英伟达在人工智能天气预报领域开辟新路

在人工智能（AI）相关的无数讨论中 —— 从厂商与企业投入的巨额资金、这些企业实际获得的投资回报率（ROI）争议，到该技术对网络安全、就业的影响，以及对虚假信息及由此引发的不信任的担忧 —— 人们很容易忽略它在特定行业中的实用价值。

这些数据密集型行业包括医疗保健与生命科学、制造业、金融服务、零售与电子商务，而天气预报行业也位列其中。如今已涵盖 AI 智能体的这一快速发展技术正取得重大进展，推动着全球市场的发展 —— 部分观察人士称，该市场规模将从两年前的 1.657 亿美元增长至 2033 年的 9.263 亿美元。

当前的天气预报采用名为 “数值天气预报” 的三步法：气象学家从气象站、气象气球、船舶和飞机等多种来源收集数据，将其输入复杂的大气计算模型，随后进行加工处理，例如扩大空间粒度、纳入人工预报员的输入信息等。

英国图灵研究所的研究人员去年写道：“该流程需要巨型超级计算机、复杂软件和庞大的支持团队。” 其成本高昂，且耗费大量能源和时间。

众多企业和机构都在涉足这一领域：既有谷歌及其 DeepMind 部门（推出了 GenCast 和 WeatherNext2 系列模型）、微软（推出 Aurora 模型）等科技巨头，也有气象公司（The Weather Company，推出 GRAF 模型）等专业机构，还有图灵研究所（推出 Aardvark 天气预报技术）等规模较小的 AI 专业公司。

借助不断改进的 AI 模型和工具，长期依赖巨型超级计算机和庞大专家团队的天气预报员，如今只需笔记本电脑这类小型设备就能运行预报程序。这降低了成本，也让此前无力开展相关工作的国家能够打造自己的本地预报系统。

英伟达气候模拟研究总监、加州大学欧文分校地球系统科学系教授迈克・普里查德在媒体通气会上表示：“天气预报的重要性不言而喻。气候变化引发的极端天气日益严重，正影响着我们每个人，渗透到现代生活的几乎各个方面。天气预报与所有人息息相关，它能推动农业、能源、航空和应急响应等领域的发展。但天气预报科学正在发生变革，人工智能已在该领域引发科学革命，实现了此前认为难以企及的预报精度。”

数千亿美元损失

极端天气事件的代价极为惨重。2024 年美国发生了 27 起此类事件，总损失达 1827 亿美元；2015 年至 2024 年的总损失更是超过 1.4 万亿美元。

不足为奇的是，英伟达一直积极将 AI 应用于气象研究和预报领域。普里查德介绍，2024 年该公司推出了 Earth-2 气候数字孪生平台，旨在大幅提升全球天气和气候的模拟与可视化规模，“包含天气预报模型、降尺度模型（将低分辨率预测转化为高分辨率可用预测）以及用于诊断预报精度的工具”。

这些外部模型源自欧洲中期天气预报中心、微软等机构。其中包括 FourCastNet 和 CorrDiff 模型，以及其他厂商开发并托管在英伟达 Earth2Studio 平台上的模型 —— 开发者可借助这一基于 Python 的工具包为 Earth-2 构建模型和应用。

开放预报模型与新型架构

今日在休斯顿举行的美国气象学会年会上，英伟达发布了一套开放的 AI 模型和工具（包括预训练模型、框架和推理库），为开发者提供更多与 Earth-2 协作的选择，助力他们为自身基础设施开发相关工具。此举旨在打造能够加快天气预报速度、降低成本的技术，让更多国家和地区能够开展相关工作。

谈及新方案的开放性，普里查德表示：“我们的目标并非强迫人们采用特定的工作方式，而是提供工具，让人们能够以最适合自己的方式开展工作，并对自身系统拥有最大控制权。因为对于部分用户而言，订阅企业级集中式天气预报系统是合理选择，但对国家等其他用户来说，主权至关重要。”

英伟达推出了三款新的预报模型：

Earth-2 中期预报模型：基于名为 “Atlas” 的新型架构，针对最长 15 天的中期预报，可接收并处理温度、气压、风、湿度等 70 多个气象变量。普里查德称，该模型在这些变量上的性能优于谷歌的 GenCast 中期开放模型。“从理念和科学角度而言，这是对简洁性的回归。” 他如此评价 Atlas 架构，“我们正摆脱量身定制的小众 AI 架构，转向简洁、可扩展的 Transformer 架构的未来。这类架构已在药物研发、自动驾驶和机器人技术领域取得了变革性成果，同时也证明，这些具备成熟性能和工程工具支持的方法，能够在天气预报领域实现最先进的成果。”

Earth-2 短时预报模型：基于名为 “StormScope” 的新型架构，预报范围更集中，具备千米级分辨率，可在几分钟内完成 0 至 6 小时的本地风暴或其他天气系统预报。普里查德表示，该模型利用生成式 AI 和 Transformer 技术打造 “国家级规模” 的预报，而这 6 小时正是 “发布预警的机构和需要调配资源的应急响应人员进行本地天气决策的关键窗口期”。该模型直接通过观测数据模拟风暴动态，在短期降水预报方面优于现代物理基天气预报方法。“重要的是，该模型直接基于全球可用的地球静止卫星观测数据进行训练，而非特定区域的物理模型输出，因此可在全球任何卫星覆盖良好的地区应用。这让任何国家都能无需依赖昂贵的本地数据档案，就能打造自主可控、高分辨率的强天气预报能力。” 普里查德说。

Earth-2 全球资料同化模型：基于另一款名为 “HealDA” 的新型架构，负责生成启动天气预报所需的初始条件。它本质上是绘制当前大气的 “快照”，涵盖温度、风速、湿度、气压等数据，覆盖全球数千个地点，包括卫星直接观测间隙的区域。普里查德表示，由于基于 GPU 运行，该模型仅需数分钟即可完成所有工作，而超级计算机则需要数小时。

他补充道，这是关键的一步：“过去五年，AI 界和研究界主要关注预测模型，但资料同化这一状态估计任务在很大程度上仍未被 AI 解决，却占据了传统天气预报超级计算总负载的约 50%。”

这些新的 AI 预报模型和工具，与 Earth-2 平台上其他适用于商业和非商业场景的工具一道，已在 GitHub 和 Hugging Face 平台开放。英伟达还提到了一系列正在使用或测试 Earth-2 相关产品的机构：以色列气象局正在使用 CorrDiff 模型，气象公司正在评估短时预报模型，标普全球能源等金融服务公司则利用 CorrDiff 模型进行风险评估。