不再需要超級計算機！英偉達在AI天氣預報領域開辟新路徑

人工智能重塑氣象預報領域：降本提效之余，更解鎖全球普惠新可能

圍繞人工智能的討論從未停歇—— 從科技廠商與企業的巨額投入、AI 實際投資回報率的行業爭論，到該技術對網絡安全、就業市場的影響，再到人們對虛假信息泛濫及信任危機的擔憂，種種熱議之下，人們很容易忽略人工智能在特定行業的實際應用價值。

醫療健康與生命科學、制造業、金融服務、零售電商等數據密集型行業均在 AI 的賦能之列，氣象預報領域亦是如此。如今，伴隨 AI 智能體的融入，這項技術在氣象預報領域的發展日新月異，正取得重大突破，也推動著全球相關市場的擴張。有觀察人士預測，該市場規模將從兩年前的 1.657 億美元，增長至 2033 年的 9.263 億美元。

當前主流的氣象預報方法是一套名為數值天氣預報的三步流程：氣象學家從氣象站、探空氣球、船舶和飛機等多渠道收集數據，將其輸入復雜的大氣數值計算模型，再對結果進行后期處理—— 比如提升空間分辨率、融入氣象預報員的人工研判結果。

英國圖靈研究所的研究人員去年曾撰文指出：“這一流程需要巨型超級計算機、復雜的配套軟件和龐大的技術支持團隊。” 不僅成本高昂，還會耗費大量的能源與時間。

如今，眾多企業紛紛布局 AI 氣象預報領域：既有谷歌及其旗下Deepmind團隊（推出 GenCast、WeatherNext2 系列模型）、微軟（推出 Aurora 模型）這樣的科技巨頭，也有氣象公司（推出 GRAF 模型）這類專業機構，還有圖靈研究所（推出 Aardvark 氣象預報技術）等小型 AI 專精企業。

依托持續迭代的 AI 模型與工具，曾高度依賴巨型超級計算機和大批專業人員的氣象預報工作，如今在筆記本電腦這樣的小型設備上就能完成。這不僅大幅降低了預報成本，也讓此前不具備技術和資金條件的國家，得以開展本土化的氣象預報工作。

英偉達氣候模擬研究主管、加州大學歐文分校地球系統科學教授邁克?普里查德在一場媒體發布會中表示：“氣象預報的重要性不言而喻。氣候變化引發的極端天氣愈演愈烈，對我們所有人、現代生活的幾乎方方面面都產生了深遠影響。氣象預報與每個人息息相關，它能推動農業、能源、航空業發展，還能為應急響應工作提供關鍵支撐。而氣象預報的技術體系正迎來變革，人工智能在這一領域掀起了一場科學革命，解鎖了諸多此前被認為難以實現的預報能力。”

極端天氣造成數萬億美元經濟損失

惡劣天氣引發的災害，帶來了巨額的經濟損失。2024 年，美國共發生 27 起重大極端天氣事件，總損失高達 1827 億美元；2015 至 2024 年十年間，相關損失累計更是突破 1.4 萬億美元（原文 20125 為筆誤，應為 2015）。

英偉達深耕 AI 氣象研究與預報領域，也就不足為奇了。2024 年，英偉達推出地球二號（Earth-2）氣候數字孿生平臺，該平臺的核心目標是大幅提升全球氣象與氣候模擬、可視化的規模和效率。普里查德介紹，這一平臺“內置多款模型，可實現氣象預報、降尺度處理（將低分辨率預測結果轉化為高分辨率）、生成可落地的預測結論，還配備了用于評估預報精度和能力的工具”。

平臺所集成的第三方模型，均來自歐洲中期天氣預報中心、微軟等機構和企業。

其中包括 FourCastNet、CorrDiff 兩款經典模型，還有其他廠商研發的模型 —— 這些模型均部署在英偉達的 Earth2Studio 工具包中。這一基于 Python 的工具包，能為開發者提供支撐，使其可為地球二號平臺開發專屬模型和應用。

