螞蟻國際宣布開源其自主研發的 Falcon TST (Time-Series Transformer，中文名「鷹序」) AI 預測模型，是業內首個採用「混合專家」(Mixture of Experts, MoE) 架構並結合多分段模式 (Patch) 的大規模時序預測基礎模型，參數規模達 25 億。模型現已在 GitHub、Hugging Face 及螞蟻國際專屬網站 falcon-tst.ant-intl.com 全面開放，供全球開發者與研究機構使用。
內部應用成效顯著
Falcon TST 最初應用於螞蟻國際內部的現金流和外匯風險預測。系統可按小時、每日或每周進行預測，準確率超過 90%，成功將螞蟻國際的外匯成本降低最高達 60%。在長期預測基準測試中，該模型更達到業界領先的「零樣本」(zero-shot) 表現。
銀行業率先試用
花旗銀行 (Citi) 早於 2025 年 7 月宣布與螞蟻國際合作，試驗將 Falcon TST 應用於客戶的外匯風險管理方案。渣打銀行 (Standard Chartered) 亦於 8 月跟進，整合 Falcon TST 預測螞蟻國際的外匯風險，同樣達到超過 90% 準確率。兩家銀行初期均以航空客戶為試點對象，因航空業每年處理數十億筆支付交易，對外匯管理需求龐大。
跨行業應用潛力
除金融領域外，Falcon TST 可應用於任何具時間序列特徵的數據預測，包括天氣變化、節假日消費、金融市場波動、跨境人流等。螞蟻國際目前正與航空、銀行、網上旅遊平台和電商等行業探索具體應用場景。在航空業試點項目中，該模型可改善匯率對沖策略，顯著降低外匯成本；在企業資金管理方面，根據業務模式不同，營運成本可減少 30% 至 50%。
國際機場協會預測 2025 年全球航空旅客將達 98 億人次，接近疫情前歷史高峰，顯示 AI 預測技術在航空業的應用可為全球消費者帶來可觀成本節省。
開源推動技術迭代
螞蟻國際首席創新官楊江明表示：「我們選擇開源是想讓 Falcon TST 模型能賦能更多行業，同時攜手學界和產業界共同推進 AI 技術的迭代升級，推動 AI 在實體經濟中的應用。」該公司期望透過全球科學家的實際反饋，加速時序學習領域的創新。
資料來源：BusinessWire
