AI大模型如何助力天氣預報？

陳冰

隨著人工智能風潮席卷全球，天氣與氣候預報系統正在加入到這場技術變革之中，人們熱切地期待人工智能能夠助力解決和應對氣候變化這一全球性問題。

事實上，國內的氣象大模型正在這一領域不斷發力。早在去年7月，《自然》雜志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》。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，速度相比傳統數值預報提速10000倍以上。《自然》評價認為：“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。”

緊接著，在當年12月舉行的《聯合國氣候變化框架公約》第二十八次締約方大會上，由上海科學智能研究院、復旦大學和中國國家氣候中心聯合研發的伏羲次季節大模型在“氣候風險應對：技術創新與金融支持”的國際研討會發布。與現有國際權威模型相比，伏羲次季節大模型的預報精度更準、預報周期更長、運行速度提升千倍。

在此之前的9月1日，復旦大學2023級新生開學典禮在光華樓前大草坪舉行。此前，上海已接連三日雨水不斷，當人們以為第四天也如天氣預報所說“今天有雨”，只得取消室外活動時，復旦大學卻反其道而行之——近20年來首次舉辦戶外開學典禮。典禮進行時陽光普照，校長金力道出緣由：“‘伏羲說，今天上海不下雨。”

這無疑是“伏羲”在現實生活中最生動的一次應用。經過1年的迭代更新，2024年6月3日，伏羲氣候氣象大模型發布了2.0版本，相較于去年推出的 1.0 系列，“伏羲”2.0 的中期天氣預報大模型和次季節大模型，面向新能源、航空運輸等行業取得進展。

6月18日，中國氣象局宣布推出三種先進的AI氣象大模型系統：風清、風雷和風順，旨在提高氣象預測的準確性和效率。這些系統各自針對不同的氣象預測需求，展現了人工智能在氣象領域應用的最新進展。

在過去兩年里，人工智能天氣新模型層出不窮。除了中國發布的一系列大模型外，包括谷歌、微軟和英偉達在內的國外科技公司也在人工智能天氣建模領域取得突飛猛進的進展。

人工智能在氣候變化風險管理領域有諸多可利用空間，而且在產業經濟領域中有諸多深化應用的方向，可降低綠色低碳轉型中面臨的多種風險。

上海科學智能研究院院長漆遠指出，世界范圍內真正有能力開發氣象預報系統的國家很少，當前天氣預測中心高度集中在發達國家和中國。“當人工智能的訓練僅憑一張卡就可以跑起來的時候，成本會非常便宜，發展中國家也可以使用它，一起享受人工智能在氣象系統中的效益，促進氣候公平公正。”

天氣預報為啥總不準？

看似簡單的天氣預報，背后是一項復雜的系統工程，涉及數據收集、數值模式模擬、預報人員綜合判斷分析等。簡單來說，天氣預報的第一步首先是數據收集。氣象學家從地面氣象站、氣象衛星、雷達、飛機、浮標和海洋站等來源收集大氣數據。這些數據包括溫度、濕度、風速、風向、氣壓、降水量等。

目前，我國已建立地、天、空一體化的氣象綜合觀測體系，通過氣象衛星、天氣雷達、地面觀測站等，收集氣溫、氣壓、濕度、風向、風速等氣象資料，持續監測天氣變化。

接下來就是進行數據分析和數值模擬。海量的觀測數據收集到中國氣象局，形成大數據庫，再通過高性能計算機“氣象超算”，利用天氣氣候等數十個數值模式不斷計算，得到數值模式結果。當前，我國天氣預報已由站點預報轉變成全球化的格點預報，形成了0到30天的無縫隙智能數字預報體系。

在得出數值模式結果后，預報人員會根據模型結果和自己的經驗綜合判斷分析，根據具體情況共同“會診”、人工“訂正”，最后形成對外發布的預報預警產品。

盡管收集到的氣象資料在不斷豐富，但對于一些偏遠區域，如高原、海洋等，可得到的觀測資料依舊較少。因此，作為“原材料”的初始觀測資料會存在誤差，得出的數據也會有出入，最終形成天氣預報的偏差。

業內人士指出，天氣的變化受到地球周圍大氣運動變化影響，大氣內部的動力和熱力過程，其相互作用的數值模式非常復雜，任何一套模型都無法完美再現大氣運動，必須不斷研究、積累，不斷地發展完善數值模式。

