科技日報記者 劉艷

(資料圖片)

“未來5年全球年平均氣溫較工業化前水平暫時升高1.5攝氏度的可能性達到66%。”世界氣象組織（WMO）5月發布的警示言猶在耳，人們便陷入這個夏季暴曬與蒸煮模式的輪番折磨中，而“杜蘇芮”臺風登陸所帶來的損失更令人揪心。

應急管理部發布的2022年全國自然災害基本情況顯示，每年全球大約生成80個臺風，平均有7個登陸中國，2022年臺風災害造成的直接經濟損失高達54.2億元。

臺風生成頻繁，路徑預測難，人類越早獲得臺風移動路徑等極端天氣的準確信息，越利于應對臺風來襲。中美科學家近期分別發表于國際頂級學術期刊《自然》（《Nature》）的兩項獨立研究揭示了人工智能協助天氣預報的潛力。

AI預報天氣精度超越傳統數值預報

近年來，數值天氣預報方法在每日天氣預報、極端災害預警、氣候變化預測等領域取得了巨大成功。但是，隨著算力增長趨緩和物理模型逐漸復雜化，傳統數值預報的瓶頸日益突出，研究者們開始挖掘新的氣象預報范式預測未來天氣。

7月6日，《自然》正刊發表了華為云盤古大模型研發團隊研究成果——《三維神經網絡用于精準中期全球天氣預報》（《Accurate medium-range global weather forecasting with 3D neural networks》），這篇近年來中國科技公司首篇作為唯一署名單位發表在該刊的論文，突破了AI預報天氣精度不及傳統數值預報的世界性難題。

《自然》審稿人對該成果給予高度評價：“華為云盤古氣象大模型讓人們重新審視氣象預報模型的未來，模型的開放將推動該領域的發展。”

華為云盤古大模型研發團隊介紹，在數值方法應用最廣泛的領域如中長期預報中，現有的AI預報方法精度仍顯著低于數值預報方法，并受到可解釋性欠缺、極端天氣預測不準等問題的制約。導致AI氣象預報模型的精度不足的主要原因，一是原有的AI氣象預報模型都是基于2D神經網絡，無法很好地處理不均勻的3D氣象數據，二是AI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，該團隊創造性地提出了適應地球坐標系統的三維神經網絡（3D Earth-Specific Transformer）來處理復雜的不均勻3D氣象數據，并且使用層次化時域聚合策略來減少預報迭代次數，從而減少迭代誤差。

華為輪值董事長胡厚崑表示，2021年發布的華為云盤古大模型已經深入金融、制造、政務、煤礦、鐵路等10多個行業，支撐400多個業務場景的AI應用落地。在氣象預報領域，盤古大模型1小時—7天的預測精度，超過歐美氣象中心的表現，相關論文在國際期刊《自然》雜志上發表，是氣象專家和學術界對盤古大模型用于科學研究的肯定。

實測驗證優越性

歐洲中期天氣預報中心（ECMWF）一直呼吁全球天氣預報界做出更多努力，將人工智能模型作為其預報系統的額外組成部分，并進一步探索此類模型的優勢和劣勢，以幫助天氣管理。

中國科學院計算技術研究所副所長、研究員陳云霽指出，基于智能的氣象科學研究，其重點是提高跨越多個時間尺度的季節性預測和長距空間聯系建模的預測能力，以此實現對氣象系統的精準預報與控制。

歐洲中期天氣預報中心主任弗洛倫斯·哈比耶在第19次世界氣象大會上詳細地展示了華為云盤古氣象大模型與歐洲中期天氣預報中心的實時運行檢驗對比情況，前者驚人的預報能力令現場參會人員感受到人工智能技術帶來的沖擊。

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，受限于氣象觀測的準確度，大氣系統中物理過程的復雜性，傳統數值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年才提高1天，而數據驅動的AI方法將改變這種漸進的發展，有望以更低的計算成本、快速實現高精度的預測。

在2020年的時候，AI預報方法仍遠遠落后于數值方法，如今，盤古氣象大模型已成為首個精度超過傳統數值預報方法的AI模型，預測速度快了1萬倍，實現了“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、海平面氣壓等，這些信息對預測天氣系統、風暴軌跡、空氣質量和天氣模式的發展至關重要，可以直接應用于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發現盤古預測的優越性。

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指出，以盤古為代表的AI方法將改變近些年數值天氣預報精度提升緩慢的瓶頸。中央氣象臺表示，華為云盤古大模型此前在“瑪娃”的路徑預報中表現優異，并應用于今年“杜蘇芮”臺風路徑的預報。

日前，華為云盤古氣象大模型正式上線歐洲中期天氣預報中心（ECMWF）官網，為全球天氣預報員、氣象學家、天氣愛好者和公眾提供了一個免費查看盤古天氣模型10天全球天氣預報的平臺。

準確進行中長期預報尚存挑戰

如中國科學院大氣物理研究所研究員馬柱國所言，極端氣象和氣候表現帶來的經濟損失和人身安全不可忽視，這也是人類社會至今不斷強化技術支撐提高氣象預測準確度的一大原因。

氣象科學家們一直在努力提高天氣預報的準確性，已可相當準確預測未來幾小時或幾天的短期天氣，盡管氣象預報采用的技術手段正經歷快速迭代和進步，但未來幾周或幾個月的中期和長期預報的準確性仍屬挑戰。

AI大模型的出現，為中長期預報向更精準邁進添加了關鍵助力，但人工智能也非萬能。

“目前人們對氣候變化的過程并非十分了解，對某些氣候現象的研究不得不進行假設，越精確的模式需要的觀測資料越多。”馬柱國指出，新技術的發展往往難以突破本身局限性，即便是擁有了大數據和高算力的人工智能技術，也只是實現了對“足夠龐大的已經存在的信息數據”的處理。人工智能技術在氣象領域應用和提升值得肯定，但預測未來，有很多不可預知性，一旦模型某個環節數據出現準確率不足，對結果一定會造成誤差。

有業內人士指出，盡管盤古大模型開辟了新的預報途徑，但新方法如何以及是否能補充或取代現有預報系統，還需要研究團隊進一步研究和驗證，仍需傳統天氣預報領域的進一步評估和參與。

人工智能進入氣象預報和大氣物理應用場景中，本質上帶來的還是通過算力、算法對大數據等信息進行整合，對模型模式提供更多新的技術支持和方法，繼而對預報準確性和效率加以提升，當前，人類對于氣象領域的研究仍存在局限，更多新的認知有賴于科學研究探索和突破約束。

華為云人工智能領域首席科學家田奇博士說：“天氣預報是科學計算領域最重要的場景之一，也是一個非常復雜的系統，涵蓋數學和物理知識的各個方面。目前，盤古天氣主要完成預報系統的工作，其主要能力是預測大氣狀態的演變，以加強現有的預報系統。我們的最終目標是，使用盤古大模型，打造下一代AI氣象預報框架。”

華為云盤古大模型研發團隊強調，復雜的氣象規律，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。打造不斷迭代領先的AI氣象預報模型，穩定的云上環境、工作套件和對應的運維必不可少。

關鍵詞：