我们居住的地球，正在经历着人类历史上最热的夏天（之一）。

2023 年 7 月 3 日，地球表面以上 2 米处记录的全球平均气温首次超过了 17 摄氏度，是有记录以来的最高温度。除了人类活动，强势的“厄尔尼诺”也是今夏全球高温加剧的罪魁祸首之一。

图｜地球表面以上 2 米处的全球平均气温（来源：缅因大学）

高温不仅会导致部分地区停业、停产，给当地带来经济损失，也会危害我们的身体健康，甚至死亡，比如因长时间暴露在高温环境下引起的热射病等。

除了异常高温，近年来频发的海啸、台风（飓风）、洪水、冰雹等极端天气，也同样会对人类的经济生活造成难以估量的负面影响。

据世界银行估计，在全球范围内，改进的气象预测和预警系统不仅可以拯救数万人的生命，还可以带来每年 1620 亿美元的经济效益；另外，在过去 50 年中，超过 34% 的记录灾害、22% 的相关死亡人数（101 万人）和 57% 的相关经济损失（2.84 万亿美元），也与极端降水事件不无关系。

因此，如何及时、准确地预测短时和未来的天气状况，已成为科学家们试图努力攻破的重要课题之一。

人工智能（AI）被寄予厚望，被认为是“一个改善极端天气预测的更快、更便宜的替代方案”。

那么，AI 在协助气象预报方面的潜力如何？目前的预测效果又怎么样呢？

今天，同时刊登在 Nature 上的两篇关于“AI 气象预报”的研究论文，便提到了两种基于 AI 的气象预报方法，其中一种方法能够提前一周预测全球气象模式，另一种方法则可以预测短时天气，如极端降水事件。

据论文描述，这两种基于 AI 的方法与现有方法的准确性相当，甚至可以预测此前难以预测的天气现象。

然而，这些 AI 模型是否以及何时可以成为气象学家进行天气预报的主要工具，目前仍然存在一些不确定性和争议，主要的考虑因素在于，这些 AI 模型商业化后的运营成本高低以及是否可以赢得人们的信任。

01

混沌的天气，难以百分百预测

2022年，匈牙利政府在国庆烟花表演开始前7小时，收到了极端天气警报，被迫只能将活动推迟。但在当晚，首都布达佩斯却风和日丽。气象局预测的那场暴雨改变了方向，没有影响首都，转而袭击匈牙利东部地区。

这样不准的天气预报，在我们的日常生活并不少见。想要完全准确预测出天气，为什么这么难？

首先，这是由气象本身的特性决定的。所有天气都是由大气运动引起，后者涉及到太阳辐射、空气对流等诸多物理过程，还有大气圈、冰冻圈、生物圈、岩石圈、水圈这5大圈层在共同作用。

大气运动处在实时变化中，各种各样的因素都无时无刻不影响着未来我们所感知到的天气。就像一场混战，一个微小的扰动就可能引起整个系统长期的巨大连锁反应。

面对如此复杂的天气系统，人类目前主要的预测方法是“数值天气预报”。

科学家们长期研究气象后，设计出一套有海量参数的模型来模拟大气运动。这本质就是在解一套极为复杂的方程。人们要预测天气时，需要先获取无线电探空仪、卫星、气象站等观测到的气象数据，将这些数据作为初始条件输入方程组，而后运算得出结果。

但这个方法十分依赖初始条件的准确性，而天气又是一个处在实时变化中的混沌系统，在计算过程中，一些微小的误差都会造成最终结果的巨大不同。另一方面，复杂的参数化物理模型始终是不完备的，再复杂的物理模型也难以完全模拟出大气运动状况，这就会不可避免地向数值预报引入系统误差。

在3天天气预报上，数值预报的准确度在全球范围可达95%以上的。但如果要预测7天、10天后的天气，准确率就会掉到60%、40%左右，精度仍显不够。

不只如此，数值预报精确度的进一步提升，还面临着算力问题。

天气预报的准确度，受到数值模式的复杂程度影响。数值模式越复杂，就能更准确捕捉更小规模的天气现象。

但是，数值模式越复杂，就意味着要搜集更多气象数据，进行更大量的计算，这对算力的消耗非常大。如 0.25∘×0.25∘ 精度的未来10天数值预报，需在超过3000个节点的超级计算机上花费数小时进行仿真，这让数值预报的预测速度难以进一步提升。

