AI4Weather：打造高精度、秒级响应的气象智能系统

​ ​ 在全球变暖的背景下，极端天气事件频发，对各行业造成深远影响。农业领域，干旱、暴雨和高温热浪的叠加导致农作物减产、农田损毁，威胁粮食安全；能源行业，极端高温推高空调用电需求，导致电网负荷激增，同时，台风、洪水等灾害可能破坏输电线路和能源基础设施；公共健康领域，热浪频发直接导致心血管疾病死亡率上升，而洪水、野火等事件引发的空气污染和水源污染加剧呼吸道与传染病传播风险。此外，交通与物流也面临挑战，暴雨引发的城市内涝和山体滑坡频繁阻断公路、铁路干线，而强对流天气导致航空延误率上升，全球供应链稳定性受到考验。

​ 根据世界气象组织（WMO）数据，若能提前30小时发布预警，极端天气损害可减少约24%。因此，提升天气预报准确率尤为关键。随着各行业对精准实时气象数据依赖增强，天气预报服务市场快速扩展。预计到2033年，全球天气预报服务市场规模将从2023年的24亿美元增长至约48亿美元，2024年至2033年间复合年增长率达7.2%。气象服务正广泛覆盖农业、交通、能源、海洋、健康、旅游、保险及灾害防御等领域。

传统的数值天气预报（NWP）基于数学物理方程，利用计算机求解，虽具备物理可解释性，但计算成本高昂，限制了其预报效率与精度的快速提升。同时，NWP是一个系统性的工程，既需要超强的算力，也高度依赖于气象专家的专业知识和共同智慧，过去数十年间，全球中期天气预报的有效性每10年才提高1天。而随着人工智能技术的飞速发展，AI气象模型通过深度学习海量历史气象数据（包括卫星遥感数据、雷达观测、气象站观测、再分析数据等），直接捕捉大气状态与天气演变的非线性关系，大幅提升预测速度（实现秒级输出）和极端天气识别能力，为依赖精准天气数据的行业带来全新机遇。

​ 近年来，一系列AI气象模型陆续问世。自2022年起，英伟达、华为、谷歌和微软等企业，以及上海人工智能实验室、复旦大学和清华大学等学术机构相继推出FourCastNet、Pangu、GraphCast、FuXi和Fengwu等AI气象大模型，将预报准确度不断推向新高，取得了令人瞩目的成绩，研究成果频频发表于《Science》、《Nature》等顶级期刊，标志着AI4Weather领域取得了突破性进展。AI4Weather正由早期仅替代预报流程中的NWP模式，向端到端的预报模型迈进发展。

​ 全球气象领域正经历由AI驱动与传统模式并行的新格局，欧洲中长期预报中心（ECMWF）发布了第一个业务化运行的AI天气预报系统AIFS，中国气象局自主研发“风清”、“风雷”“风顺”三个气象大模型，均实现了业务落地，并发表布了人工智能天气预报大模型示范计划。该计划面向全社会广泛征集天气预报大模型，实现模型-数据产品-评估全链条衔接，旨在打造权威天气预报大模型检验评估平台。经遴选，14个天气预报大模型正式参加实时预报示范，实现“同台竞技”，将全面迎接2025年汛期复杂天气的检验。

​ 得益于MXMACA软件栈良好的兼容性，沐曦在传统数值天气预报领域，实现了被广泛应用的WRF模式的GPU迁移和加速计算，而在AI4Weather领域，快速适配了FourCastNet、Pangu和FuXi等气象AI大模型，为气象和AI的深度融合提供了自主可控的技术底座。

智算芯闻

• 【智算芯闻】天气预报的进化史——从经验预测迈向理论指引和科学计算，再到拥抱人工智能