Google、多変量時系列予測AI「TimesFM-3」公開

米Google Research（Googleの研究開発部門）は2026年9月1日、複数系統の時系列データを組み合わせて将来の数値を高精度に予測する基盤モデル「TimesFM-3（Googleが開発した時系列予測向けファウンデーションモデルの第3世代）」を発表・公開した。

1兆データポイント学習と多変量ゼロショット予測に対応

時系列予測は、過去の売上実績やサーバーアクセス数から将来の数値を推計する技術である。従来のTimesFMは主に単一の時系列データ（単変量）を扱っていたが、TimesFM-3では気象情報や客足、プロモーション計画など複数要因を同時に考慮する「多変量予測（Multivariate forecasting）」に正式対応した。

モデルの主な仕様と特徴は以下のとおりである。

• ​モデル規模と学習データ​: 約3億3,000万パラメータ（330M）で構成され、実世界のデータと合成データを組み合わせた​1兆データポイント以上​​で事前学習を実施。
• ​ゼロショット予測​: 多様な変動パターンを事前に網羅学習しているため、新たなデータセットに対してファインチューニングを行うことなく即座に予測を実行可能。
• ​一括予測による高速化と誤差抑制​: 将来の値を逐次予測する従来方式から、対象期間の数値を1回のプロセスで一括生成するアーキテクチャへ刷新。推論時間を大幅に短縮し、反復予測による誤差の累積を抑制した。
• ​各種ベンチマークでの首位獲得​: 「GIFT-Eval」「FEV-Bench」「TIME」の3つの公開ベンチマークにおいて、一点予測（Point prediction）および確率予測（Probability prediction）の双方で既存の事前学習モデルを上回る最高平均ランクを記録した。

公開状況とBigQueryへの統合計画

TimesFM-3のソースコードはApache License 2.0の下でGitHubに公開され、PyTorch向けモデルウェイトはHugging Faceにて非商用ライセンスで配布されている。さらにGoogleは、今後数週間以内に自社のデータ分析基盤「BigQuery」へTimesFM-3を統合し、エンタープライズ顧客がSQLから直接時系列予測を実行できるようにする方針を示している。

分析・展望

自然言語や画像分野で先行したファウンデーションモデルの潮流が、業務データの根幹である時系列解析にも本格的に波及した。追加学習なしで複数変数の相関を捉えるゼロショット時系列モデルの登場は、小売りの需要予測やインフラの負荷管理におけるAI導入ハードルを劇的に下げるマイルストーンとなる。

引用元：GIGAZINE