一些地方的气象监测也确实面临着算力问题。马来西亚发生对流风暴普遍，但需要精度更高的分辨率才能捕获对流数据；中国台湾也是一个非常容易受到台风和暴雨等自然灾害影响的地区，要预测这些极端天气状况，也需要更多的算力。

即使在科技高速发展的今天，天气的复杂性、物理模型的不完备、算力的限制，这些都仍制约我们对天气的进一步认知。

02

明天天气如何？AI来预测

天气预报在帮助拯救生命和降低财产损失方面起着重要作用，尤其是在当前极端气候事件愈发频繁的情况下。

当前，最准确的预报系统为数值天气预报，这种方法主要依赖物理方程，但对算力的要求很高，需要高性能计算等方法来支持，而且速度通常很慢，单次模拟需要数个小时，即使在拥有数百个节点的超级计算机上。

近年来，一些基于 AI 的方法展现出了显著提高天气预报速度的潜力，可以在几秒内生成一个 24 小时预报，但准确性一般不如数值天气预报。

在题为“Accurate medium-range global weather forecasting with 3D neural networks”的论文中，由华为云 AI 首席科学家田奇领导的研究团队提出了一个基于 AI 的天气预报系统——盘古气象（Pangu-Weather），其主要技术贡献包括设计 3DEST 架构并应用分层时间聚合策略进行中期预报。

图｜网络训练和推理策略。（来源：Nature）

据介绍，这个 AI 模型使用了 39 年的全球再分析天气数据作为训练数据，其预测准确率与全球最好的数值天气预报系统 IFS 相当；更重要的是，前者在相同的空间分辨率下比后者要快 10000 倍以上。

然而，正如论文中所提到的，盘古气象也存在一定的局限性。

例如，该模型是在再分析数据上进行训练和测试的，而实际的天气预报系统使用观测数据；没有研究降水等天气变量，而忽略这些因素可能会导致模型缺乏一些能力（如利用降水数据准确预测诸如龙卷风这样的小范围极端天气事件）；该方法会产生更平滑的预报结果，增加了低估极端天气事件波及范围的风险；以及时间不一致等问题。

尽管如此，盘古气象依然展示出了大型预训练模型在天气预报方面的潜力。未来，研究团队希望通过融合更多垂直层次和大气变量、整合时间维度并训练 4D 深度网络、使用更深和更宽的网络等方法，实现模型的进一步迭代。

极端降水是导致气象灾害的一个重要因素，因此非常需要通过具有高分辨率、充足准备时间和局部细节的精确预报来减轻其社会经济影响。

在气象预报中，有一种非常短期的天气预报，即从当前时间到未来 6 小时的**“临近预报”**，主要用来提供即时天气的详细信息，对于极端降水事件的风险预防和危机管理非常重要。

然而，目前的方法存在模糊、耗散、强度或位置误差等问题，基于物理学的数值方法难以捕捉关键的混沌动力学（如对流启动），而数据驱动的学习方法未能遵守内在的物理规律（如对流守恒）。

在另一篇论文中，由机器学习领域泰斗、加州大学伯克利分校教授 Michael Jordan 和清华大学教授王建民领导的联合研究团队提出了一个结合物理规律和深度学习进行实时预报降水的模型——NowcastNet。

据介绍，NowcastNet 在临近预报方面表现出色，基于雷达观测数据，可以做到提前 3 小时对 2048 km × 2048 km 的区域进行高分辨降水预测；在一项涉及极端降水预测能力的评估中，该模型在约 70% 的预测中超过了其他方法；此前很难预测的极端降水事件方面，表现尤其突出。

03

精准的天气预报，对我们有多重要

如果盘古气象大模型落实到应用层面，真正实现秒级的精确天气预报，会对我们的生活产生什么影响？

你手机上的天气预报可能不会再以小时为单位预测，而是能实时刷新，你不必再担心明明出门前看了天气预报，却还是遇到突发天气变化。

但更重要的意义，是在极端天气的预测上。

哪怕进入了21世纪，人类依然不断面临着极端天气的考验。近20年来，全球每年极端天气灾害发生次数都在300以上，多则500多次。

每一次极端天气灾害，都将带来巨大的损失。美国国家海洋和大气管理局发布的报告显示，2022年美国一年的极端天气灾害共造成1650亿美元的损失。其中，飓风“伊恩”于去年9月摧毁佛罗里达州的部分地区，损失高达1129亿美元，更造成至少150人死亡。

