蚂蚁国际近日宣布，其自主研发的时序预测大模型“鹰序TST”（FalconTST，Time-Series Transformer）2.0版本正式发布。这一专为跨境支付外汇风险管理设计的模型，不仅在金融领域展现出卓越性能，还计划向电商供应链、航空运营管理等更多行业场景延伸应用。
在全球权威基准测试中，“鹰序TST”2.0以平均绝对比例误差（MASE）0.666的成绩刷新行业纪录，超越多家国际科技巨头的时间序列预测模型。该模型通过深度解析流动性需求、汇率波动及资金流转规律，为金融机构提供高精度的现金流预测与外汇管理支持，预测准确率已稳定突破93%。
与传统行业专属预测模型不同，“鹰序TST”突破数据壁垒，从金融、零售、能源、旅游等多领域数据中提炼通用时间模式。蚂蚁国际首席创新官杨江明指出，模型通过捕捉周期、趋势、季节性及突发变动等底层时间结构，实现跨行业预测能力的复用。以航空业为例，模型可同时处理多币种收支、高频现金流变动等复杂场景，避免过度套保或敞口暴露的风险。
在航空领域的应用中，航司需以外汇结算飞机租赁、机场费用等运营成本，而收入端则涉及多币种进账。传统预测体系常因数据割裂导致精度不足，而“鹰序TST”通过整合多维度时序数据，为外汇套期保值提供可靠依据。该能力同样适用于电商、物流等高周转行业，帮助企业优化库存管理、降低汇率波动影响。
蚂蚁国际资深副总裁黎粤透露，1.0版本已帮助客户实现运营效率提升与成本节约，2.0版本则通过准确率升级，将价值扩展至银行合作伙伴及更多行业。他强调，模型的核心价值在于将预测智能转化为实际决策，例如确定流动性储备规模、优化外汇敞口管理策略及资本配置路径。
区别于侧重文本处理的大语言模型，“鹰序TST”专注于洞察事物随时间演变的规律。杨江明比喻称，前者展现AI理解与生成信息的能力，后者则代表预判未来走向的关键技术。目前，模型已支持小时级、日级和周级的现金流管理，为全球化支付机构提供实时决策支持。
