三，专家编辑：DEFT 在有限的专家评分预算下，在趋势—季节分解空间里修订基础模型的候选轨迹⁠⁵⁹，这与快消计划员在档期前手工调整预测的做法相通。与之对照，持续微调会带来灾难性遗忘；据论文，配合遗忘缓解技术的小模型可以在持续学习序列结束时追平基础模型⁠⁶⁰。

补货需要的是有覆盖保证的区间。分布无关的保形方法可以给时间序列构造预测区间⁠⁶¹，自适应保形推断在分布漂移下维持长期覆盖⁠⁶²。对基础模型输出的分位数，保形校准提供了一层与模型无关的保险。

评测陷阱与反方证据

讨论基础模型时，有三类证据需要打折扣。第一是信息泄漏：Meyer 等人指出两类泄漏，即数据集被多用途复用造成的训练—测试样本重叠，以及相关序列在时间上的重叠，它们会使评测结果过于乐观⁠⁶³；GIFT-Eval 为此提供了无泄漏的预训练语料⁠¹³，TIME 则改用全新数据集⁠¹⁵。第二是领域代表性：IND-Eval 在工业数据上发现，整体领先的模型在部分数据源上并不领先，模型选择需要领域代表性的评测⁠⁶⁴。第三是编排收益的来源：FairAMO 用冻结的候选预测做受控比较，据论文，最好的智能体编排相对最佳单一模型的 MASE 降幅不到 6%，收益来自候选之间的互补性而非候选数量⁠⁶⁵。

反方证据同样值得认真对待。认为基础模型将全面取代现有方法的观点，可以引用 Chronos-2 的整体领先⁠¹²、Toto 2.0 在 4 百万到 25 亿参数之间的稳定缩放⁠¹¹与 Moirai 2.0 在精度、速度与规模之间的平衡⁠⁹；推理成本也在快速下降，据官方博客，Chronos-Bolt 比原始 Chronos 快多达 250 倍、内存效率高 20 倍⁠⁶⁶，Chronos-2 是 1.2 亿参数的仅编码器模型⁠⁶⁷，TimesFM 2.5 的公开检查点为 2 亿参数⁠⁶⁸。我们承认，随着上下文学习与协变量能力继续提升，表 2 中「主力」一栏可能会扩大。但这并不改变本文论点的核心：选择标准应是 τ* 上的成本而非排行榜误差，截尾修复与协变量是前置条件，而这两点与模型规模无关。

表 3 中没有一条路线在所有列上占优。R4 与 R5 的独特价值集中在「数据需求」一列：它们把无需训练与跨序列先验带进了冷启动。R1 与 R2 的价值集中在可解释性与成本：前者有成熟的间歇方法，后者在 M5 中证明了对促销与层级特征的利用能力。R6 的收益受限于候选的互补性。这一格局支持本文的分层部署论点。M4 竞争的经验也指向同一方向：据论文，组合与混合方法表现突出，纯机器学习方法当时并不占优⁠⁷⁴；预测理论与实践的综述也系统梳理了不同场景下方法选择与组合的经验⁠⁷⁵。

从成本参数到服务目标

很多企业的补货系统里设置的是「服务水平 95%」这样的目标，而不是 c_u 与 c_o。两者可以互相换算：由式 (1)，周期服务水平目标 α 对应的隐含成本比为 c_u/c_o = α/(1 − α)。95% 的目标意味着企业认为缺货一件的损失是积压一件的 19 倍，90% 对应 9 倍，75% 对应 3 倍。这个换算常常能暴露目标设置的不一致：同一个品类里，保质期只有几天的鲜食与保质期一年的饮料被设成相同的服务目标，隐含的成本比显然不可能都成立。

换算还说明了两个容易混淆的指标。周期服务水平是「本期不缺货的概率」，对应式 (1) 中的 τ*；满足率是「被满足的需求占总需求的比例」，同一订货量下，满足率通常高于周期服务水平，因为缺货期也满足了一部分需求。Fig. 2 与 Fig. 3 分别报告了这两个指标，读者不应把它们直接比较。在选择模型时，应先确定企业真正考核的是哪一个，再把它写进式 (2) 的评价函数；否则，同一组回测可以支持完全不同的结论。

