美國微軟公司將正在開發(fā)的大氣科學(xué)類人工智能（AI）模型正式發(fā)表于國際學(xué)術(shù)期刊《自然》（Nature）。該模型名為Aurora，除了能進行高分辨率天氣預(yù)報，研究團隊還展示了其能更準(zhǔn)確和高效地預(yù)報空氣質(zhì)量、熱帶氣旋路徑和海浪動力學(xué)。

“這是一個面向地球系統(tǒng)的基礎(chǔ)模型，能夠處理多種預(yù)測任務(wù)。”研究團隊在5月21日晚間在線發(fā)表于《自然》上的論文中寫道，受到其他領(lǐng)域基礎(chǔ)模型近期成功案例的啟發(fā)，我們首次讓Auror經(jīng)過了100萬小時以上多樣化地球系統(tǒng)數(shù)據(jù)預(yù)訓(xùn)練。

毫無疑問，在自然災(zāi)害、極端天氣等日益頻發(fā)的背景下，出色的“預(yù)報員”顯得更為重要。地球系統(tǒng)預(yù)報往往能提供多種過程的信息，例如天氣、空氣質(zhì)量、洋流、海冰和颶風(fēng)等，這是對極端事件做出早期預(yù)警的必要工具。

然而，研究團隊指出，這些預(yù)報依賴基于數(shù)十年數(shù)據(jù)的復(fù)雜模型，對算力要求很高，通常需要使用專門的超級計算機和專職工程團隊來維護。同時，由于是大型團隊經(jīng)年累月開發(fā)形成的復(fù)雜模型，其快速改進難度大，且需要投入大量時間和專業(yè)知識才能有效管理。

研究團隊認為，機器學(xué)習(xí)為解決這些問題提供了極具吸引力的工具箱。盡管這一概念早在20世紀(jì)90年代就被引入地球科學(xué)領(lǐng)域，當(dāng)時神經(jīng)網(wǎng)絡(luò)技術(shù)已開始應(yīng)用于各類地球預(yù)測問題。但AI技術(shù)在地球系統(tǒng)預(yù)報中的使用尚未得到充分探索，重要的突破則出現(xiàn)于近兩年。

來自微軟研究院的人工智能首席研究員Paris Perdikaris等人尤其指出，2023年，盤古氣象大模型取得重大突破，其性能超越了最先進的預(yù)報系統(tǒng)，由此掀起了一波基于人工智能的天氣預(yù)報模型研發(fā)浪潮。

2023年7月，同樣在《自然》雜志上，華為云盤古大模型研發(fā)團隊發(fā)表了研究成果——《三維神經(jīng)網(wǎng)絡(luò)用于精準(zhǔn)中期全球天氣預(yù)報》（《Accurate medium-range global weather forecasting with 3D neural networks》）。通過在43年的全球天氣數(shù)據(jù)上訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，盤古氣象大模型在精度和速度方面超越傳統(tǒng)數(shù)值預(yù)測方法。盤古氣象大模型也是首個精度超過傳統(tǒng)數(shù)值預(yù)報方法的AI模型，速度相比傳統(tǒng)數(shù)值預(yù)報提速10000倍以上。

華為官網(wǎng)當(dāng)時寫道，這是近年來中國科技公司首篇作為唯一署名單位發(fā)表的《自然》正刊論文?！蹲匀弧穼徃迦艘矊υ摮晒o予高度評價，“華為云盤古氣象大模型讓人們重新審視氣象預(yù)報模型的未來，模型的開放將推動該領(lǐng)域的發(fā)展?！?/p>

Aurora是一個擁有13億參數(shù)的地球系統(tǒng)基礎(chǔ)模型。圖摘自團隊研究論文

Paris Perdikaris和同事此次報道的Aurora是一個經(jīng)過100萬小時以上地球物理數(shù)據(jù)訓(xùn)練的AI模型。研究顯示，Aurora 預(yù)報空氣質(zhì)量、海浪、熱帶氣旋路徑和高分辨率天氣的表現(xiàn)超過了現(xiàn)有模型，且算力成本低于現(xiàn)有預(yù)報技術(shù)。

例如，在熱帶氣旋路徑預(yù)測方面，論文顯示，平均而言，Aurora在北大西洋和東太平洋的預(yù)測性能比其他7個預(yù)報中心優(yōu)20%，在西北太平洋上優(yōu)18%，澳大利亞地區(qū)優(yōu)24%。

研究團隊提到2023年7月的超強“杜蘇芮”臺風(fēng)，該臺風(fēng)最終成為太平洋地區(qū)造成經(jīng)濟損失最嚴重的臺風(fēng)，損失金額超過280億美元。研究團隊稱，Aurora準(zhǔn)確預(yù)測到“杜蘇芮”將在菲律賓北部登陸。

在實際應(yīng)用中，Aurora在熱帶氣旋預(yù)測方面的表現(xiàn)優(yōu)于當(dāng)前最先進的預(yù)測系統(tǒng)。圖摘自研究團隊論文

值得關(guān)注的是，在Aurora基礎(chǔ)模型的基礎(chǔ)上，研究團隊針對一系列下游任務(wù)的微調(diào)實驗僅需4-8周時間，并且由小型工程師團隊完成，而目前開發(fā)基線模型所需要的時間通常為好幾年。

研究團隊也同時強調(diào)指出，這種加速進程的實現(xiàn)完全得益于數(shù)十年來傳統(tǒng)數(shù)值方法研究積累的龐大數(shù)據(jù)資源。

論文最后還提到，Aurora目前尚未觸及其性能天花板。作者們表示，Aurora是一個地球系統(tǒng)基礎(chǔ)模型，改造后或能用于天氣預(yù)報之外的用途。他們總結(jié)道，Aurora代表了高效地球系統(tǒng)預(yù)報的一次進展，顯示出AI技術(shù)在更廣泛獲取天氣和氣候信息方面的潛力。

論文鏈接：

https://www.nature.com/articles/s41586-025-09005-y