當前，大尺度天氣系統的預報比小尺度天氣系統預報更準確。受限于數值模式的時空分辨率、計算機資源等影響，對于局地小尺度的天氣系統，如局地雷暴、強對流天氣等，仍不能夠精確地模擬。尺度越小，需要的計算資源越大，尤其是在全球氣候變化的背景下，精準氣象預報是一個非常大的挑戰。

AI大模型助力“沙漠地帶”

全球當前主流的人工智能氣象預測模型主要集中于0到15天的天氣預測。復旦大學研究團隊在氣候大會上發布的“伏羲”次季節大模型，是一種介于天氣預測和季節預測之間的預測，是對某一地區未來幾周的天氣情況進行預測，由于時間范圍更長，迄今為止還屬于氣候科學領域的“沙漠地帶”。提升次季節預測能力，既是該學科領域迫切的發展需求，也是國際前沿的科學技術問題。

上海科學智能研究院院長、復旦大學教授漆遠告訴《新民周刊》，全球氣候風險嚴峻，需要找到更有效的技術創新路徑來應對。此番發布的“伏羲”次季節氣候大模型通過對強高溫、強降溫、強降水等主要天氣過程的次季節預測，實現了傳統技術手段無法達到的高精度，可以助力更好地應對氣候變化。

國際權威機構歐洲中期天氣預報中心（ECMWF）評測，由人工智能驅動的伏羲氣候氣象大模型可以提前15天預測全球天氣變化，比如氣溫、風速和氣壓等天氣參數，在多個評測指標上超過ECMWF和主流大模型結果，同時計算速度也比傳統模型快千倍。

在此基礎上，研究團隊對伏羲氣候氣象大模型進行進一步優化，終于推出預測周期長達45天之久的伏羲次季節大模型。相較于伏羲中短期模型，三倍的預測周期時長充滿變數。伏羲大模型先把隨機采樣引入與ChatGPT類似的Transformer架構，再通過集合預報來反映次季節預測的不確定性。

特別需要指出的是，伏羲次季節模型的工作原理不同于傳統的天氣模型。傳統的天氣預報，比如由位于英國雷丁的歐洲中期天氣預報中心運行的“歐洲”模型，是借助數學公式來描述大氣和海洋中空氣和水運動的物理原理，以預測天氣系統的時空變化。由于這類數值天氣模型對計算能力有著極高要求，傳統模型不僅運行昂貴且耗時，精度也常常受到限制。

而人工智能天氣模型則不必為數學公式“發愁”。漆遠介紹道，這類模型首先需要接受訓練，即識別大量歷史氣象數據中的模式。當接收到最新氣象數據時，人工智能天氣模型通過應用從歷史模式中習得的知識來完成預測。該過程的計算強度要小得多，并且可以在小型計算機上于幾分鐘甚至幾秒鐘內完成預測。

事實上，伏羲次季節模型并不只以天氣預報為主要目的。“我們最近的工作，一方面是延長預測周期，另一方面是預測極端天氣事件。”漆遠說，氣候災害預警正是該模型的另一重要價值所在。研究團隊將預測期限進一步增加，以期盡早地預測潛在的極端天氣事件，為應對和減緩措施爭取到更多時間。

伏羲系列氣象大模型2.0。

漆遠進一步指出，人工智能在氣候變化風險管理領域有諸多可利用空間，不僅能夠改變氣候科學的基礎研究范式，突破氣候復雜系統模式預測的局限性，在更長時間范圍內實現對氣候風險的精準刻畫，而且在產業經濟領域中有諸多深化應用的方向，可降低綠色低碳轉型中面臨的多種風險。

助力更多行業發展

自伏羲氣象大模型亮相以來，科研團隊不斷提高模型的精度，推進它在不同行業中的應用。上海科學智能研究院地球科學負責人、復旦大學研究員李昊介紹，相較于去年推出的1.0系列，“伏羲”2.0的中期天氣預報大模型和次季節大模型，面向新能源、航空運輸等行業取得進展。

臺風、暴雨、干旱、洪澇……氣候變化的加劇導致極端天氣事件頻發，威脅多個行業的穩定與發展。在海運過程中，洋流、風向、臺風、航線選擇等對航海安全、成本等影響巨大。通過高精度的全球天氣預報，遠洋氣象導航對降低航行成本及規避惡劣天氣具有重要意義，但長期以來，航海中的氣象導航被日本、荷蘭等國外廠商壟斷。