最后，c_o 对鲜食与临期品不是常数，而是随剩余保质期上升。这意味着 τ* 应当随门店的周转速度与配送频率调整：高周转门店可以承受更高的 τ*，低周转门店则应降低。把 τ* 做成门店 × 品类的参数表，而不是全公司一个数，往往比更换预测模型更快见效。

方法：面向决策的预测选择与一致化

把上述分析收成一个可执行流程。算法 1 的目标是：对门店 × 品规面板，按细分选择或混合预测来源，修复截尾，按 τ* 上的成本回测，做层级一致化并输出订货分位数，同时留下可审计的选择记录与回退路径。

算法 1 有三处设计意图。第一，步骤 2 放在步骤 4 之前：如果用截尾的销量做回测，任何低估需求的模型都会显得「更准」，选择本身就被污染了。第二，步骤 4 用 τ* 分位数损失而非 MASE 或 CRPS 作为主指标，并单列偏差方向，这是 Chin 等人发现的直接应用⁠²¹。第三，步骤 5 把基础模型限定在式 (6) 成立的细分，并在短历史上做收缩，而不是全局替换；步骤 8 保留人工审核与回退，这与「预测是决策支持而非自动决策」的定位一致。

示意模拟

为直观展示三种机制，我们做了三组示意模拟。所有数字均为合成数据上的计算，不是对任何真实企业、模型或数据集的测量。模拟 1 中的「池化先验」代表基础模型提供的跨序列先验，模拟并未运行任何真实基础模型。脚本固定随机种子 20261104。

冷启动收缩。模拟 20 个品类、每类 30 个品规，品规真实水平在品类水平附近对数正态分布（σ_η = 0.3），周需求服从负二项分布，τ* = 0.75。按式 (5) 估计得 n₀ ≈ 7.6 周。结果见 Fig. 1：只用本品规历史时，1 周历史的报童成本是已知真实均值时的 1.56 倍，4 周时为 1.14 倍；池化先验始终在 1.06—1.10 倍之间；12 周后本品规历史开始优于池化先验。收缩混合在所有历史长度上都不劣于两者，1 周时为 1.09 倍，52 周时为 1.01 倍。

准确度与服务的背离。模拟 300 个间歇品规，104 周训练、26 周检验，服务目标 90%。13 种方法中，除经验分位数法直接输出 τ* 分位数外，其余方法按常见做法以点预测为均值、取泊松分布的 90% 分位数下单。结果见 Fig. 2：零预测与 52 周中位数的 MASE 最低（约 0.66），满足率却为 0 与 1.3%；经验分位数法的 MASE 最高（2.03），满足率最高（80.2%），单位成本最低。按 MASE 排名与按满足率排名的斯皮尔曼相关系数为 −0.63，方向与 Chin 等人在真实数据上的发现一致⁠²¹。值得注意的是，即便是最好的方法也没有达到 90% 的满足率，原因是泊松假设低估了块状需求的离散度，周期服务水平与满足率也不是同一指标。

截尾修复。模拟 400 个品规，期初库存按 70% 分位数设置并加入扰动，约 34% 的周发生缺货。直接用销量估计均值，平均偏低 18.0%；按式 (3) 做截尾极大似然估计后，偏差为 +1.1%。在 80%、85%、90%、95% 四个目标下，直接用销量训练实现的周期服务水平分别为 71.2%、76.8%、82.4%、89.8%，修复后为 80.6%、85.4%、90.2%、95.3%（Fig. 3）。

表 4 不是对任何真实系统的声称。它要传达的机制是：同一个面板上，「误差最小」与「成本最低」可以指向不同的模型；而数据是否修复，比选哪个模型影响更大。

前瞻判断与研究议程

以下为弘犀智能研究团队的观点，不是事实陈述。

研究议程有四个开放问题。第一，n₀ 能否由基础模型自己给出：如果模型输出的分布宽度足够可靠，先验的等效期数可以按序列估计，而不是按品类设定。第二，截尾修复与基础模型能否端到端结合：把缺货标记作为协变量交给支持协变量的模型，是否足以替代显式的截尾似然。第三，多层级的分位数一致化仍缺少与补货成本直接挂钩的方法，汇总层的服务目标如何分解到门店层，是一个跨预测与运筹的问题。第四，评测语料的时效：基础模型的预训练截止时点与评测期之间的间隔，应当像数据卡一样被强制披露。

