身為全球最大的體育用品零售商之一，迪卡儂（Decathlon）面臨著極其複雜的物流挑戰。該公司在全球擁有超過 10 萬名員工與 4 億名用戶，產品線橫跨 80 多種運動項目。從滑雪手套到衝浪板，每種商品的季節性需求與銷售週期截然不同。為了確保全球各地的門市都能在對的時間提供對的商品，迪卡儂近期宣佈導入亞馬遜研發的 Chronos-2 時間序列基礎模型（TSFM），作為其需求預測系統的核心。
在過去，零售業的預測往往依賴於針對特定商品或地區訓練的傳統統計模型。然而，面對迪卡儂如此龐大的業務規模——包含歐洲、印度、中國、東南亞與拉丁美洲等不同市場——傳統方式顯得捉襟見肘。迪卡儂的需求預測主要針對兩個關鍵維度：一是為期 12 週的「補貨窗口」，供採購規劃人員向工廠下單；二是為期 52 週的「戰略地平線」，用於長期的庫存預測與產能規劃。Chronos-2 的導入，讓迪卡儂能以更高的精準度，處理這些橫跨多個大洲、具有高度變動性的銷售資料。
這項技術的影響力在於其底層邏輯的轉變。Chronos-2 將時間序列資料視為一種「語言」任務，利用類似於大型語言模型（LLM）的架構處理數值波動。這種基礎模型的優勢在於它已經過海量資料的預先訓練，對於未曾見過的銷售模式具有強大的泛化能力。這意味著迪卡儂不再需要為每一種新上市的產品從零開始訓練模型，大幅縮短了開發週期，並能更敏捷地應對市場波動，減少因過度補貨產生的庫存壓力，或因補貨不足造成的缺貨失誤。
對整體產業而言，迪卡儂的案例具有指標性意義。這代表了 AI 的應用正從生成式內容擴展到企業的核心營運決策。許多企業過去在導入 AI 預測時，常受困於資料量不足或模型過於破碎化，而 Chronos-2 這種「基礎模型」的成熟，讓中大型企業能更輕易地在雲端環境下擴充預測規模。這不僅是技術工具的升級，更是零售供應鏈數位轉型的里程碑，證明了基礎模型在處理複雜商業時序資料上的實戰潛力。