# Google BigQuery เพิ่ม TimesFM 3.0 พยากรณ์หลายตัวแปรพร้อมปัจจัยอย่างโปรโมชันได้ด้วย SQL

> Google Cloud เพิ่ม TimesFM 3.0 ใน BigQuery เมื่อ 7 ต.ค. 2026 ฟังก์ชัน AI.FORECAST พยากรณ์หลายอนุกรมพร้อมปัจจัยอย่างโปรโมชันได้ด้วย SQL โดยไม่ต้องเทรนโมเดลเอง

- ประเภท: ข่าว · หมวด: Data & Analytics
- เผยแพร่: 2026-10-08T14:44:00.000Z · อัปเดต: 2026-10-08T14:44:00.000Z
- โดย: กองบรรณาธิการ THAI DATA, THAI DATA IT BUSINESS ENTERPRISE
- ที่มา: https://thaidata.co.th/data/bigquery-timesfm-3-0-multivariate-forecasting/

## สรุปประเด็นสำคัญ

- Google Cloud ประกาศใน release notes ของ BigQuery วันที่ **7 ตุลาคม 2026** ว่าเพิ่มโมเดล **TimesFM 3.0** สำหรับพยากรณ์อนุกรมเวลา โดยยังอยู่ในสถานะ **Preview**
- ฟังก์ชัน **AI.FORECAST** พยากรณ์แบบหลายตัวแปร (multivariate) ได้เป็นครั้งแรก รับเป้าหมายหลายคอลัมน์ ปัจจัยที่รู้เฉพาะในอดีต และปัจจัยที่รู้ล่วงหน้า เช่น วันหยุดหรือแผนโปรโมชัน
- Google Research ระบุว่า TimesFM 3.0 มี **330 ล้านพารามิเตอร์** ฝึกล่วงหน้าด้วยข้อมูลกว่า **1 ล้านล้านจุดเวลา** และพยากรณ์แบบ zero-shot ได้โดยไม่ต้องเทรนกับข้อมูลขององค์กร
- ใน BigQuery โมเดลใหม่พยากรณ์ล่วงหน้าได้ **1–1,024 จุด** และอ่านข้อมูลย้อนหลังสูงสุด **2,048 จุด** ต่ออนุกรม ขณะที่ TimesFM 2.5 ยังเป็นโมเดลตั้งต้น
- ช่วง Preview คิดเงินตามสล็อตหรือปริมาณไบต์ที่ประมวลผล และเอกสารระบุว่าจะเปลี่ยนเป็น**คิดตามโทเคน**ตั้งแต่ 12/01/2026

Google Cloud เพิ่มโมเดล TimesFM 3.0 ใน BigQuery เมื่อวันที่ 7 ตุลาคม 2026 ในสถานะ Preview ทำให้ฟังก์ชัน AI.FORECAST พยากรณ์อนุกรมเวลาแบบหลายตัวแปรได้เป็นครั้งแรก นักวิเคราะห์ใส่ปัจจัยอย่างแผนโปรโมชันหรือวันหยุดลงในคำสั่ง SQL เดียวได้ โดยไม่ต้องสร้างหรือเทรนโมเดลเอง

TimesFM 3.0 พัฒนาโดย Google Research ซึ่งเปิดตัวงานวิจัยเมื่อ 31 สิงหาคม 2026 พร้อมเผยแพร่โมเดลบน GitHub และ Hugging Face ตอนนั้นทีมวิจัยระบุว่าการผนวกเข้ากับ BigQuery จะตามมาในไม่กี่สัปดาห์ บันทึกการเปลี่ยนแปลงวันที่ 7 ตุลาคมจึงเป็นจุดที่ความสามารถนี้มาถึงผู้ใช้คลาวด์จริง

![release notes ของ BigQuery วันที่ 7 ตุลาคม 2026 ระบุว่าเพิ่ม TimesFM 3.0 ใช้กับ AI.FORECAST, AI.EVALUATE และ AI.DETECT_ANOMALIES และยังอยู่ในสถานะ Preview](https://thaidata-co-th.s3.ap-southeast-1.amazonaws.com/thaidata.co.th/images/articles/bigquery-timesfm-3-0-multivariate-forecasting/bigquery-timesfm-3-release-note.webp?v=d5542fd8) _(ภาพ: Google Cloud (ภาพหน้าจอเอกสาร))_