业界常见看法中可能错误的地方

「零样本排行榜上领先，就该全量替换。」排行榜衡量的是平均误差，且多数序列没有缺货标注；补货衡量的是 τ* 上的成本。两者的排名可以相反⁠²¹。

「历史越长，基础模型越好用。」恰好相反：历史越长，局部方法越能识别季节与趋势，基础模型的相对优势越小⁠^22,39。基础模型最值钱的地方，是只有几周数据的新品。

「换一个更强的模型就能解决缺货预测不准。」如果训练数据是被截尾的销量，任何模型都会学到偏低的需求。先修数据，再换模型。

「编排多个基础模型一定更好。」编排的收益受限于候选之间的互补性，冗余候选可能抵消收益⁠⁶⁵。

局限性

本文有五点局限。第一，示意模拟使用合成数据与简化的需求分布，池化先验只是基础模型的替身，不能代表任何真实模型的表现。第二，所引用的基础模型结果多为论文或官方自报，部分为预印本，存在评测泄漏与选择性报告的可能⁠⁶³。第三，c_u 与 c_o 在实践中难以精确估计，τ* 的误设会影响本文的选择规则；我们建议在一组 τ 上做敏感性分析。第四，本文主要讨论单期报童框架，没有展开多期库存、提前期不确定与供应约束。第五，快消企业的数据质量差异很大，缺货标注与库存记录的可得性决定了算法 1 能执行到哪一步。

结论

时间序列基础模型正在改变需求预测的起点：新品、新店与长尾序列第一次有了无需训练、可直接给出分布的先验。但在快消补货链路里，它的位置是「先验」，不是「终点」。用式 (2) 把报童成本写成 τ* 上的分位数损失，选择标准就从排行榜误差回到了业务成本；用式 (3) 修复截尾，才能让任何模型学到真实需求；用式 (5) 按历史长度收缩，用式 (6) 按细分决定部署面，基础模型的价值才能被准确计量。

在落地层面，据官网，弘犀智能快消方案中的「新品与区域需求预测」采用分层时间序列与机器学习预测，模型部署在 Deep Hope S1 上滚动更新，交付门店 × 品规 × 周的需求预测与补货建议⁠⁷⁶；Deep Hope S1 提供私有化的推理与训练环境⁠⁷⁷，企业智能体平台的 Harness 治理引擎通过受控接口执行工具调用，由治理层保留最终决定权⁠⁷⁸，可用于落实算法 1 中的选择记录、人工审核与回退。对企业而言，可迁移的资产不是某一个模型，而是一套按成本选择、按细分部署、可回退的预测流程。

要点小结：

1. 用式 (2) 选模型：报童成本等于 τ* 上的分位数损失，误差最小不等于成本最低。
2. 用式 (3) 修数据：先做缺货截尾修复，再回测与选择。
3. 用式 (4) 管层级：底层与汇总层预测一致化，避免层间放大。
4. 用式 (5) 用先验：基础模型的权重随历史长度收缩。
5. 用式 (6) 定部署：只在成本节约超过部署成本的细分上使用基础模型。

