自古以來，“風雲莫測”是人類對天氣最無奈的感嘆。然而，人工智能技術的迅猛發展，讓科學家們看到更精準預測天氣與氣候的前景。

　　“我們期待AI模型在時間與空間分辨率方面，可以媲美乃至超越物理模型。”10月22日，在江蘇省南京市啟幕的第36屆中國氣象學會年會上，中國科學院院士、復旦大學特聘教授穆穆作大會報告時指出，當前，天氣與氣候事件的可預測性研究，聚焦於厘清預測不確定性的原因和機制，而AI模型或將助一臂之力。

　　本屆年會中，多位院士、學者圍繞人工智能時代的天氣與氣候預測、氣象領域高性能計算、颱風預報新技術等前沿話題展開交流。而人工智能，是話題中的高頻詞。

　　多重優勢加持，AI氣象大模型展現潛力

　　盤古、風烏、伏羲……在我國，這些帶有中國傳統文化印記的AI氣象大模型，如今正在颱風預測、短期氣候預報等領域，幫助人類提升對於天氣的預測精度和效率。

　　“使用AI技術建模預報多種天氣氣候事件已逐漸成為研究熱點。”穆穆認為，用氣象大模型進行可預報性研究，機遇與挑戰並存。

　　“AI氣象大模型有三大優勢，一是計算時間更快，傳統的物理計算模型原本約1小時的計算量，AI幾分鐘就能計算出來；二是預報準確率更高，例如在颱風路徑的預報中，部分大模型的預報準確率已經比數值模式高；三是自帶優化模塊，可以根據使用需求進行多種可預報性研究。”穆穆&&，這都為大模型的應用提供了機遇。

　　借助AI，科學家和氣象工作者們已經“破譯”了不少氣候變幻的玄機。穆穆介紹，針對有“全球氣候開關”之稱的厄爾尼諾-南方濤動（ENSO）現象，有學者基於Transformer架構（一種深度學習模型）構建的AI模型，預測時長已經突破18個月，遠超傳統動力模型。在今年8月對大西洋颶風的預報中，大模型與動力數值預報結果越來越相似，二者對於颶風生成位置的判斷幾乎相同。

　　穆穆團隊也曾利用大模型，通過海表溫度、海上風場的數據，找到位於太平洋中部和西太平洋的ENSO敏感區。在黑潮入侵南海的預測中，他們通過優化大模型的模塊，找到了目標觀測敏感區。

　　在中國氣象局上海颱風研究所所長余暉看來：“全球人工智能天氣預報模型的颱風路徑預報相對於傳統的全球數值天氣預報模式也有明顯優勢。”今年8月，該所數值預報團隊推出了基於高分辨率颱風再分析資料訓練的上海颱風智能模型1.0版。該模型將颱風的預報分辨率提高到公里級，且將預報時間從此前傳統數值預報模型的64分鐘壓縮至3分鐘。

　　AI與傳統方案融合，打破計算精度瓶頸

　　面對瞬息萬變的氣象，AI的預測能力也需迭代。穆穆認為，當前氣象大模型的研發，尚存兩大短板。“大模型的運算邏輯是投喂數據、輸出數據，但給出的預報結果是由什麼物理機制推理出的，還解釋不清。此外，大模型的時間分辨率還不夠高，例如部分大模型對颱風數據的生成，只能6小時刷新一次，而傳統數值模式只需要幾分鐘。”穆穆同時舉例，在國外研究團隊進行的一次研究中，氣象數據驅動的AI模型無法觀察到傳統數值模式中常見的“蝴蝶效應”。穆穆分析，這應該歸因於AI模型的時空分辨率過低和微小擾動的量級與訓練集原本的量級不匹配。

　　無獨有偶，在中國工程院院士、清華大學教授鄭緯民看來，目前AI仍不能解決精確計算的問題。而AI的不完美，卻可以由高性能計算（HPC）補齊。

　　“新一代天氣預報應該是HPC與AI的結合。需要借助多類型超算，將AI與傳統科學計算方案深度融合，打破計算精度瓶頸，以大幅提升整體計算性能。”鄭緯民説。

　　地球系統數值模擬，被科學家用來模擬地球現狀，預測未來的氣候變化。鄭緯民&&，算力推動地球系統模擬精度演進，進行地球系統模擬研究，也對HPC提出更高期待。鄭緯民建議，未來，要建立異構、眾核的超算系統。面對海量的計算量，千萬核並行將成為地球系統模擬的重要能力。同時，還需要建立高內存、大帶寬的超算系統，將計算硬體與算法協同設計，讓低精度與高精度計算有效組合。 （記者 金 鳳）