在人工智能（AI）相關的無數討論中 —— 從廠商與企業投入的巨額資金、這些企業實際獲得的投資回報率（ROI）爭議，到該技術對網絡安全、就業的影響，以及對虛假信息及由此引發的不信任的擔憂 —— 人們很容易忽略它在特定行業中的實用價值。

這些數據密集型行業包括醫療保健與生命科學、制造業、金融服務、零售與電子商務，而天氣預報行業也位列其中。如今已涵蓋 AI 智能體的這一快速發展技術正取得重大進展，推動著全球市場的發展 —— 部分觀察人士稱，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。

當前的天氣預報采用名為 “數值天氣預報” 的三步法：氣象學家從氣象站、氣象氣球、船舶和飛機等多種來源收集數據，將其輸入復雜的大氣計算模型，隨后進行加工處理，例如擴大空間粒度、納入人工預報員的輸入信息等。

英國圖靈研究所的研究人員去年寫道：“該流程需要巨型超級計算機、復雜軟件和龐大的支持團隊。” 其成本高昂，且耗費大量能源和時間。

眾多企業和機構都在涉足這一領域：既有谷歌及其 DeepMind 部門（推出了 GenCast 和 WeatherNext2 系列模型）、微軟（推出 Aurora 模型）等科技巨頭，也有氣象公司（The Weather Company，推出 GRAF 模型）等專業機構，還有圖靈研究所（推出 Aardvark 天氣預報技術）等規模較小的 AI 專業公司。

借助不斷改進的 AI 模型和工具，長期依賴巨型超級計算機和龐大專家團隊的天氣預報員，如今只需筆記本電腦這類小型設備就能運行預報程序。這降低了成本，也讓此前無力開展相關工作的國家能夠打造自己的本地預報系統。

英偉達氣候模擬研究總監、加州大學歐文分校地球系統科學系教授邁克?普里查德在媒體通氣會上表示：“天氣預報的重要性不言而喻。氣候變化引發的極端天氣日益嚴重，正影響著我們每個人，滲透到現代生活的幾乎各個方面。天氣預報與所有人息息相關，它能推動農業、能源、航空和應急響應等領域的發展。但天氣預報科學正在發生變革，人工智能已在該領域引發科學革命，實現了此前認為難以企及的預報精度。”

數千億美元損失

極端天氣事件的代價極為慘重。2024 年美國發生了 27 起此類事件，總損失達 1827 億美元；2015 年至 2024 年的總損失更是超過 1.4 萬億美元。

不足為奇的是，英偉達一直積極將 AI 應用于氣象研究和預報領域。普里查德介紹，2024 年該公司推出了 Earth-2 氣候數字孿生平臺，旨在大幅提升全球天氣和氣候的模擬與可視化規模，“包含天氣預報模型、降尺度模型（將低分辨率預測轉化為高分辨率可用預測）以及用于診斷預報精度的工具”。

這些外部模型源自歐洲中期天氣預報中心、微軟等機構。其中包括 FourCastNet 和 CorrDiff 模型，以及其他廠商開發并托管在英偉達 Earth2Studio 平臺上的模型 —— 開發者可借助這一基于 Python 的工具包為 Earth-2 構建模型和應用。

開放預報模型與新型架構

今日在休斯頓舉行的美國氣象學會年會上，英偉達發布了一套開放的 AI 模型和工具（包括預訓練模型、框架和推理庫），為開發者提供更多與 Earth-2 協作的選擇，助力他們為自身基礎設施開發相關工具。此舉旨在打造能夠加快天氣預報速度、降低成本的技術，讓更多國家和地區能夠開展相關工作。

談及新方案的開放性，普里查德表示：“我們的目標并非強迫人們采用特定的工作方式，而是提供工具，讓人們能夠以最適合自己的方式開展工作，并對自身系統擁有最大控制權。因為對于部分用戶而言，訂閱企業級集中式天氣預報系統是合理選擇，但對國家等其他用戶來說，主權至關重要。”

英偉達推出了三款新的預報模型：

Earth-2 中期預報模型：基于名為 “Atlas” 的新型架構，針對最長 15 天的中期預報，可接收并處理溫度、氣壓、風、濕度等 70 多個氣象變量。普里查德稱，該模型在這些變量上的性能優于谷歌的 GenCast 中期開放模型。“從理念和科學角度而言，這是對簡潔性的回歸。” 他如此評價 Atlas 架構，“我們正擺脫量身定制的小眾 AI 架構，轉向簡潔、可擴展的 Transformer 架構的未來。這類架構已在藥物研發、自動駕駛和機器人技術領域取得了變革性成果，同時也證明，這些具備成熟性能和工程工具支持的方法，能夠在天氣預報領域實現最先進的成果。”

Earth-2 短時預報模型：基于名為 “StormScope” 的新型架構，預報范圍更集中，具備千米級分辨率，可在幾分鐘內完成 0 至 6 小時的本地風暴或其他天氣系統預報。普里查德表示，該模型利用生成式 AI 和 Transformer 技術打造 “國家級規模” 的預報，而這 6 小時正是 “發布預警的機構和需要調配資源的應急響應人員進行本地天氣決策的關鍵窗口期”。該模型直接通過觀測數據模擬風暴動態，在短期降水預報方面優于現代物理基天氣預報方法。“重要的是，該模型直接基于全球可用的地球靜止衛星觀測數據進行訓練，而非特定區域的物理模型輸出，因此可在全球任何衛星覆蓋良好的地區應用。這讓任何國家都能無需依賴昂貴的本地數據檔案，就能打造自主可控、高分辨率的強天氣預報能力。” 普里查德說。

Earth-2 全球資料同化模型：基于另一款名為 “HealDA” 的新型架構，負責生成啟動天氣預報所需的初始條件。它本質上是繪制當前大氣的 “快照”，涵蓋溫度、風速、濕度、氣壓等數據，覆蓋全球數千個地點，包括衛星直接觀測間隙的區域。普里查德表示，由于基于 GPU 運行，該模型僅需數分鐘即可完成所有工作，而超級計算機則需要數小時。

他補充道，這是關鍵的一步：“過去五年，AI 界和研究界主要關注預測模型，但資料同化這一狀態估計任務在很大程度上仍未被 AI 解決，卻占據了傳統天氣預報超級計算總負載的約 50%。”

這些新的 AI 預報模型和工具，與 Earth-2 平臺上其他適用于商業和非商業場景的工具一道，已在 GitHub 和 Hugging Face 平臺開放。英偉達還提到了一系列正在使用或測試 Earth-2 相關產品的機構：以色列氣象局正在使用 CorrDiff 模型，氣象公司正在評估短時預報模型，標普全球能源等金融服務公司則利用 CorrDiff 模型進行風險評估。