参考文献

1. 1.Ansari, A. F. et al. Chronos: Learning the Language of Time Series. Trans. Mach. Learn. Res. (2024); https://arxiv.org/abs/2403.07815.
2. 2.Das, A., Kong, W., Sen, R. & Zhou, Y. A decoder-only foundation model for time-series forecasting. In Proc. 41st International Conference on Machine Learning (PMLR, 2024); https://arxiv.org/abs/2310.10688.
3. 3.Woo, G. et al. Unified Training of Universal Time Series Forecasting Transformers. In Proc. 41st International Conference on Machine Learning (PMLR, 2024); https://arxiv.org/abs/2402.02592.
4. 4.Rasul, K. et al. Lag-Llama: Towards Foundation Models for Probabilistic Time Series Forecasting. Preprint at https://arxiv.org/abs/2310.08278 (2023).
5. 5.Garza, A., Challu, C. & Mergenthaler-Canseco, M. TimeGPT-1. Preprint at https://arxiv.org/abs/2310.03589 (2023).
6. 6.Shi, X. et al. Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts. In Proc. International Conference on Learning Representations (2025); https://arxiv.org/abs/2409.16040.
7. 7.Liu, Y. et al. Sundial: A Family of Highly Capable Time Series Foundation Models. In Proc. 42nd International Conference on Machine Learning (PMLR, 2025); https://arxiv.org/abs/2502.00816.
8. 8.Ansari, A. F. et al. Chronos-2: From Univariate to Universal Forecasting. Preprint at https://arxiv.org/abs/2510.15821 (2025).
9. 9.Liu, C. et al. Moirai 2.0: When Less Is More for Time Series Forecasting. Preprint at https://arxiv.org/abs/2511.11698 (2025).
10. 10.Auer, A. et al. TiRex: Zero-Shot Forecasting Across Long and Short Horizons with Enhanced In-Context Learning. Preprint at https://arxiv.org/abs/2505.23719 (2025).
11. 11.Khwaja, E. et al. Toto 2.0: Time Series Forecasting Enters the Scaling Era. Preprint at https://arxiv.org/abs/2605.20119 (2026).
12. 12.Ansari, A. F. et al. Chronos-2: A foundation model for multivariate time series forecasting. Preprint at https://arxiv.org/abs/2610.41956 (2026).
13. 13.Aksu, T. et al. GIFT-Eval: A Benchmark For General Time Series Forecasting Model Evaluation. Preprint at https://arxiv.org/abs/2410.10393 (2024).
14. 14.Shchur, O. et al. fev-bench: A Realistic Benchmark for Time Series Forecasting. Preprint at https://arxiv.org/abs/2509.26468 (2025).
15. 15.Qiao, Z. et al. It's TIME: Towards the Next Generation of Time Series Forecasting Benchmarks. Preprint at https://arxiv.org/abs/2602.12147 (2026).
16. 16.Fildes, R., Ma, S. & Kolassa, S. Retail forecasting: Research and practice. International Journal of Forecasting 38, 1283–1318 (2022); https://doi.org/10.1016/j.ijforecast.2019.06.004.
17. 17.Kolassa, S. Evaluating predictive count data distributions in retail sales forecasting. International Journal of Forecasting 32, 788–803 (2016); https://doi.org/10.1016/j.ijforecast.2015.12.004.
18. 18.Arrow, K. J., Harris, T. & Marschak, J. Optimal Inventory Policy. Econometrica 19, 250 (1951); https://doi.org/10.2307/1906813.
19. 19.Bertsimas, D. & Kallus, N. From Predictive to Prescriptive Analytics. Management Science 66, 1025–1044 (2020); https://doi.org/10.1287/mnsc.2018.3253.
20. 20.Elmachtoub, A. N. & Grigas, P. Smart “Predict, then Optimize”. Management Science 68, 9–26 (2022); https://doi.org/10.1287/mnsc.2020.3922.
21. 21.Chin, J. E., Cheng, S.-F. & Gunawan, A. Accuracy Is Not Service: A Decision-Aware Benchmark for Intermittent-Demand Forecasting. Preprint at https://arxiv.org/abs/2609.13840 (2026).
22. 22.Jerome, N. T. & Simon, F. When Do Foundation Models Pay Off? A Break-Even Analysis of Pretrained Time Series Forecasters. Preprint at https://arxiv.org/abs/2607.04919 (2026).
