近年来，全球气候变化加剧，极端天气频发。为此，加速气象预报的速度、提高准确性的必要性日益凸显。2023年以来，中美研究机构陆续推出气象大模型，有望大幅减少气象预测耗时、延长预报周期，并提高准确性。在此基础上，研究机构正进一步开发地球系统基础模型，综合考量大气、海洋、陆面、冰冻圈的情况，有助于全面加强气候变化应对、灾害预警和生态治理工作，将对国防、交通、能源、应急管理和农业等部门的工作产生深远影响，对于可持续发展具有积极意义。
一、加紧应对气候变化的必要性日趋突出
气候变化是指温度和天气模式的长期变化。这些变化可能由各类原因造成，如太阳周期的变化、人类活动的影响等。气候变化的不良后果包括极端干旱、水资源短缺、海平面上升、洪水以及生物多样性减少等，这些后果都将对经济发展和生态文明带来严重影响。
近年来，全球极端天气频发，多地遭遇暴雨洪灾、高温干旱等灾害。世界经济论坛【2024年全球风险报告】将气候变化定义为是世界变得更不稳定的「结构性力量」，认为极端天气事件是2年内全球第二大风险和10年内最大风险。10年内的前三大风险还包括「地球系统关键变化」以及「生物多样性丧失和生态系统崩溃」，这些风险互相关联，互相强化。2024年，至少有10个国家的地表温度超过了50摄氏度；有15个国家的气温纪录创新高。
图1 当前全球风险形势
来源：世界经济论坛2023-2024年全球风险认知调查
且极端天气事件释放的能量有助于加强大气环流，进一步使极端天气事件更加极端、持续时间更长。 短期来看 ，极端天气对生命与财产安全的直接损害较为突出。国际SOS组织发布的【2024年度全球风险展望】指出，气候变化对医疗健康、全球供应链平稳等产生显著影响。在2023年前11个月，国际SOS组织向客户发布的与气候相关的警报数量增加了4倍，与气候相关的医疗警报同比增加了80%。 长期来看 ，气候变化对于宏观经济运行的影响突出。气候灾害在2023年给美国造成的经济损失超过230亿美元，超2020的纪录。国际货币基金组织报告，2023年的干旱导致阿根廷的经济萎缩了2.5%。世界经济论坛的一篇报道指出，2000年-2019年间，全球极端天气事件造成的损失估计达2.8万亿美元，即平均每小时给世界造成1600万美元的损失。根据牛津经济研究院的研究，到2050年，气温可能上升2.2℃，全球GDP水平也因此会降低20%；而到2100年，如果变暖达到5℃，则可能导致人类文明的经济毁灭。
因此，改进气象预报工作和加紧应对气候变化显得尤为重要。精准的气象预报能够为防范极端天气事件提供宝贵的时间窗口，从而减少生命和财产损失。同时，积极应对气候变化，通过减少温室气体排放、推广可再生能源和加强国际合作等措施，可以减缓气候变化的速度，减少其对经济和生态环境的长期负面影响。在此背景下，科技手段有望帮助改进气象预报工作、加紧应对气候变化影响。我国2022年5月发布的【国家适应气候变化战略2035】提出，结合物联网、大数据和人工智能等新一代信息技术，加强基础设施与重大工程气候变化影响监测和风险预警。2024年3月，中国气象局印发【人工智能气象应用2024年度实施方案】，提出要加快人工智能和大数据在气象业务服务中的「核心支柱」能力建设，推动人工智能赋能气象高质量发展。美国政府于2024年6月发布的【气候适应计划】中也提到，将气候数据用于政策制定与决策。
二、人工智能在气象领域的应用正对气象预报工作产生积极影响
（一）高效预测：从数值气象预报到AI气象模型的转型
预测天气是一项复杂且消耗大量能源的任务。全球气象机构使用的标准预报方法被称为数值气象预报（NWP），是一种基于物理原理的数学模型。它利用超级计算机处理来自全球的浮标、卫星和气象站天气数据。这些计算能准确描绘出热量、空气和水蒸气如何在大气中移动，但对算力严重依赖，且是能源密集型的。中美英日等多国都为预测天气、研究大气和水文等用途开发了超级计算机系统，投入了大量的研究和能源资源。
为加速气象预报工作并提高能源效率，研究人员开发了基于深度学习的AI气象模型。全球目前主要使用的AI气象预测模型包括谷歌DeepMind的GraphCast、华为云的盘古大模型、清华大学和中国气象局的NowcastNet、阿里巴巴的SwinVRNN、复旦大学开发的伏羲、上海人工智能实验室的风乌、英伟达的FourCastNet、微软和华盛顿大学的DLWP，以及欧洲中期气象预报中心（ECMWF）的CNN模型。
