时序基础模型在工业数据上的零样本实测

时序基础模型（如 Chronos、TimesFM）近期在通用预测任务上表现活跃，但其在工业现场数据上的真实能力仍缺少系统验证。数据分析实验室近期选取三家制造企业的历史数据开展零样本预测实测，覆盖设备电流、车间电耗与蒸汽流量三类时序，采样粒度从秒级到小时级。
实验进展：
· 在不做任何训练的前提下，基础模型对平稳工况电耗的预测 MAPE 为 6%~9%，接近调参后的 LightGBM 基线；但在启停、换班等工况切换段，误差升至基线的 2 倍以上；
· 鲁棒性测试显示，5% 随机缺失会使部分模型误差恶化约 30%，落地前仍需数据清洗与分段预测策略配合。
阶段性结论：零样本预测可作为冷启动与快速基线手段，尚不能替代面向具体工况的定制建模。下一步将构建带工况标签的评测集，并量化轻量微调在小样本条件下的增益边界。