◎本報記者 劉 豔

近年來，數值天氣預報方法在每日天氣預報、極端災害預警、qihoubianhuayucedenglingyuqudelejudachenggong。danshi，suizhesuanlizengchangquhuanhewulimoxingzhujianfuzahua
，chuantongshuzhiyubaodepingjingriyituchu
，jixuxindetianqiyucefangshi。zaizhongduoyucefangshizhong
，kexuejiajiangmuguangmiaoxianglefeisufazhanderengongzhineng。

聯合國氣象組織及其合作夥伴8月8日宣布，2023年7月yue成cheng為wei人ren類lei有you氣qi象xiang記ji錄lu以yi來lai全quan球qiu平ping均jun氣qi溫wen最zui高gao的de月yue份fen。除chu了le熱re浪lang，一yi些xie國guo家jia還hai遭zao遇yu了le持chi續xu的de暴bao雨yu和he洪hong水shui。氣qi候hou變bian化hua帶dai來lai的de極ji端duan天tian氣qi事shi件jian已yi經jing成cheng為wei我wo們men不bu得de不bu麵mian對dui的de現xian實shi。

越早獲得極端天氣的準確信息，越有利於人類提前應對。在眾多預測方式中，科學家將目光瞄向了飛速發展的人工智能（AI）。近期
，來自中國和美國的科學家分別在國際頂級學術期刊《自然》上發表研究成果，揭示了人工智能協助預報天氣的潛力。

1小時到7天預報精度超數值天氣預報

近年來，數值預報方法在每日天氣預報、極端災害預警、氣(qi)候(hou)變(bian)化(hua)預(yu)測(ce)等(deng)領(ling)域(yu)取(qu)得(de)了(le)巨(ju)大(da)成(cheng)功(gong)。但(dan)是(shi)
，隨(sui)著(zhe)算(suan)力(li)增(zeng)長(chang)趨(qu)緩(huan)和(he)物(wu)理(li)模(mo)型(xing)逐(zhu)漸(jian)複(fu)雜(za)化(hua)
，數(shu)值(zhi)預(yu)報(bao)的(de)瓶(ping)頸(jing)日(ri)益(yi)突(tu)出(chu)
，研(yan)究(jiu)者(zhe)們(men)開(kai)始(shi)挖(wa)掘(jue)新(xin)的(de)方(fang)式(shi)預(yu)測(ce)天(tian)氣(qi)。

7月6日，《自然》正刊發表了華為雲盤古大模型研發團隊的研究成果——《三維神經網絡用於精準中期全球天氣預報》

，論文顯示，盤古氣象大模型是首個精度超過傳統數值預報方法的AI模型。

據華為雲盤古大模型研發團隊相關人員介紹，數值預報方法在中長期預報等領域的應用最為廣泛。在這些領域中，現有的AI預報方法精度仍顯著低於數值預報方法，並受到可解釋性欠缺、極端天氣預測不準等問題的製約。導致AI預報模型精度不足的主要原因，一是由於原有的AI預報模型都是基於2D神經網絡構建的
，無法很好地處理不均勻的3D氣象數據；二是由於AI預報方法缺少數學物理機理約束，在迭代的過程中會不斷積累迭代誤差。

為此，華為雲盤古大模型研發團隊創造性地提出了適應地球坐標係統的三維神經網絡來處理複雜的不均勻3Dqixiangshuju，bingqieshiyongcengcihuashiyujuhecelvelaijianshaoyubaodiedaicishu

，congerjianshaodiedaiwucha。huaweilunzhidongshichanghuhou崑biaoshi，zaiqixiangyubaolingyu
，pangudamoxing1小時到7天的預測精度
，已經超過歐美一些氣象中心在相同預測時間內的預測精度。

氣象大模型已在極端天氣預測中顯身手

歐洲中期天氣預報中心（ECMWF）一直呼籲全球天氣預報界作出更多努力，將AI模型作為其預報係統的額外組成部分，並進一步探索此類模型的優勢和劣勢，以幫助進行天氣預測。

中國科學院計算技術研究所副所長、研究員陳雲霽指出，基於AIdeqixiangkexueyanjiu，qizhongdianshitigaokuayueduogeshijianchidudejijiexingyucehechangjukongjianlianxijianmodeyucenengli


，yicishixianduiqixiangxitongdejingzhunyubaoyukongzhi。

歐洲中期天氣預報中心主任弗洛倫斯·哈比耶在第19次(ci)世(shi)界(jie)氣(qi)象(xiang)大(da)會(hui)上(shang)詳(xiang)細(xi)地(di)展(zhan)示(shi)了(le)華(hua)為(wei)雲(yun)盤(pan)古(gu)氣(qi)象(xiang)大(da)模(mo)型(xing)與(yu)歐(ou)洲(zhou)中(zhong)期(qi)天(tian)氣(qi)預(yu)報(bao)中(zhong)心(xin)的(de)實(shi)時(shi)運(yun)行(xing)檢(jian)驗(yan)對(dui)比(bi)情(qing)況(kuang)，前(qian)者(zhe)驚(jing)人(ren)的(de)預(yu)報(bao)能(neng)力(li)令(ling)現(xian)場(chang)參(can)會(hui)人(ren)員(yuan)感(gan)受(shou)到(dao)了(le)AI技術的巨大能量。