23. 23.Wang, Y. et al. FreshRetailNet-50K: A Stockout-Annotated Censored Demand Dataset for Latent Demand Recovery and Forecasting in Fresh Retail. Preprint at https://arxiv.org/abs/2505.16319 (2025).
24. 24.Koenker, R. & Bassett, G. Regression Quantiles. Econometrica 46, 33 (1978); https://doi.org/10.2307/1913643.
25. 25.Gneiting, T. Quantiles as optimal point forecasts. International Journal of Forecasting 27, 197–207 (2011); https://doi.org/10.1016/j.ijforecast.2009.12.015.
26. 26.Gneiting, T. & Raftery, A. E. Strictly Proper Scoring Rules, Prediction, and Estimation. Journal of the American Statistical Association 102, 359–378 (2007); https://doi.org/10.1198/016214506000001437.
27. 27.Ye, Z., Wei, J., Song, T., Chen, C. & Ma, G. A Deep Learning Framework for Quantile Demand Forecasting in E-commerce with Doubly Censored Data. Preprint at https://arxiv.org/abs/2610.40138 (2026).
28. 28.Wickramasuriya, S. L., Athanasopoulos, G. & Hyndman, R. J. Optimal Forecast Reconciliation for Hierarchical and Grouped Time Series Through Trace Minimization. Journal of the American Statistical Association 114, 804–819 (2019); https://doi.org/10.1080/01621459.2018.1448825.
29. 29.Hyndman, R. J., Ahmed, R. A., Athanasopoulos, G. & Shang, H. L. Optimal combination forecasts for hierarchical time series. Computational Statistics & Data Analysis 55, 2579–2589 (2011); https://doi.org/10.1016/j.csda.2011.03.006.
30. 30.Athanasopoulos, G., Ahmed, R. A. & Hyndman, R. J. Hierarchical forecasts for Australian domestic tourism. International Journal of Forecasting 25, 146–166 (2009); https://doi.org/10.1016/j.ijforecast.2008.07.004.
31. 31.Panagiotelis, A., Gamakumara, P., Athanasopoulos, G. & Hyndman, R. J. Probabilistic forecast reconciliation: Properties, evaluation and score optimisation. European Journal of Operational Research 306, 693–706 (2023); https://doi.org/10.1016/j.ejor.2022.07.040.
32. 32.Hyndman, R. J. & Athanasopoulos, G. Forecasting: Principles and Practice 3rd edn, Ch. 11 (OTexts, 2021); https://otexts.com/fpp3/hierarchical.html.
33. 33.Wang, T., Johnson, M. C., Klee, S. & Malloy, M. L. Billions-Scale Forecast Reconciliation. Preprint at https://arxiv.org/abs/2602.05030 (2026).
34. 34.Neubauer, L. & Filzmoser, P. Rediscovering Bottom-Up: Effective Forecasting in Temporal Hierarchies. Preprint at https://arxiv.org/abs/2407.02367 (2024).
35. 35.Lee, H. L., Padmanabhan, V. & Whang, S. Information Distortion in a Supply Chain: The Bullwhip Effect. Management Science 43, 546–558 (1997); https://doi.org/10.1287/mnsc.43.4.546.
36. 36.Das, A., Faw, M., Sen, R. & Zhou, Y. In-Context Fine-Tuning for Time-Series Foundation Models. In Proc. 42nd International Conference on Machine Learning (PMLR, 2025); https://arxiv.org/abs/2410.24087.
37. 37.Syntetos, A. A., Boylan, J. E. & Croston, J. D. On the categorization of demand patterns. Journal of the Operational Research Society 56, 495–503 (2005); https://doi.org/10.1057/palgrave.jors.2601841.
38. 38.Hoo, S. B., Müller, S., Salinas, D. & Hutter, F. From Tables to Time: Extending TabPFN-v2 to Time Series Forecasting. Preprint at https://arxiv.org/abs/2501.02945 (2025).
39. 39.Ebrahim, E. K., Ali, S. M. & El-Kotory, A. Foundation or Formula? A Simulation-Based Comparison of Google's TimesFM-3 and Classical Time-Series Models. Preprint at https://arxiv.org/abs/2610.00589 (2026).
40. 40.Hyndman, R. J. & Koehler, A. B. Another look at measures of forecast accuracy. International Journal of Forecasting 22, 679–688 (2006); https://doi.org/10.1016/j.ijforecast.2006.03.001.
