圖為2023世界人工智能大會上，人們在觀看華為云盤古氣象大模型。新華社記者 王翔攝

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(tǒng)數值預報的瓶頸日益突出，亟須新的天氣預測方式。在眾多預測方式中，科學家將目光瞄向了飛速發(fā)展的人工智能。

(相關資料圖)

聯合國氣象組織及其合作伙伴8月8日宣布，2023年7月成為人類有氣象記錄以來全球平均氣溫最高的月份。除了熱浪，一些國家還遭遇了持續(xù)的暴雨和洪水。氣候變化帶來的極端天氣事件已經成為我們不得不面對的現實。

越早獲得極端天氣的準確信息，越有利于人類提前應對。在眾多預測方式中，科學家將目光瞄向了飛速發(fā)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(fā)表研究成果，揭示了人工智能協(xié)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，數值預報的瓶頸日益突出，研究者們開始挖掘新的方式預測天氣。

7月6日，《自然》正刊發(fā)表了華為云盤古大模型研發(fā)團隊的研究成果——《三維神經網絡用于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(tǒng)數值預報方法的AI模型。

據華為云盤古大模型研發(fā)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預報模型精度不足的主要原因，一是由于原有的AI預報模型都是基于2D神經網絡構建的，無法很好地處理不均勻的3D氣象數據；二是由于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，華為云盤古大模型研發(fā)團隊創(chuàng)造性地提出了適應地球坐標系統(tǒng)的三維神經網絡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，在氣象預報領域，盤古大模型1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）一直呼吁全球天氣預報界作出更多努力，將AI模型作為其預報系統(tǒng)的額外組成部分，并進一步探索此類模型的優(yōu)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、研究員陳云霽指出，基于AI的氣象科學研究，其重點是提高跨越多個時間尺度的季節(jié)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(tǒng)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了AI技術的巨大能量。

在農業(yè)、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(tǒng)中物理過程的復雜性等因素，傳統(tǒng)數值預報方法所需計算資源規(guī)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后于數值方法，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(tǒng)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、海平面氣壓等諸多信息，這些信息對預測天氣系統(tǒng)、風暴軌跡、空氣質量和天氣模式的發(fā)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驗證了盤古氣象大模型的優(yōu)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。中央氣象臺表示，華為云盤古大模型此前在臺風“瑪娃”的路徑預報中表現優(yōu)異，并已應用于今年“杜蘇芮”臺風路徑的預報。

是輔助或是取代現有天氣預報系統(tǒng)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歷快速迭代和進步，但用AI預測未來幾周或幾個月內的中長期天氣仍面臨著諸多挑戰(zhàn)。

馬柱國指出，目前人們對氣候變化的過程并不十分了解，因此在研究某些氣候現象時不得不進行假設，但這樣得到的結論有時并不十分精確，因為模式越精確，需要的觀測資料越多。新技術的發(fā)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。AI技術在氣象領域的應用固然代表著其性能的巨大提升，但未來的氣象有很多不可預知性，一旦模型某個環(huán)節(jié)的數據準確率不足，就會使預測結果產生誤差。

當AI進入氣象預報和大氣物理等應用場景時，其本質上還是通過強大的算力和更智慧的算法對大數據等信息進行更有效整合，以提升預報的準確性和效率。當前，人類在氣象領域的研究仍有很多難題亟待突破。

正如華為云人工智能領域首席科學家田奇博士所說：“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(tǒng)。目前，盤古氣象大模型的主要能力是預測大氣狀態(tài)的演變，以加強現有的預報系統(tǒng)。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?！?/p>

有業(yè)內人士指出，盡管盤古氣象大模型開辟了新的預報途徑，但它是否能補充或取代現有的天氣預報系統(tǒng)，還需要研究團隊進一步研究和驗證，以及天氣預報領域專家的進一步評估。

此外，復雜的氣象規(guī)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(wěn)定的云上環(huán)境和相應的工作套件必不可少。劉 艷

關鍵詞：