TiRex模型仅含3500万参数，比竞品模型更小巧，具备显著的内存效率优势。该模型不仅在预测质量上超越其他方法，运算速度也远胜同类方案。

NXAI首席科学家、林茨约翰内斯开普勒大学讲席教授Hochreiter解释道："这不再是微小改进，而是TiRex模型在短期与长期预测中相较其他模型实现的质的飞跃。"

时间序列及其分析在全球工业日常运作中占据核心地位——机器人领域亦不例外。NXAI首席执行官Albert Ortig指出："许多人关注ChatGPT等大型语言模型，但工业领域的巨大潜力其实存在于他处——例如汽车设备、机械系统、传送带、焊接工艺或机器人技术中那些快速且内存高效的时间序列模型。这些场景产生的时间序列数据不仅可供利用变现，更能孵化数字化产品。预训练时间序列模型目前正以数百万次的下载量被投入实际经济应用。"

NXAI研发的TiRex模型采用上下文学习技术。研究员Andreas Auer说明："这种学习方式支持零样本预测——即对新时间序列进行预测无需额外训练。这使得非专业人士也能将其作为预测工具使用，并可轻松集成至现有工作流程。特别是在数据有限的情况下，预测质量提升尤为明显。"

基于此，机械制造商可向客户提供TiRex模型作为优化用的数字化产品。借助上下文学习技术，这些模型无需客户重新训练即可直接运行，并能根据客户数据自动优化。Hochreiter补充道："关键在于模型对新时间序列的泛化能力——TiRex在这方面表现卓越。"

该模型的核心优势在于持续监控、分析和更新系统状态的能力。这种所谓的"状态追踪"功能是基于Transformer的方案无法实现的。这意味着TiRex能够近似还原过程中随时间变化的隐藏或潜在状态（例如机械臂的实际操作），从而提升预测精度。据NXAI透露，该模型架构还具备另一优势：可适配不同硬件平台，实现嵌入式人工智能应用。

目前已有机器人专家开始测试该模型及xLSTM技术，首批应用案例值得期待。

本资讯是由“中欧世界展会网”工作人员翻译整理，我们一家汇集全球展会时间地点资讯的服务平台，为客户提供：展位预定，参观服务，设计搭建等服务，欢迎您的来电：400-837-8606 （24小时）接听！