41. 41.Croston, J. D. Forecasting and Stock Control for Intermittent Demands. Journal of the Operational Research Society 23, 289–303 (1972); https://doi.org/10.1057/jors.1972.50.
42. 42.Syntetos, A. A. & Boylan, J. E. The accuracy of intermittent demand estimates. International Journal of Forecasting 21, 303–314 (2005); https://doi.org/10.1016/j.ijforecast.2004.10.001.
43. 43.Turkmen, A. C., Wang, Y. & Januschowski, T. Intermittent Demand Forecasting with Deep Renewal Processes. Preprint at https://arxiv.org/abs/1911.10416 (2019).
44. 44.Kislinskii, V. & Hameed, M. Are Gradient Boosting Models Suitable for Intermittent Demand Forecasting? Preprint at https://arxiv.org/abs/2609.14718 (2026).
45. 45.Wang, S., Kang, Y. & Petropoulos, F. Combining Probabilistic Forecasts of Intermittent Demand. Preprint at https://arxiv.org/abs/2304.03092 (2023).
46. 46.Wan, S. et al. Forecast Collapse in Time-Series Foundation Models. Preprint at https://arxiv.org/abs/2608.14106 (2026).
47. 47.Qin, G. et al. CoRA: Covariate-Aware Adaptation of Time Series Foundation Models. Preprint at https://arxiv.org/abs/2510.12681 (2025).
48. 48.Arango, S. P. et al. ChronosX: Adapting Pretrained Time Series Models with Exogenous Variables. In Proc. 28th International Conference on Artificial Intelligence and Statistics (PMLR, 2025); https://arxiv.org/abs/2503.12107.
49. 49.Auer, A. et al. Zero-Shot Time Series Forecasting with Covariates via In-Context Learning. Preprint at https://arxiv.org/abs/2506.03128 (2025).
50. 50.Han, L. et al. UniCA: Unified Covariate Adaptation for Time Series Foundation Model. Preprint at https://arxiv.org/abs/2506.22039 (2025).
51. 51.Berthelier, G. et al. Investigating simple target-covariate relationships for Chronos-2 and TabPFN-TS. Preprint at https://arxiv.org/abs/2605.12200 (2026).
52. 52.Liu, X. et al. GIFT-Eval-CTX: A Benchmark For Contextual Forecasting Model Evaluation. Preprint at https://arxiv.org/abs/2610.17794 (2026).
53. 53.Makridakis, S., Spiliotis, E. & Assimakopoulos, V. M5 accuracy competition: Results, findings, and conclusions. International Journal of Forecasting 38, 1346–1364 (2022); https://doi.org/10.1016/j.ijforecast.2021.11.013.
54. 54.Ke, G. et al. LightGBM: a highly efficient gradient boosting decision tree. In Advances in Neural Information Processing Systems 30 (2017); https://papers.nips.cc/paper/2017/hash/6449f44a102fde848669bdd9eb6b76fa-Abstract.html.
55. 55.Makridakis, S. et al. The M5 uncertainty competition: Results, findings and conclusions. International Journal of Forecasting 38, 1365–1385 (2022); https://doi.org/10.1016/j.ijforecast.2021.10.009.
56. 56.Nasios, I. & Vogklis, K. Blending gradient boosted trees and neural networks for point and probabilistic forecasting of hierarchical time series. International Journal of Forecasting 38, 1448–1459 (2022); https://doi.org/10.1016/j.ijforecast.2022.01.001.
57. 57.Lee, T. L., Toner, W., Singh, R., Joosen, A. & Asenov, M. Lightweight Online Adaption for Time Series Foundation Model Forecasts. Preprint at https://arxiv.org/abs/2502.12920 (2025).
58. 58.Zhang, B. et al. ECHO: Correcting Time Series Foundation Model Forecasts with Historical Analogues and Errors. Preprint at https://arxiv.org/abs/2610.16433 (2026).
59. 59.Le, H., Nguyen, M. H., Nguyen, M., Nguyen, H. H. & Do, D. Expert-Guided Forecast Editing for Time-Series Foundation Models. Preprint at https://arxiv.org/abs/2607.19659 (2026).
60. 60.Karaouli, N., Coquenet, D., Fromont, E., Mermillod, M. & Reyboz, M. Foundation vs. Specialized Models: Evaluating Catastrophic Forgetting in Continual Time Series Forecasting. Preprint at https://arxiv.org/abs/2510.00809 (2025).