（二）气象大模型进一步提高预报能力
随着ChatGPT掀起人工智能大模型发展热潮，科研人员也开创性地将大模型运用于气象领域，进一步促进了AI气象预报工作。2023年以来，中美研究机构和企业展示了气象大模型的若干进展。此类大模型通过结合传统物理模型和先进的深度学习算法，提高气象预报的准确性和效率，以及扩大了有效预报时长。
中国方面 ，2023年7月，华为公司在【自然】期刊发表盘古气象大模型研究成果，将三维神经网络用于精准中期天气预报。这是首个精度超过传统数值预报方法的AI模型，能提供全球气象秒级预报，其气象预测结果包括位势、湿度、风速、温度、海平面气压等，可以直接应用于多个气象研究细分场景，可用1.4秒完成对全球24小时的天气预报，速度相比传统数值预报提速10000倍以上。2024年3月，上海人工智能实验室联合国家气象中心、国家气象信息中心、南京信息工程大学、香港科技大学等机构发布全球高分辨率AI气象预报大模型「风乌GHR」，首次实现对中期天气进行10公里级的建模与预报，并将有效预报时长由10.75天提升至11.25天。5月，中国气象局启动人工智能气象预报大模型示范计划，并公布了【人工智能气象大模型训练专题数据目录】，旨在促进AI气象预报大模型开发，目标是制作未来0至15天的气象预报，包含高空气象要素、地面气象要素、定量降水预报、台风路径及强度预报、灾害性天气过程预报等5类预报产品。6月，上海科学智能研究院发布伏羲气象大模型2.0。这个是全球首个面向气象导航、新能源等应用场景优化的气象大模型，同时针对航空运输进行了优化。伏羲气象大模型2.0还实现了多种卫星资料同化、开发了地球系统大模型，实现大气、海洋、陆面和冰冻圈的预报。
图2 伏羲大模型预测图
图片来源：上海科学智能研究院
美国方面 ，英伟达公司自2024年3月以来陆续发布Earth-2气候数字孪生云平台、CorrDiff模型和StormCast模型，可准确预测局部风暴，提高了推理速度并降低预测推理的能耗。5月，美国微软公司发布新版AI天气模型Start，可预测云层出现时间。新版Start模型结合了5种不同的人工智能模型和3种深度学习架构，并通过过去数十年的天气数据训练，在未来1周天气预报方面准确率比欧洲中期天气预报中心（ECMWF）高17%，未来4周天气的预报准确率高4%。6月，微软公司推出首个大规模大气基础模型Aurora，该模型的参数量只有13亿，但它在超过100万小时的各种天气和气候模拟中进行了训练，这使它能够全面了解大气动力学，即使在数据稀缺地区或极端天气情况下也能出色地完成各种预测任务，计算速度较现有的数值气象预报系统SOTA提高了约5000倍。7月，谷歌公司发布名为NeuralGCM的开源人工智能天气预测模型，将传统的基于物理的气象建模与机器学习相结合，以提高模拟的准确性和效率，可生成2~15天的天气预报。
图3 微软Aurora大模型架构
图片来源：微软
气象大模型基于数据驱动，运用了包括Transformer、卷积神经网络（CNN）、图神经网络（GNN）以及U-Net等多种先进的编码算法。这些模型不仅预报常见的地表和大气变量，还能处理复杂的气候动态和模式。此外，一些模型还融入了生成对抗网络（GAN）和强化学习，以提升预测的准确性和适应性。相关技术的结合进一步提高气象预报的运算效率和空间分辨率等性能，使得AI气象模型在处理大规模数据集、实时分析和极端天气事件预测方面表现优异。
三、气象大模型将在多层面产生广泛、积极影响
（一）气象大模型有助于预测和减轻极端天气影响
气象大模型能够在数据较少的情况下出色地完成预测任务，这将有助于获取数据稀缺地区（如部分发展中国家和极地地区）的准确天气和气候信息。在部署气象大模型后，将提升气象预报的准确性、降低对算力的依赖，并提高能源效率和运算速率。这将对军事、农业、交通、能源和应急管理等部门的工作提供有力支撑，帮助更好地应对气候变化带来的挑战。例如，精确的气象预报可为防灾减灾、光伏发电量预测、以及种植养殖、能源开采和军事行动的规划提供依据，特别是极端天气频发的状况下，这项工作的价值更大。