极端天气越来越频繁，但我们对极端天气的预测却仍不够精确。2016年“莫兰蒂”台风袭来时，刚开始各大数值预报模式均预期台风会在台湾以东海域转向，然而随后两三日预报却大幅将其路径向西调整，结果“莫兰蒂”台风重创中国东南沿岸、中国台湾地区、菲律宾巴丹群岛。

所以，应对极端天气状况，需要一个更精准的预报模型，而盘古在预测极端天气时，就有着出色的表现。

在《Nature》刊登的期刊中，盘古气象大模型计算了RQE值来衡量不同预报方法的极端天气预测趋势，RQE值越接近0表示模型预报更准确。结果显示盘古气象大模型在U10上的RQE值比FourCastNet更接近0，这代表盘古气象大模型在确定性预报上有着更高的精度。

不只是理论上的数值，盘古气象大模型在一些实际运用中也有着不错战绩。

在预测台风“马鞍”的轨迹和登陆时间，盘古气象大模型准确率达90%，远超行业平均水平；在近期另一个台风“玛娃”的路径预报中，中央气象局指出，华为云盘古大模型提前五天预报出台风将在台湾岛东部海域转向的路径。

欧洲中期天气预报中心的对比数据也显示，在预测2022年芬兰寒潮的时候，盘古气象大模型比欧洲中期天气预报中心更快预测出温度下降趋势，提前预测出寒潮的可能。

在第19次世界气象大会上，欧洲中期天气预报中心主任弗洛伦斯·哈比耶展示了华为云盘古气象大模型与欧洲中期天气预报中心的实时运行检验对比情况，前者惊人的预报能力令现场参会人员惊叹如今人工智能技术的发展。

弗洛伦斯·哈比耶评价道：“人工智能技术为发展中国家提供了重要机遇，因为它不再需要大规模的超算资源，还为提升全球预报能力提供了难得的机遇。”

华为轮值董事长胡厚崑也在人工智能大会上表达了对盘古大模型的期许，他认为人工智能的发展，关键要“走深向实”，赋能产业升级。当前阶段，在人工智能领域，华为有两个着力点：第一，打造强有力的算力底座，支撑中国人工智能产业的发展。第二，从通用大模型到行业大模型，让人工智能服务好千行百业，服务好科学研究。“我们希望，AI for Science，能为科学家，科学工作者带来更多新思路、新方法、新工具，也为我们产业输入新的动力。”

正如胡厚崑轮值董事长所说，人工智能的发展要走深向实，让人工智能为千行百业的生产活动服务，为科研创新服务。

一个具有前瞻性的天气预报AI模型的诞生，不仅能让我们更深入了解那喜怒无常的天气，减少因天气的变化莫测而带来的灾害，同时它也将给各行各业带来新变化，让人们切实感受到“精准预报天气”带来的便利。

04

未来三大关键

最后，华为云盘古气象大模型团队如何看待AI气象预报的未来？

答案是三大关键：

首先，大数据。庞大的气象数据是AI模型的基石，当前盘古气象大模型仅使用部分ERA5再分析数据，未来的AI模型将基于海量的、更精细的全球观测数据。

其次，大算力。气象数据超高的分辨率对AI模型的训练造成了巨大的挑战，盘古气象大模型现在的输入分辨率为1440×720×14×5，相比计算视觉任务常用的分辨率224×224×3大约500倍，随着分辨率的进一步增加和模型的增大，需要的算力资源也会迅速增加。

最后，大模型。复杂的气象规律，超高的分辨率与庞大的数据量都决定了AI气象预报需要使用计算量极高的AI模型。

同时，想要不断迭代领先的AI气象预报模型，稳定的云上环境、工作套件和对应的运维也是必不可少的。

文章来源： 学术头条，AIGC开放社区， 浪潮工作室