在農業、航空、能源

、災害預警等領域，準確的天氣預報具有重大的社會和經濟價值。但是，受限於氣象觀測的準確度
、大氣係統中物理過程的複雜性等因素，傳統數值預報方法所需計算資源規模巨大。據世界氣象組織數據

，全球中期天氣預報的有效性每10年才能提高1天，而數據驅動的AI預報方法將有望以更低的計算成本快速實現高精度的預測。

2020年時，AI預報方法在精度上仍遠遠落後於數值方法，如今，盤古氣象大模型已成為首個精度超過數值預報方法的AI模型。不僅如此

，它的預測速度相比傳統數值預報提高了1萬倍，可實現“秒級”全球氣象預測，其氣象預測結果包括位勢
、濕度、風速、溫度

、海平麵氣壓等諸多信息，這些信息對預測天氣係統、風暴軌跡、空氣質量和天氣模式的發展至關重要，可以直接應用於多個氣象研究細分場景。

歐洲中期預報中心和中國國家氣象中心等機構都已在實測中驗證了盤古氣象大模型的優越性。

歐洲中期氣象中心公布的今年4—7月盤古氣象大模型和歐洲數值模式的對比測試報告顯示
，以盤古氣象大模型為代表的AI預報方法將突破近些年天氣預報精度提升緩慢的瓶頸。中央氣象台表示，華為雲盤古大模型此前在台風“瑪娃”的路徑預報中表現優異，並已應用於今年“杜蘇芮”台風路徑的預報。

是輔助或是取代現有天氣預報係統還未可知

正如中國科學院大氣物理研究所研究員馬柱國所言，極端天氣和氣候帶來的經濟損失和人身安全風險不可忽視。

為了盡可能將損失降至最低，氣象科學家們一直在努力提高預報的準確性。盡管氣象預報采用的技術手段正經曆快速迭代和進步，但用AI預測未來幾周或幾個月內的中長期天氣仍麵臨著諸多挑戰。

mazhuguozhichu，muqianrenmenduiqihoubianhuadeguochengbingbushifenlejie
，yincizaiyanjiumouxieqihouxianxiangshibudebujinxingjiashe，danzheyangdedaodejielunyoushibingbushifenjingque， 因為模式越精確，需要的觀測資料越多。新技術的發展往往難以突破本身的局限性，目前最先進的AI技術也不過是實現了對“足夠龐大的已經存在的信息數據”的處理。AIjishuzaiqixianglingyudeyingyonggurandaibiaozheqixingnengdejudatisheng，danweilaideqixiangyouhenduobukeyuzhixing，yidanmoxingmougehuanjiedeshujuzhunquelvbuzu
，jiuhuishiyucejieguochanshengwucha。

當AIjinruqixiangyubaohedaqiwulidengyingyongchangjingshi，qibenzhishanghaishitongguoqiangdadesuanlihegengzhihuidesuanfaduidashujudengxinxijinxinggengyouxiaozhenghe，yitishengyubaodezhunquexinghexiaolv。dangqian

，renleizaiqixianglingyudeyanjiurengyouhenduonantijidaitupo。

正如華為雲人工智能領域首席科學家田奇博士所說：“天(tian)氣(qi)預(yu)報(bao)是(shi)科(ke)學(xue)計(ji)算(suan)領(ling)域(yu)最(zui)重(zhong)要(yao)的(de)場(chang)景(jing)之(zhi)一(yi)，也(ye)是(shi)一(yi)個(ge)非(fei)常(chang)複(fu)雜(za)的(de)係(xi)統(tong)。目(mu)前(qian)，盤(pan)古(gu)氣(qi)象(xiang)大(da)模(mo)型(xing)的(de)主(zhu)要(yao)能(neng)力(li)是(shi)預(yu)測(ce)大(da)氣(qi)狀(zhuang)態(tai)的(de)演(yan)變(bian)，以(yi)加(jia)強(qiang)現(xian)有(you)的(de)預(yu)報(bao)係(xi)統(tong)。我(wo)們(men)的(de)最(zui)終(zhong)目(mu)標(biao)是(shi)
，使(shi)用(yong)盤(pan)古(gu)大(da)模(mo)型(xing)，打(da)造(zao)下(xia)一(yi)代(dai)AI氣象預報框架。”

有you業ye內nei人ren士shi指zhi出chu，盡jin管guan盤pan古gu氣qi象xiang大da模mo型xing開kai辟pi了le新xin的de預yu報bao途tu徑jing
，但dan它ta是shi否fou能neng補bu充chong或huo取qu代dai現xian有you的de天tian氣qi預yu報bao係xi統tong，還hai需xu要yao研yan究jiu團tuan隊dui進jin一yi步bu研yan究jiu和he驗yan證zheng
，以yi及ji天tian氣qi預yu報bao領ling域yu專zhuan家jia的de進jin一yi步bu評ping估gu。

此外
，複雜的氣象規律
、超高的分辨率與龐大的數據量都決定了AI氣象預報需要使用計算量極高的AI模型。因此，打造不斷迭代領先的AI氣象預報模型、穩定的雲上環境和相應的工作套件必不可少。