AWS发布案例文章，介绍迪卡侬使用Chronos-2在云端进行大规模商品需求预测。
迪卡侬需要为多个大洲的数万种商品预测每周需求。案例显示，团队将Chronos-2部署在Amazon SageMaker上，预测准确率提升11至15个百分点，并降低了运行流程的复杂度。
AWS称，该方案在仅使用CPU实例的情况下执行每周推理，单次周度推理成本约为0.03美元。实际成本和效果取决于商品数量、数据质量、预测周期及部署配置。
来源：AWS Machine Learning Blog，发布时间：2026年8月29日。
案例中的“准确率提升11至15个百分点”是AWS对特定商品、数据和评估设置的报告值，不应当作所有零售预测都能达到的保证。预测质量会受到促销、缺货、季节性、商品上新和区域差异影响；汇总平均值也可能掩盖某些商品类别误差变大的情况。
复现实验时，先与企业现有基线在相同预测周期和数据截止点比较，避免模型看到预测时点之后才出现的信息。分别检查畅销品、长尾商品、新品和促销期的误差，并把过量备货与缺货的成本纳入业务评价，因为两种方向的偏差影响并不相同。
每周推理约0.03美元是文章所述配置下的成本信息，实际账单仍会随商品规模、数据准备、存储、调用频率和监控开销变化。除单次推理价格外，还应核算数据管道维护和预测被业务采纳后的总体收益。