气象大模型的带来的颠覆性变革远不止气象预报，更有助于构建地球系统模型，这种模型利用数学和物理公式来描述大气圈、水圈、岩石圈、生物圈、冰冻圈组成的五大圈之间的相互作用。通过耦合各要素的动力学方程，地球系统模型能够模拟气候系统的复杂变化。例如，地球系统基础模型会考虑大气层的环流、地表的反射率和植被覆盖率等因素，以准确描述和模拟不同要素之间的相互作用。通过模拟不同情景下的气候变化、海平面上升、干旱等灾害风险，以及人类活动对环境的影响，地球系统基础模型有望为制定气候变化应对措施与环境保护政策提供重要参考。
图4 气候模型示意图
图片来源：Wikipedia
（二）气象大模型地球系统基础模型代表科学人工智能领域的有效成果
气象大模型和地球系统基础模型的进展，代表着科学人工智能（AI for Science）的有效成果。人工智能技术通过自动化数据分析、模式识别和预测，极大地提高了科学研究的效率和准确性。通过深度学习和机器学习算法，AI可以发现数据中隐藏的模式，加速科学研究过程。例如，在基因组学领域，AI可以分析大规模基因数据，快速找出相关基因与疾病的关联，加速新药研发进程。AI还能处理复杂的数据模式、提供新的实验设计方案，从而帮助科研工作者更好地利用有限资源进行研究。未来，AI将成为科学研究的重要工具，帮助科学家处理海量数据、发现新的研究方向和优化实验设计等。
四、存在的风险和不足
尽管人工智能在气象领域的应用有助于应对气候变化，防范灾害风险，但也有以下风险和不足应当引起重视：
（一）天气剧烈变化的挑战加剧
由于天气变化加剧、加快，对天气预报形成了更大的挑战。天气模拟过程中涉及到的变量非常多，需要集合地面和来自空中的大量信息才能反映出天气的变化特征，需要巨大且没有上限的算力。尽管AI天气预报有效提升了性能，但面对复杂、变化快的地球系统，精准预报仍然是巨大的挑战。
（二）AI技术本身具有不确定性
气象大模型可精准模拟预测天气的变化，为决策者提供科学依据，对于防范极端灾害性天气、推动实现可持续发展目标等方面具有积极意义。然而，AI模型仍存在模型参数不确定性、前期研发成本高昂等局限性，需要不断改进和优化。此外，AI做出决定和判断的过程具有不确定性，可能受到数据噪声和扰动因素的干扰，从而产生错误的结果，造成严重后果。
（三）全球技术发展水平存在不均衡
如果能建立地球基础模型，则可以深入了解大气结构与动力学，为人类合理干预天气变化提供帮助，如合理的增雨雪、防雹、消雨、消雾、防霜等，达到防灾减灾的效果。然而，并非所有国家都有足够的能力运用先进的科技进行高水平的天气预报，即使一些先进的气象大模型以开源的方式面向全球公开，很多国家与地区仍没有能力部署运用。为此，加强全球合作与共享、增强AI技术和预报能力的普惠性依然任重道远。
参考资料：
1.瑞士再保险（2021），【气候变化经济学】， https://www.swissre.com/dam/jcr:e73ee7c3-7f83-4c17-a2b8-8ef23a8d3312/swiss-re-institute-expertise-publication-economics-of-climate-change.pdf
2.国际SOS：2024 年极端天气事件对企业或人员产生显著影响
https://www.shkjb.com/content.html?id=234077
3.AI气象大模型最新总结 ! 揭秘智能天气预测的新纪元
https://cloud.tencent.com/developer/article/2367070
4介绍 Aurora：第一个大规模大气基础模型
https://www.microsoft.com/en-us/research/blog/introducing-aurora-the-first-large-scale-foundation-model-of-the-atmosphere/
作者简介
唐乾琛 国务院发展研究中心国际技术经济研究所研究二室
研究方向：信息领域战略、技术和产业前沿
作者丨唐乾琛
编辑丨郑实
研究所简介
国际技术经济研究所（IITE）成立于1985年11月，是隶属于国务院发展研究中心的非营利性研究机构，主要职能是研究我国经济、科技社会发展中的重大政策性、战略性、前瞻性问题，跟踪和分析世界科技、经济发展态势，为中央和有关部委提供决策咨询服务。「全球技术地图」为国际技术经济研究所官方微信账号，致力于向公众传递前沿技术资讯和科技创新洞见。
地址：北京市海淀区小南庄20号楼A座
电话：010-82635522
微信：iite_er
