蚂蚁国际“鹰序TST”AI大模型2.0登顶全球测评，突破时序预测上限

蚂蚁国际日前正式发布自研时序预测大模型“鹰序TST”（FalconTST，Time-Series Transformer）2.0版。该模型专为跨境支付外汇风险管理打造，并将拓展至电商供应链需求预测、航空运营管理等更多行业场景。

“鹰序TST”2.0在全球权威基准测试中取得最优成绩（SOTA），平均绝对比例误差（MASE）降至0.666，超越多家全球顶尖科技公司的时间序列预测模型。

目前，巴克莱银行、花旗银行、德意志银行、渣打银行等大型金融机构已将“鹰序TST”2.0应用于现金流预测与外汇管理，提升流动性风险敞口的预测能力。“鹰序TST”2.0的预测准确率已稳定超过93%，具备向物流、航空、电商等金融以外行业拓展的应用能力。

TST模型：天然适配金融场景的专用AI

与侧重文本处理的大语言模型（LLM）不同，时序模型更适配金融与支付场景，可实时解析流动性需求、汇率波动及资金流转变化。金融机构的数据往往持续变化，涵盖交易金额、账户余额、清算流水及货币头寸。对全球化支付机构而言，预测精度直接决定资本配置效率。AI预测的核心价值不仅在于"算得更准"，更在于精准预判资金需求的时间节点、规模及币种构成。

该能力在外汇管理领域尤为关键。以航空业为例：航司收入端呈现多币种进账，支出端则需以外汇结算飞机租赁、机场费用及运营成本。企业通常运用外汇套期保值对冲汇率风险，但这依赖于对各币种资金流入流出的精准预判。预测偏高将导致过度套保、侵蚀收益；预测偏低则敞口暴露、承压汇率波动。

传统预测体系往往只适用于单个行业，彼此割裂：零售企业建销量预测模型、航空公司建需求预测模型、金融机构建流动性模型。

“鹰序TST”则改变传统思路，从金融、零售、能源及旅游等多领域数据中，学习周期、趋势、季节性与突发变动背后的通用时间模式。行业虽千差万别，底层时间结构却高度相通。

全球顶级银行应用“鹰序TST”AI大模型，提升自身流动性与外汇管理能力

“鹰序TST”AI大模型最初应用于蚂蚁国际内部，支持小时级、日级和周级的现金流及外汇敞口管理，随后被巴克莱银行、花旗银行、德意志银行和渣打银行应用于自身外汇对冲模型，以提升现金流预测与外汇流动性管理能力，进一步满足蚂蚁国际及其银行客户的需求。

巴克莱银行将“鹰序TST”AI大模型整合进外汇对冲平台BARX NetFX中；花旗银行将“鹰序TST”与自身固定汇率解决方案相结合；渣打银行则将其整合至 SCALE FX系统，并作为新加坡金融管理局 PathFin.ai计划的一部分。

目前，上述银行均采用了“鹰序”AI大模型2.0版本，预测准确率现已稳定超过93%。这种精准度对于管理大量跨境支付并有效对冲汇率波动风险的金融机构至关重要。

从单一金融工具到可复用的预测能力

蚂蚁国际表示，“鹰序TST”的另一目标是实现跨客户、跨行业的预测能力复用。航空业是典型场景：收支多币种、现金流高频变动，精准预测尤为关键。目前，“鹰序TST”已在该领域用于外汇与流动性管理，并将逐步扩展至电商、物流等行业。

蚂蚁国际首席创新官杨江明表示，大语言模型展示了AI理解与生成信息的能力，而“鹰序TST”代表的是另一种日益重要的能力——洞察事物随时间演变的规律，预判未来走向。“对我们来说，AI的价值不止于更高的预测分数，更在于将预测智能转化为实际决策——准备多少流动性、如何管理外汇敞口、怎样更高效地配置资本。“鹰序TST”2.0是让预测性AI成为全球企业支付、账户及金融服务基础能力的重要一步。”

蚂蚁国际资深副总裁、平台技术总经理黎粤指出：“‘鹰序TST’帮助全球企业——包括我们自己——更好地管理复杂的现金流与外汇敞口，更从容地开展跨境业务。1.0阶段，客户已看到实实在在的运营提效与成本节约。2.0版本准确率进一步提升，让我们能把这些价值带给银行合作伙伴，以及电商、旅游、金融科技等高周转行业。"

“鹰序TST”2.0引入多项技术创新，应对真实数据挑战，提升预测准确性

1. 高级缺失数据处理机制：周末没有银行交易并不代表需求为零。“鹰序TST”2.0可区分缺失数据与真实零值，减少误导性模式。
2. 强大的跨行业泛化能力：通过 ORBIT 技术，“鹰序TST”可学习金融、零售、能源及旅游业中的通用时间序列模式，从而直接应用于新的商业场景。
3. 支持多种时间频率：从秒级支付数据到小时级资金需求、日级航空需求和月级经济指标，“鹰序TST”2.0在单一架构下均可处理多种时间频率。

蚂蚁国际诚邀全球开发者通过GitHub参与“鹰序TST”AI大模型2.0的API试用计划，提供反馈，共同推动时间序列学习领域的创新发展。