## TimesFM 3.0 เพิ่มอะไรให้ BigQuery

ตาม release notes โมเดลใหม่ใช้ได้กับสามฟังก์ชัน ได้แก่

- **AI.FORECAST** พยากรณ์ได้ทั้งแบบตัวแปรเดียวและแบบหลายตัวแปร ซึ่งพยากรณ์หลายอนุกรมพร้อมกันจากค่าในอดีตและปัจจัยประกอบ (covariate)
- **AI.EVALUATE** ประเมินความแม่นยำของการพยากรณ์ เฉพาะแบบตัวแปรเดียว
- **AI.DETECT_ANOMALIES** ตรวจหาค่าผิดปกติในอนุกรมเวลา เฉพาะแบบตัวแปรเดียว

เอกสารของฟังก์ชัน AI.FORECAST อธิบายว่าการพยากรณ์แบบหลายตัวแปรต้องระบุ `model => 'TimesFM 3.0'` และใส่คอลัมน์เป้าหมายเป็นอาร์เรย์ใน `target_cols` ปัจจัยแบ่งเป็นสองแบบ แบบแรกคือ `past_covariate_cols` ซึ่งรู้เฉพาะในอดีต เช่น จำนวนลูกค้าที่เข้าร้านแต่ละวัน แบบที่สองคือ `future_covariate_cols` ซึ่งรู้ทั้งอดีตและอนาคต เช่น วันนั้นเป็นวันหยุดสุดสัปดาห์หรือไม่ ผลลัพธ์ของแต่ละเป้าหมายเป็น STRUCT ที่มีค่ามัธยฐานของการพยากรณ์และขอบล่างขอบบนของช่วงพยากรณ์ ระดับความเชื่อมั่นตั้งต้นคือ 0.95

ตัวอย่างในเอกสารใช้ชุดข้อมูลสาธารณะ Citi Bike ของนิวยอร์ก พยากรณ์จำนวนเที่ยวและระยะเวลาเฉลี่ยต่อเที่ยวล่วงหน้า 30 วันในคำสั่งเดียว อีกตัวอย่างใช้ระยะเวลาเดินทางเฉลี่ยเป็นปัจจัยในอดีต และใช้ธงวันหยุดสุดสัปดาห์เป็นปัจจัยที่รู้ล่วงหน้า

## TimesFM 3.0 ทำงานอย่างไร

Google Research ระบุว่า TimesFM 3.0 มี 330 ล้านพารามิเตอร์ ฝึกล่วงหน้าด้วยข้อมูลอนุกรมเวลาทั้งของจริงและข้อมูลสังเคราะห์รวมกว่า 1 ล้านล้านจุดเวลา โมเดลแบ่งข้อมูลเป็นชิ้นละ 32 จุดเวลา แล้วสลับใช้ attention สองแบบ แบบแรกมองย้อนตามเวลาภายในอนุกรมเดียวกันเท่านั้นเพื่อกันข้อมูลอนาคตรั่วเข้ามา แบบที่สองมองข้ามอนุกรมในจุดเวลาเดียวกัน ทำให้เรียนรู้ได้ว่าโปรโมชันของสินค้าหนึ่งกระทบยอดขายของอีกสินค้าอย่างไร

![แผนภาพสถาปัตยกรรม TimesFM 3.0 จาก Google Research แสดงการแบ่งข้อมูลเป็นชิ้นละ 32 จุด และการสลับ attention ตามเวลากับข้ามอนุกรม](https://thaidata-co-th.s3.ap-southeast-1.amazonaws.com/thaidata.co.th/images/articles/bigquery-timesfm-3-0-multivariate-forecasting/timesfm-3-architecture.webp?v=40c4a4d0) _(ภาพ: Google Research)_

รุ่นก่อนหน้าสร้างผลพยากรณ์ทีละช่วง ส่วน TimesFM 3.0 สร้างผลทั้งช่วงในการคำนวณรอบเดียว และให้ค่าควอนไทล์ 9 ระดับ ตั้งแต่เปอร์เซ็นไทล์ที่ 10 ถึง 90 ในตัวอย่างการพยากรณ์ยอดขายไอศกรีม Google แสดงว่าเมื่อใส่ตารางโปรโมชันเป็นปัจจัยที่รู้ล่วงหน้า โมเดลคาดว่ายอดขายจะเพิ่มราว 20% ในวันที่มีโปรโมชัน ขณะที่การพยากรณ์แบบตัวแปรเดียวมองไม่เห็นผลนี้

Google Research รายงานว่าบนชุดทดสอบสาธารณะ GIFT-Eval, FEV-Bench และ Time โมเดลได้อันดับเฉลี่ยดีที่สุดในกลุ่มโมเดลพื้นฐานที่ฝึกล่วงหน้า เทียบกับ Chronos-2, ตระกูล Toto 2.0 และ TimesFM 2.5 ตัวเลขชุดนี้เป็นผลที่ Google วัดเอง องค์กรควรทดสอบกับข้อมูลของตัวเองก่อนตัดสินใจ