在與中遠海運的合作中，“伏羲”2.0進行優化升級，首個面向氣象導航優化的全球氣象大模型應運而生，為國家航海安全保駕護航。李昊說：“在面向氣象導航對伏羲大模型進行優化的過程中，我們提高時空分辨率，實現未來15天0.1度逐小時氣象預測；構建海氣耦合模型，納入風浪、涌浪、海溫等要素，提升全球風、浪、流、能見度等預測精度；進行極端天氣優化，提升臺風、極端降水等更多災害性場景的預測精度。”多層次煥然升級的“伏羲”2.0，有望助力解決遠洋氣象導航長期依賴國外服務廠商問題，落實“國船國導”。

面向新能源產業，“伏羲”2.0是全球首個針對新能源優化的氣象大模型，相當于為風電場和太陽能電站裝上智能導航系統，能帶來更準確的風速、輻照和發電能力預測，優化風電和太陽能發電的效率、平衡電網負荷、減少棄風棄光等。

令人期待的是，借助“伏羲”，未來可能不再存在飛機晚點、延誤等令人惱火的飛行體驗。上海科學智能研究院院長漆遠表示：“云量的優化對航空業的飛行安全至關重要。我們能夠利用‘伏羲，對航空關注的低云量、總云量等多個要素進行觀測，從而預測飛行中可能遇到的積冰、顛簸、光線明暗不均等各種天氣現象，提升飛行體驗，降低行業成本。”

研發團隊指出“伏羲”下一步的升級計劃是：推進“端到端”氣象大模型，構建基于氣象大模型的同化系統，實現多種衛星資料同化（微波、紅外等），擺脫對傳統模式的依賴；開發地球系統大模型，實現大氣、海洋、陸面、冰凍圈的預報，探索大氣污染、氣候風險預報；構建基于大模型的國產化再分析數據集，利用大模型構建完全獨立自主的國產化再分析數據，擺脫模型訓練對國外數據的依賴。

李昊團隊去年發布了45億參數量的中短期天氣預報大模型，預測效果在公開數據集上首次達到業界公認的ECMWF（歐洲中期天氣預報中心）集合平均水平，并將預測速度從原來的小時級縮短到了3秒內。“基于復旦大學智能計算CFFF平臺的千卡并行智能計算，45億參數量規模的大模型只用一天就完成了訓練。傳統的計算平臺是很難做到的。”李昊說，升級后的“伏羲”2.0相對數值模式計算速度有千倍以上的提升。這種突破不僅提升了預報的精度和時效性，也能為相關產業帶來顯著的經濟效益。

國內高校最大的云上科研智算平臺CFFF在復旦大學正式上線。

以阿里云綠色數據中心為例，設置在烏蘭察布的數據中心結合當地天然的氣候優勢，使得智能計算CFFF平臺可實現年平均PUE（數據中心消耗的所有能源與IT負載消耗的能源的比值）小于1.2，每年節省總電力超過2000兆瓦時，節省電費數百萬元，年均節碳量達1500噸。

眼下，復旦大學、中遠海運科技股份有限公司、國家氣候中心、上海數據集團有限公司、上海市漕河涇新興技術開發區運營管理有限公司、上海科創投集團、上海科學智能研究院、國網電力實驗室等13家單位聯合成立智能氣象創新生態聯盟，通過聯盟，各方將共享資源，共同推進伏羲系列氣象大模型的產業化應用，構建開放、協作、創新的氣象產學研生態系統。

“如果說伏羲系列氣象大模型在上智院和復旦大學的誕生突破是從‘0到‘1，那么智能氣象創新生態聯盟就是為了解決基礎性技術突破后的產業化接力問題，完成‘1到‘10乃至‘100的關鍵步驟。”生態環境部應對氣候變化司一級巡視員蔣兆理說，“當前大數據、云計算、人工智能等新興技術正在加速向經濟社會和公共治理的各個領域融合滲透，今天的聯盟只是一個開始。”

PUE

Power Usage Effectiveness的簡寫，是評價數據中心能源效率的指標，是數據中心消耗的所有能源與IT負載消耗的能源的比值。

PUE = 數據中心總能耗/IT設備能耗，其中數據中心總能耗包括IT設備能耗和制冷、配電等系統的能耗，其值大于1，越接近1表明非IT設備耗能越少，即能效水平越好。