開源預報模型與全新技術架構

近日，在美國休斯敦舉辦的美國氣象學會年會上，英偉達發布了一套開源的 AI 氣象預報模型與工具，其中包含預訓練模型、開發框架和推理庫。此舉旨在為開發者提供更多選擇，方便其對接地球二號平臺，也能助力開發者為自有基礎設施開發氣象預報工具。英偉達的核心目標是，研發出能提升氣象預報速度、同時降低成本的技術，讓更多國家和地區有能力開展自主氣象預報工作。

談及此次開源舉措的初衷，普里查德表示：“我們并非要強迫開發者遵循某種固定的開發模式，而是打造能讓大家各展所長的工具，讓開發者對自身系統擁有最大的控制權。因為對于部分用戶而言，訂閱企業級的中心化氣象預報系統是最優選擇；但對于國家這類主體來說，氣象預報的主權至關重要。”

英偉達此次推出了三款全新的氣象預報模型，其中地球二號中期預報模型基于名為 Atlas 的全新架構打造，專為中期氣象預報設計，預報時效最長可達 15 天。該模型可接收并處理氣溫、氣壓、風速、濕度等 70 余種氣象要素數據，普里查德稱，在所有氣象要素的預報精度上，這款新模型均優于谷歌的開源中期預報模型 GenCast。

普里查德評價 Atlas 架構時表示：“從理念和科學層面來看，這是一種向簡潔性的回歸。我們摒棄了為特定場景量身定制的小眾 AI 架構，擁抱簡潔、可擴展的 Transformer 架構的未來。這一架構已在藥物研發、自動駕駛和機器人領域取得顛覆性成果，而此次實踐也證明，這套兼具高性能和成熟工程化工具鏈的技術體系，同樣能在氣象預報領域實現頂尖的預報效果。”

另一款地球二號臨近預報模型基于 StormScope 全新架構打造，預報范圍更聚焦，可實現千米級分辨率的預報，能對當地強對流天氣及其他天氣系統做出 0 至 6 小時的短時預報，且整個預報過程可在數分鐘內完成。普里查德介紹，該模型依托生成式 AI 和 Transformer 架構，可生成 “國家級尺度” 的預報結果；而這 6 小時的預報窗口，對于發布氣象預警的機構、調配應急資源的救援人員而言，是開展本地天氣決策的關鍵窗口期。

該模型直接基于觀測數據模擬風暴的動態變化，在短時降水預報方面，精度遠超傳統的基于物理原理的天氣預報方法。

普里查德強調：“這款模型的核心優勢在于，其訓練數據直接來源于全球可獲取的靜止氣象衛星觀測數據，而非特定區域的物理模型輸出結果。這意味著，只要是衛星覆蓋良好的地區，這套臨近預報方案都能適配落地。任何國家都能依托它打造自主可控、高分辨率的強對流天氣預報體系，無需依賴成本高昂的本地數據檔案庫。”

數據同化是核心關鍵技術

第三款地球二號全球數據同化模型，則基于 HealDA 全新架構打造，其核心作用是生成氣象預報的初始場條件。簡單來說，該模型能為全球數千個點位生成當前的大氣狀態快照，精準捕捉氣溫、風速、濕度、氣壓等要素數據，即便是衛星直接觀測盲區的區域，也能完成數據補全。普里查德表示，依托 GPU 算力，該模型完成全部數據同化工作僅需數分鐘，而傳統超級計算機則需要耗費數小時。

他認為，這一技術突破具有里程碑意義：“過去五年，人工智能領域和科研界的研究重心大多放在預報模型上，而數據同化這一狀態估計任務，始終未能通過 AI 技術得到有效解決。但在傳統氣象預報體系中，這一環節所消耗的超級計算資源，約占總算力的 50%。”

目前，英偉達地球二號平臺已匯聚多款 AI 氣象預報模型與工具，可同時服務于商業和非商業場景，相關資源均在 GitHub 和 Hugging Face 平臺開源。英偉達還透露，已有多家機構開始使用或測試該平臺的產品：以色列氣象局正在應用 CorrDiff 模型開展預報工作，氣象公司對臨近預報模型進行效果驗證，標普全球能源等金融服務企業則借助 CorrDiff 模型開展氣候相關的風險評估。

EETOP創芯大講堂芯片課程推薦