眾所周知，一到夏季，每個廣東人都在期待一場聽話的臺風，比如會停工停課的那種。

臺風當然會按時抵達，在每個廣東人踏進公司的那一刻。

這一點，登上了《自然》雜志，發表了研究成果《三維神經網絡用于精準中期全球天氣預報》的華為云盤古氣象大模型能預料到嗎？

北京時間7月6日，《自然》雜志發表了華為云盤古大模型研發團隊研究成果——《三維神經網絡用于精準中期全球天氣預報》。

論文顯示，盤古氣象大模型是首個精度超過傳統數值預報方法的AI模型，速度相比傳統數值預報提速1萬倍以上。

意思是，傳統的數值預報方法需要幾個小時甚至幾天才能完成的天氣預報，盤古大模型只需要幾秒鐘就能搞定！

這是近年來中國科技公司首篇作為唯一署名單位發表的《自然》正刊論文。《自然》評價認為：“盤古氣象大模型讓人們重新審視氣象預報模型的未來，模型的開放將推動該領域的發展。”

20世紀20年代以來，特別是近30年隨著算力的迅速發展，數值天氣預報在每日天氣預報、極端災害預警、氣候變化預測等領域取得了巨大成功。

但是隨著算力增長的趨緩和物理模型的逐漸復雜化，傳統數值預報的瓶頸日益突出，研究者們開始挖掘新的氣象預報范式如使用深度學習方法預測未來天氣。在數值方法應用最廣泛的領域如中長期預報中，現有的AI預報方法精度仍然顯著低于數值預報方法，并受到可解釋性欠缺，極端天氣預測不準等問題的制約。

盤古大模型研發團隊發現，AI氣象預報模型的精度不足主要有兩個原因：

為此，團隊創造性地提出了【適應地球坐標系統的三維神經網絡】來處理復雜的不均勻3D氣象數據，并且使用【層次化時域聚合策略】來減少預報迭代次數，從而減少迭代誤差。

該研究訓練了 4 個模型，分別為 1 小時間隔、3 小時間隔、6 小時間隔、24 小時間隔模型。為了深度訓練每個模型，研究人員使用了43年 （1979-2021 年）的氣象數據，以小時為單位采樣，訓練了 100 個 epoch。盤古氣象大模型在單個 GPU 上的推理成本為 1.4 秒，比 operational IFS 快 10000 倍以上，與 FourCastNet 相當。

“我們使用了全球40年的天氣數據，用200張GPU卡進行預訓練，大概訓練了2個月左右的時間，訓練出了參數量達到億級的盤古氣象大模型。”華為云人工智能首席科學家田奇說。

盤古氣象大模型的水平空間分辨率達到 0.25°×0.25° （約28公里x28公里），時間分辨率為 1 小時，覆蓋 13 層垂直高度，可以精準地預測細粒度氣象特征。作為基礎模型，盤古氣象大模型還能夠直接應用于多個下游場景。

基于這兩點為突破口，相較于其他的預測方式，盤古氣象大模型在高空氣象預測、地表氣象預測數據方面，誤差進一步降低。

比如說，在同一高空變量Z500時，傳統數值方法，以歐洲氣象中心的operational IFS為代表，預測均方根誤差（單位：m2/s2）為152.8和333.7，盤古氣象大模型把誤差減少到134.5和296.7。

據介紹，同一預測精度下，盤古氣象大模型可以預測時間范圍可以延長到36小時以上。換句話說，在高空氣象預測領域，盤古氣象大模型的預測結果比傳統數值預報和AI預報的預測誤差分別降低了10%、30%。

下圖可視化了盤古氣象大模型 3 天里的預報結果。他們研究了兩個高空變量，Z500 和 T850（850 hPa 溫度），以及兩個地表變量，2 米溫度和 10 米風速，并將結果與 operational IFS 和 ERA5 真實數據進行了比較。

結果顯示，盤古氣象大模型和 operational IFS 的結果與真實數據非常接近，但它們之間仍然存在可見的差異。盤古氣象大模型產生了更平滑的等值線，這意味著模型傾向于為相鄰區域預測類似的值。相比之下，operational IFS 的預測結果不太平滑，因為它通過解決帶有初始條件的 PDE 系統來計算每個網格單元的單個估計值，而天氣的混沌性質和不可避免的初始條件以及子網格擴展過程中的不準確性都可能導致每個預報中的統計不準確。

而同一預測精度下，盤古氣象大模型能夠比傳統數值預報時間和AI預報的預測時間更長，當其他方法能夠預測三天氣象時，盤古大模型可以預測四天后甚至是五天后的氣象變化。同時，盤古氣象大模型可以更好地預測更細小的氣象特征變化，從而幫助氣象學家獲得更準確的氣象結果，以及從事相關氣象研究。

今年5月，臺風“瑪娃”走向受到廣泛關注。來自國家氣象中心的消息稱，盤古大模型在“瑪娃”的路徑預報中表現優異，提前5天預報出其將在臺灣島東部海域轉向路徑。

在第19屆世界氣象大會上，歐洲中期天氣預報中心也指出，盤古氣象大模型在精度上有不可否認的能力，純數據驅動的AI天氣預報模型，展現出了可與數值模式媲美的預報實力。

截至目前，盤古氣象大模型能夠提供全球氣象秒級預報，其氣象預測結果包括位勢、濕度、風速、溫度、海平面氣壓等，可以直接應用于多個氣象研究細分場景。

研究團隊將聯合全球氣象機構，繼續探索并發揮AI在氣象領域的應用潛力，為農林牧漁、航空航海等各行業提供支持。

圖文來源 | 中國青年報、界面新聞、機器之心、天方夜譚_絲路、商業小財迷