![กราฟผลทดสอบ GIFT-Eval จาก Google Research แสดง TimesFM-3 ได้อันดับเฉลี่ยดีที่สุดทั้งการพยากรณ์ค่าเดียวและการพยากรณ์เชิงความน่าจะเป็น](https://thaidata-co-th.s3.ap-southeast-1.amazonaws.com/thaidata.co.th/images/articles/bigquery-timesfm-3-0-multivariate-forecasting/timesfm-3-gift-eval-benchmark.webp?v=c11619b1) _(ภาพ: Google Research)_

## ข้อจำกัดและค่าใช้จ่ายช่วง Preview

| หัวข้อ | TimesFM 2.5 | TimesFM 3.0 |
| --- | --- | --- |
| สถานะใน BigQuery | โมเดลตั้งต้น | Preview |
| ประเภทการพยากรณ์ | ตัวแปรเดียว | ตัวแปรเดียวและหลายตัวแปร |
| ปัจจัยประกอบ | ไม่มี | ปัจจัยในอดีตและปัจจัยที่รู้ล่วงหน้า |
| ช่วงพยากรณ์ (horizon) | 1–10,000 จุด | 1–1,024 จุด |
| ข้อมูลย้อนหลังสูงสุด | 15,360 จุด | 2,048 จุด |

ข้อมูลที่เกิน 2,048 จุดล่าสุดจะถูกตัดทิ้งโดยไม่นำเข้าโมเดล และเมื่อใช้ปัจจัยที่รู้ล่วงหน้า ทุกคอลัมน์ต้องมีข้อมูลครอบคลุมทั้งช่วงข้อมูลย้อนหลังและช่วงที่จะพยากรณ์ อนุกรมที่มีข้อมูลน้อยกว่า 3 จุดจะพยากรณ์ไม่ได้ ฟังก์ชันนี้ใช้ได้ในทุก location ที่ BigQuery ML รองรับ

ด้านราคา ช่วง Preview ผู้ใช้รุ่น Enterprise และ Enterprise Plus จ่ายตามสล็อต ผู้ใช้แบบ on-demand จ่ายตามปริมาณไบต์ที่ประมวลผล เอกสารระบุว่า TimesFM 3.0 จะเปลี่ยนเป็นคิดค่าโทเคนที่โมเดลใช้ตั้งแต่ 12/01/2026 (ตามรูปแบบวันที่ของสหรัฐฯ คือ 1 ธันวาคม 2026) บวกค่าสล็อตหรือไบต์ของส่วนอื่นในคำสั่ง ฟีเจอร์ Preview ยังอยู่ภายใต้เงื่อนไข Pre-GA ของ Google Cloud ซึ่งให้บริการตามสภาพและอาจมีการสนับสนุนจำกัด

## ทำไมเรื่องนี้สำคัญ

ก่อนหน้านี้ การพยากรณ์หลายตัวแปรใน BigQuery ML ต้องสร้างและเทรนโมเดล ARIMA_PLUS_XREG ด้วยคำสั่ง CREATE MODEL ส่วนโมเดลตระกูล TimesFM ที่ใช้แบบ zero-shot ได้ ทำได้เพียงพยากรณ์ตัวแปรเดียว Google Research เองยอมรับว่าโจทย์จริงส่วนใหญ่เป็นแบบหลายตัวแปร การที่ TimesFM 3.0 เข้ามาใน BigQuery จึงทำให้งานพยากรณ์ที่ต้องคำนึงถึงโปรโมชัน วันหยุด หรือสินค้าที่ขายเกี่ยวเนื่องกัน ทำได้ด้วย SQL บนข้อมูลที่อยู่ใน data warehouse อยู่แล้ว

ตลาดโมเดลพื้นฐานสำหรับอนุกรมเวลากำลังแข่งกันในจุดนี้ Google Research เทียบ TimesFM 3.0 กับ Chronos-2 และ Toto 2.0 ซึ่งรองรับหลายตัวแปรเช่นกัน ความต่างของ BigQuery คือเรียกโมเดลได้จากฟังก์ชัน SQL โดยตรง ทีมข้อมูลจึงไม่ต้องตั้งเซิร์ฟเวอร์โมเดลแยก

