网文内容

　　图为2023世界人工智能大会上，人们在观看华为云盘古气象大模型。新华社记者 王翔摄

　　近年来，数值天气预报方法在每日天气预报、极端灾害预警、气候变化预测等领域取得了巨大成功。但是，随着算力增长趋缓和物理模型逐渐复杂化，传统数值预报的瓶颈日益突出，亟须新的天气预测方式。在众多预测方式中，科学家将目光瞄向了飞速发展的人工智能。

　　联合国气象组织及其合作伙伴8月8日宣布，2023年7月成为人类有气象记录以来全球平均气温最高的月份。除了热浪，一些国家还遭遇了持续的暴雨和洪水。气候变化带来的极端天气事件已经成为我们不得不面对的现实。

　　越早获得极端天气的准确信息，越有利于人类提前应对。在众多预测方式中，科学家将目光瞄向了飞速发展的人工智能（AI）。近期，来自中国和美国的科学家分别在国际顶级学术期刊《自然》上发表研究成果，揭示了人工智能协助预报天气的潜力。

　　1小时到7天预报精度超数值天气预报

　　近年来，数值预报方法在每日天气预报、极端灾害预警、气候变化预测等领域取得了巨大成功。但是，随着算力增长趋缓和物理模型逐渐复杂化，数值预报的瓶颈日益突出，研究者们开始挖掘新的方式预测天气。

　　7月6日，《自然》正刊发表了华为云盘古大模型研发团队的研究成果——《三维神经网络用于精准中期全球天气预报》，论文显示，盘古气象大模型是首个精度超过传统数值预报方法的AI模型。

　　据华为云盘古大模型研发团队相关人员介绍，数值预报方法在中长期预报等领域的应用最为广泛。在这些领域中，现有的AI预报方法精度仍显著低于数值预报方法，并受到可解释性欠缺、极端天气预测不准等问题的制约。导致AI预报模型精度不足的主要原因，一是由于原有的AI预报模型都是基于2D神经网络构建的，无法很好地处理不均匀的3D气象数据；二是由于AI预报方法缺少数学物理机理约束，在迭代的过程中会不断积累迭代误差。

　　为此，华为云盘古大模型研发团队创造性地提出了适应地球坐标系统的三维神经网络来处理复杂的不均匀3D气象数据，并且使用层次化时域聚合策略来减少预报迭代次数，从而减少迭代误差。华为轮值董事长胡厚崑表示，在气象预报领域，盘古大模型1小时到7天的预测精度，已经超过欧美一些气象中心在相同预测时间内的预测精度。

　　气象大模型已在极端天气预测中显身手

　　欧洲中期天气预报中心（ECMWF）一直呼吁全球天气预报界作出更多努力，将AI模型作为其预报系统的额外组成部分，并进一步探索此类模型的优势和劣势，以帮助进行天气预测。

　　中国科学院计算技术研究所副所长、研究员陈云霁指出，基于AI的气象科学研究，其重点是提高跨越多个时间尺度的季节性预测和长距空间联系建模的预测能力，以此实现对气象系统的精准预报与控制。

　　欧洲中期天气预报中心主任弗洛伦斯·哈比耶在第19次世界气象大会上详细地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感受到了AI技术的巨大能量。

　　在农业、航空、能源、灾害预警等领域，准确的天气预报具有重大的社会和经济价值。但是，受限于气象观测的准确度、大气系统中物理过程的复杂性等因素，传统数值预报方法所需计算资源规模巨大。据世界气象组织数据，全球中期天气预报的有效性每10年才能提高1天，而数据驱动的AI预报方法将有望以更低的计算成本快速实现高精度的预测。

　　2020年时，AI预报方法在精度上仍远远落后于数值方法，如今，盘古气象大模型已成为首个精度超过数值预报方法的AI模型。不仅如此，它的预测速度相比传统数值预报提高了1万倍，可实现“秒级”全球气象预测，其气象预测结果包括位势、湿度、风速、温度、海平面气压等诸多信息，这些信息对预测天气系统、风暴轨迹、空气质量和天气模式的发展至关重要，可以直接应用于多个气象研究细分场景。

　　欧洲中期预报中心和中国国家气象中心等机构都已在实测中验证了盘古气象大模型的优越性。

　　欧洲中期气象中心公布的今年4—7月盘古气象大模型和欧洲数值模式的对比测试报告显示，以盘古气象大模型为代表的AI预报方法将突破近些年天气预报精度提升缓慢的瓶颈。中央气象台表示，华为云盘古大模型此前在台风“玛娃”的路径预报中表现优异，并已应用于今年“杜苏芮”台风路径的预报。

　　是辅助或是取代现有天气预报系统还未可知

　　正如中国科学院大气物理研究所研究员马柱国所言，极端天气和气候带来的经济损失和人身安全风险不可忽视。