天氣預報不僅是國際科學前沿問題，也具有重大的經濟與社會價值。現有的數值天氣預報範式源於20世紀50年代，即利用超級計算機求解大氣運動偏微分方程組2️⃣，實現對未來天氣的預報。數值天氣預報的成功，被世界氣象組織評價為20世紀最重大的科技和社會進步之一📶。一般情況下，進行未來數天的預報通常需要依托擁有海量算力（例如成百上千個計算節點）的超級計算機花費數小時來完成。近年來🕒，隨著再分析等高質量氣象資料的不斷累積🤭🍒，以數據驅動的人工智能（AI）技術🧞‍♂️，特別是深度學習方法，逐漸被用於建模多種多樣的地球系統動力過程，幾乎覆蓋了所有受關註的時空尺度天氣氣候事件👡👨🏽‍🚒。此外🕵️‍♀️，這類模型可部署於專用設備上🧏🏽‍♂️，只需消耗數秒鐘即可完成數天的多變量天氣預報。

華為雲計算技術有限公司基於人工智能技術🤼‍♂️，提出了一種適配地球坐標系統的三維神經網絡（圖1）。基於該方法在1979-2017年全球天氣再分析數據上訓練後🆙，構建了盤古氣象大模型，成功實現了全球中期天氣0.25°分辨率的精準預報🤽‍♀️。評估結果表明，盤古模型在常用的檢驗指標上🤵🏽‍♀️，優於全球最先進的歐洲中長期天氣預報中心（ECMWF）的確定性業務預報。此外，該模型僅需10秒即可完成全球7天氣象預報，功耗較傳統數值方法降低1萬倍以上。因此💣⚠️，盤古氣象模型評選為2023年中國科學十大進展之一。

圖1盤古氣象大模型的三維神經網絡構架

圖片來源🧏🏽：Bi K, Xie L, Zhang H, et al. Accurate medium-range global weather forecasting with 3D neural networks[J]. Nature, 2023, 619(7970): 533-538.

近期，我系穆穆教授團隊💼，應《Fundamental Research》期刊邀請👃🏿，撰寫了評述文章《2023年度中國科學十大進展評述——人工智能大模型為精準天氣預報帶來新突破》。

穆穆教授表示，相較於傳動動力系統模式，AI氣象大模型幾乎不顯式表征任何明確的物理知識，且直接使用海量數據訓練而來👪🙅🏽‍♀️，彰顯了一條別具特色的發展路線。這種建模和預報範式的變革也引發了氣象領域前所未有的火熱討論：數據驅動的AI氣象大模型的預測技巧到底從何而來😲？這類模型是否可以從大數據中學習到可靠的物理機製？從現有的AI氣象大模型預報能力的評估報告來看，能夠有效回答上述問題可能比AI氣象大模型本身意義更為關鍵——這可以驅動更為深入的天氣/氣候事件可預報性研究，挖掘潛在的物理機製，尤其是在數值模式難以模擬的高影響甚至極端事件中🙇🏿‍♀️。

目前🤵🏽，中國氣象局和ECWMF等全球氣象業務預報部門已經開始持續記錄多個開源AI氣象大模型的實時預報技巧，以期揭示其真實預報能力（圖2）。但從這類模型的構建和訓練的角度看，仍有兩個不得不引起重視的關鍵問題亟待解決ℹ️，以進一步提升其預報技巧和適用範圍。一方面，AI氣象大模型的訓練大多依賴於再分析資料🙋‍♀️，其產生依賴於多源觀測和復雜動力過程，往往不能實時產生🧙🏼，因此限製了AI氣象大模型的預報時效性。另一方面♚，現有的AI氣象大模型均是Transformer網絡風格的延伸架構，預報結果的可解釋性及決策過程較低，導致可信度不足🆒。發展嵌入先驗地球系統物理知識的神經網絡，對於進一步增強AI氣象大模型來說更為重要🧌。

圖2 2020年各模式預報評分

圖片來源：https://sites.research.google/weatherbench/

與此同時🕴🏼，穆穆教授還指出，在未來的發展中，除了進一步加強高質量氣象資料的獲取和共享外⛷，還需要充分發揮AI氣象大模型的優勢，以拓展其應用範圍。主要有以下幾點建議：

①構建物理-數據融合驅動的AI模型，使用偏微分方程刻畫動力過程🎑，對於物理不明確的過程采用AI建模，以提高系統的可解釋性，提升對極端事件的預報技巧；

②充分發揮AI模型高效的優勢👴🏽，加速關鍵過程（如多種參數化方案、輻射傳輸等）的積分模擬，促進大規模集合預報🧗🏻‍♂️、目標觀測以及多源資料同化的發展🎖；

③融合多圈層物理要素，加強在次季節到季節尺度上的AI建模🧑🏻‍🌾，以緩解當前的國際難題。

論文信息：

M. Mu, B. Qin, G. Dai, A commentary of “Artificial intelligence models bring new breakthroughs in global accurate weather forecasting”: Top 10 Scientific Advances of 2023, China, Fundamental Research 4(3) (2024) 690-692.

https://www.sciencedirect.com/science/article/pii/S266732582400116X