## ผลต่อองค์กรไทย

- **ค้าปลีกและสินค้าอุปโภคบริโภค** ลองใช้ปฏิทินโปรโมชัน วันหยุดนักขัตฤกษ์ และวันจ่ายเงินเดือนเป็นปัจจัยที่รู้ล่วงหน้า แล้วเทียบผลกับวิธีพยากรณ์ที่ใช้อยู่ ก่อนนำไปวางแผนสต็อก
- **เตรียมตารางปฏิทินให้ครบ** ปัจจัยที่รู้ล่วงหน้าต้องมีข้อมูลครอบคลุมทั้งอดีตและช่วงที่จะพยากรณ์ ทีมข้อมูลควรสร้างตารางวันหยุดและแผนแคมเปญที่ดูแลต่อเนื่อง
- **ทดสอบย้อนหลังเอง** AI.EVALUATE ยังประเมินได้เฉพาะแบบตัวแปรเดียว การวัดผลแบบหลายตัวแปรจึงควรกันข้อมูลช่วงท้ายไว้เทียบกับผลพยากรณ์
- **คุมค่าใช้จ่ายก่อนเปลี่ยนวิธีคิดเงิน** ประเมินปริมาณการเรียกใช้ตั้งแต่ตอนนี้ เพราะราคาจะเปลี่ยนเป็นแบบโทเคนตั้งแต่ 12/01/2026 และยังไม่ควรผูกงานสำคัญกับฟีเจอร์ Preview

ดูข่าวด้านฐานข้อมูลของ Google Cloud อย่าง [Spanner queues](/data/google-spanner-queues-transactional-messaging-ga/) และข่าวอื่นได้ที่[หมวดข้อมูล](/data/)

## คำถามที่พบบ่อย

### TimesFM 3.0 ใน BigQuery คืออะไร?

TimesFM 3.0 คือโมเดลพื้นฐานสำหรับพยากรณ์อนุกรมเวลาของ Google Research ที่ BigQuery เพิ่มเป็นโมเดลในตัวเมื่อ 7 ตุลาคม 2026 ในสถานะ Preview เรียกใช้ผ่านฟังก์ชัน AI.FORECAST ด้วย SQL ได้ทั้งแบบตัวแปรเดียวและหลายตัวแปร โดยไม่ต้องสร้างหรือเทรนโมเดลเอง

### พยากรณ์แบบหลายตัวแปรต่างจากแบบตัวแปรเดียวอย่างไร?

แบบตัวแปรเดียวใช้เพียงค่าในอดีตของอนุกรมนั้น ส่วนแบบหลายตัวแปรพยากรณ์หลายอนุกรมพร้อมกันและนำปัจจัยอื่นมาร่วมคำนวณ เช่น จำนวนลูกค้าเข้าร้านในอดีต หรือวันหยุดและแผนโปรโมชันที่รู้ล่วงหน้า ใน BigQuery ความสามารถนี้ต้องใช้โมเดล TimesFM 3.0

### TimesFM 3.0 ต่างจาก TimesFM 2.5 ใน BigQuery อย่างไร?

TimesFM 2.5 ยังเป็นโมเดลตั้งต้นและพยากรณ์ได้เฉพาะแบบตัวแปรเดียว แต่อ่านข้อมูลย้อนหลังได้ถึง 15,360 จุดและพยากรณ์ล่วงหน้าได้ถึง 10,000 จุด ส่วน TimesFM 3.0 รองรับหลายตัวแปรและปัจจัยประกอบ แต่จำกัดข้อมูลย้อนหลังที่ 2,048 จุดและพยากรณ์ได้ไม่เกิน 1,024 จุด

### ใช้ TimesFM 3.0 ใน BigQuery มีค่าใช้จ่ายอย่างไร?

ช่วง Preview ผู้ใช้ BigQuery รุ่น Enterprise หรือ Enterprise Plus จ่ายตามสล็อตที่ใช้ ส่วนผู้ใช้แบบ on-demand จ่ายตามปริมาณไบต์ที่ประมวลผล เอกสารของ Google ระบุว่า TimesFM 3.0 จะเปลี่ยนเป็นคิดตามโทเคนตั้งแต่ 12/01/2026 บวกค่าสล็อตหรือไบต์ของส่วนอื่นในคำสั่ง


## แหล่งอ้างอิง

- [BigQuery release notes](https://docs.cloud.google.com/bigquery/docs/release-notes) — Google Cloud Documentation
- [The AI.FORECAST function](https://docs.cloud.google.com/bigquery/docs/reference/standard-sql/bigqueryml-syntax-ai-forecast) — Google Cloud Documentation
- [TimesFM-3: A zero-shot foundation model for multivariate forecasting](https://research.google/blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/) — Google Research