61. 61.Xu, C. & Xie, Y. Conformal prediction for time series. In Proc. 38th International Conference on Machine Learning (PMLR, 2021); https://arxiv.org/abs/2010.09107.
62. 62.Gibbs, I. & Candès, E. Adaptive Conformal Inference Under Distribution Shift. In Advances in Neural Information Processing Systems 34 (2021); https://arxiv.org/abs/2106.00170.
63. 63.Meyer, M., Kaltenpoth, S., Zalipski, K. & Müller, O. Rethinking Evaluation in the Era of Time Series Foundation Models: (Un)known Information Leakage Challenges. Preprint at https://arxiv.org/abs/2510.13654 (2025).
64. 64.Haugland, V. et al. IND-Eval: Aligning Evaluation and Simulation for Industrial Time Series Foundation Models. Preprint at https://arxiv.org/abs/2610.16652 (2026).
65. 65.Guan, T., Zhan, T., Pan, S. & Jin, M. Rethinking Agentic Model Orchestration for Time Series Forecasting. Preprint at https://arxiv.org/abs/2610.29504 (2026).
66. 66.Ansari, A. F., Turkmen, C., Shchur, O. & Stella, L. Fast and accurate zero-shot forecasting with Chronos-Bolt and AutoGluon. AWS Machine Learning Blog https://aws.amazon.com/blogs/machine-learning/fast-and-accurate-zero-shot-forecasting-with-chronos-bolt-and-autogluon/ (2024).
67. 67.Amazon. amazon/chronos-2 (model card). Hugging Face https://huggingface.co/amazon/chronos-2 (2025).
68. 68.Google Research. timesfm-2.5-200m-pytorch (model card). Hugging Face https://huggingface.co/google/timesfm-2.5-200m-pytorch (2025).
69. 69.Hyndman, R. J., Koehler, A. B., Snyder, R. D. & Grose, S. A state space framework for automatic forecasting using exponential smoothing methods. International Journal of Forecasting 18, 439–454 (2002); https://doi.org/10.1016/S0169-2070(01)00110-8.
70. 70.Assimakopoulos, V. & Nikolopoulos, K. The theta model: a decomposition approach to forecasting. International Journal of Forecasting 16, 521–530 (2000); https://doi.org/10.1016/S0169-2070(00)00066-2.
71. 71.Salinas, D., Flunkert, V., Gasthaus, J. & Januschowski, T. DeepAR: Probabilistic forecasting with autoregressive recurrent networks. International Journal of Forecasting 36, 1181–1191 (2020); https://doi.org/10.1016/j.ijforecast.2019.07.001.
72. 72.Lim, B., Arık, S. Ö., Loeff, N. & Pfister, T. Temporal Fusion Transformers for interpretable multi-horizon time series forecasting. International Journal of Forecasting 37, 1748–1764 (2021); https://doi.org/10.1016/j.ijforecast.2021.03.012.
73. 73.Oreshkin, B. N., Carpov, D., Chapados, N. & Bengio, Y. N-BEATS: Neural basis expansion analysis for interpretable time series forecasting. In Proc. International Conference on Learning Representations (2020); https://arxiv.org/abs/1905.10437.
74. 74.Makridakis, S., Spiliotis, E. & Assimakopoulos, V. The M4 Competition: 100,000 time series and 61 forecasting methods. International Journal of Forecasting 36, 54–74 (2020); https://doi.org/10.1016/j.ijforecast.2019.04.014.
75. 75.Petropoulos, F. et al. Forecasting: theory and practice. International Journal of Forecasting 38, 705–871 (2022); https://doi.org/10.1016/j.ijforecast.2021.11.001.
76. 76.弘犀智能（Great Unicorn Intelligence）. 快消与营销解决方案（FMCG & marketing solutions）. https://www.hxallai.com/solutions/fmcg/ (2026).
77. 77.弘犀智能（Great Unicorn Intelligence）. Deep Hope S1 · 推训一体大模型平台（Deep Hope S1 · unified inference–training LLM platform）. https://www.hxallai.com/platform/deep-hope/ (2026).
78. 78.弘犀智能（Great Unicorn Intelligence）. 企业智能体平台 · Harness（Enterprise Agent Platform · Harness）. https://www.hxallai.com/platform/agent/ (2026).