隨著算力增長的趨緩和物理模型的逐漸復(fù)雜化，傳統(tǒng)數(shù)值預(yù)報的瓶頸日益突出，研究者開始挖掘新的氣象預(yù)報范式，例如使用深度學(xué)習(xí)方法來預(yù)測未來天氣。在數(shù)值方法應(yīng)用最廣泛的中長期預(yù)報領(lǐng)域，現(xiàn)有的AI預(yù)報方法精度顯著低于數(shù)值預(yù)報方法，并受到可解釋性欠缺、極端天氣預(yù)測不準(zhǔn)等問題的制約。來自華為云的研究人員提出一種新的高分辨率全球AI氣象預(yù)報系統(tǒng)——盤古氣象大模型。作為首個精度超過傳統(tǒng)數(shù)值預(yù)報方法的AI模型，華為云盤古氣象大模型的預(yù)報速度是傳統(tǒng)數(shù)值模式的10000倍以上，能夠提供全球氣象秒級預(yù)報，預(yù)測結(jié)果包括位勢、濕度、風(fēng)速、溫度、海平面氣壓等，可以直接應(yīng)用于多個氣象研究細(xì)分場景。

　　華為云研發(fā)團(tuán)隊兩年前開始AI氣象方向的研究。他們發(fā)現(xiàn)，AI氣象預(yù)報模型的精度不足主要有兩個原因：一是現(xiàn)有AI氣象預(yù)報模型都是基于2D神經(jīng)網(wǎng)絡(luò)，無法很好地處理不均勻的3D氣象數(shù)據(jù)；二是AI方法缺少數(shù)學(xué)、物理的機(jī)理約束，在迭代過程中會不斷積累迭代誤差。為此，團(tuán)隊提出用適應(yīng)地球坐標(biāo)系統(tǒng)的三維神經(jīng)網(wǎng)絡(luò)處理復(fù)雜的不均勻3D氣象數(shù)據(jù)，并且使用層次化時域聚合策略減少預(yù)報迭代次數(shù)，從而減少迭代誤差�；�于43年的全球天氣數(shù)據(jù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)后，盤古氣象大模型在精度和速度上全面超越了傳統(tǒng)的數(shù)值預(yù)測方法。

　　談到為何選擇AI氣象預(yù)報領(lǐng)域作為突破口，華為云研發(fā)團(tuán)隊負(fù)責(zé)人表示：一方面，氣象預(yù)報尤其是對暴雨、臺風(fēng)、干旱、寒潮等極端天氣的精準(zhǔn)預(yù)測關(guān)乎國計民生；另一方面，氣象預(yù)測問題非常復(fù)雜，AI可以從海量數(shù)據(jù)中挖掘出新的大氣演變規(guī)律，在精度和速度上具有相當(dāng)大的提升潛力�！拔磥恚�華為云將聯(lián)合全球氣象機(jī)構(gòu)，繼續(xù)探索并發(fā)揮AI在氣象領(lǐng)域的應(yīng)用潛力，為農(nóng)林牧漁、航空航海等行業(yè)及公共安全領(lǐng)域提供有力的科技支持�！痹撠�(fù)責(zé)人表示。