时间序列基础模型（TSFM）在多领域序列上进行预训练，但需求序列仅占极小比例。需求数据具有短历史、零值频繁、缺货导致的删失以及序列未记录的外生事件等特性。为此我们提出 EXAONE Demand，核心包括需求专属语料库和需求感知适配器。语料库汇聚 73 个来源，构成 11.3 M 条序列、48.4 B 条观测，并通过合成生成器补足公开需求数据缺失的行为模式。适配器在冻结的通用域主干上挂载低秩分支，每个分支对应平滑、间歇、波动和块状四类需求，并配备路由器读取输入序列的八个尺度无关统计量，以决定各分支的贡献权重。我们实现了两种版本：一种在真实需求与合成数据共同训练，另一种仅使用合成语料。实验在 22 个未见数据集上进行，两个版本均超越 36 种现有 TSFM，且加入真实需求数据相较仅用合成数据可进一步提升性能。
点评