国家自然科学基金委员会发布2023年度“中国科学十大进展”，第一项就是天气预报人工智能大模型。《自然》杂志在3月20日发布了一项来自Google Research洪水预测团队的人工智能模型，可以提前7天预测河流洪水，并且与全球洪水预警系统（GloFAS）进行了对比测试，显示某些预测指标具有相当或者更高的准确性。

  人类一路从农业社会走到工业社会，步入如今的信息化时代。天气预报也经历了从占验天象、节气物候，到天气图再到数值天气预报。

  如今，人工智能（AI）加入天气预报的赛道。预报手段历经演变，人类仍在不懈追求着“天有可测风云”。20世纪中叶以来，数值天气预报方法在汹涌波涛中逐步坐上船长之位，面对AI的强势入局，船长是否会易主？

  01老船长掌舵天气风云

  “老船长”——数值天气预报（NWP,Numerial Weather Prediction）是目前天气预报领域的主流方法之一。

  在19世纪与20世纪之交，克利夫兰·阿贝（Cleveland Abbe）和威廉·皮叶克尼斯（Vilhelm Bjerknes）均提出，天气这个大型流体可以用物理方程进行刻画。随后1922年，路易斯·理查森（Lewis Fry Richardson）出版了《通过数值过程预测天气》，其中生动地描述了他关于一个“天气预报工场”，虽然这并不是一项可行的设计，但是随着第一台电子计算机（ENIAC）发明，1950年在美国普林斯顿大学，人们第一次尝试进行了天气预报的实验，实际为对之前的天气进行模拟预报，而四年后在瑞典斯德哥尔摩才真正第一次进行实时天气预报。

  至今，随着大量观测数据的使用和超级计算机的助力，数值天气预报算得更“准”、更“快”、更“久”。

  2016年1月以来，欧洲中期天气预报中心（ECMWF）的数值预报模式（IFS-HRES）每天进行2次，空间分辨率为0.08°经纬度（相当于赤道附近大约9×9km的空间分辨率），长达10天的预报。然而完成这一约400亿个网格的运算平均需要2.5小时。

  理查森的“天气预报工场”设想（1922）

  南、北半球(SH, NH) 的天气预报技术随时间的演进

  02新船长技术展露锋芒

  几十年来，“老船长”数值天气预报勤恳地为公众服务，为什么还要物色“新船长”呢？

  数值天气预报发展到了一个速度极限，如今在数值天气预报领域所使用的最快的计算机在500强中名列前20，完成十天的数值天气预报也需要数个小时。

  未来的全球数值天气预报模式在水平方向分辨率要达到公里量级，其计算任务可能达到现在的一百到一千倍，可能会需要十倍于现在的能源。

  计算机何时能够完成如此庞大的计算量？

  这一耗费巨大的计算是否难以为继？

  在探索更快、更经济的天气预报计算技术的过程中，AI技术开始进入天气预报赛道。其原理是数据驱动（Data-Driven）的机器学习（Machine Learning），直接跳过了复杂的物理方程计算，直接学习历史气象数据，归纳推理出结果，预测速度提升了几个数量级。盘古气象可用1.4秒完成对全球24小时的天气预报，较数值预报提速10000倍以上。

  AI模式不仅一登场就展现了它的计算速度优势，它的加速度还更具潜力。受限于气象观测的准确度、天气系统中物理过程的复杂性，以及模拟所需的庞大算力，传统数值模式的全球中期天气预报有效预报时间每10年才提高1天，而AI模式的预报有效时间突破周期则快的惊人，2024年3月1日风乌GHR宣布将有效预报时长由10.75天提升至11.25天，仅用不到1年时间即将有效预报时间提升了0.5天。

  AI模式表现在预测精度上与传统的数值天气预报模式接近，甚至在某些预报中精度超过传统数值预报方法。2023年汛期，盘古气象成功预测了“玛娃”“泰利”“杜苏芮”“苏拉”等影响我国的强台风路径。欧洲中期天气预报中心对接入的AI模型与其数值天气预报对比显示，AI模式提供了更准确的预测。

  预报节省的时间和提升的精度使得人们可以更从容地应对天气变化，尤其对于应急事件的管理是非常宝贵的。

  随着空间分辨率的大幅提升，风乌GHR可以为同一面积区域提供更精细、准确的气象预报

  03新船长能否接班老船长？

  今年全国两会政府工作报告中3次提到“人工智能”，更首次提出了开展“人工智能+”行动，预示着人工智能这一新一代信息技术将在未来经济社会发展中发挥更重要的作用。

  3月7日，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。

  这是否表明AI模式将接班传统数值模式？

  AI天气预报的表现也不是无可挑剔的。AI模式是基于数值模式所产生的数据进行训练的，通常使用欧洲中期天气预报中心的第五代再分析数据（ERA5数据集，1940年至今）。

  显然这些数据并非真实的数据。虽然AI模式计算速度快上万倍，但是AI模式的训练速度比较慢，并且这一过程会消耗大量能源。据一项发表于《焦耳》（Joule）杂志的最新研究估计，截至2027年，全球人工智能系统的能源消耗量将相当于瑞典的能源消耗总量。预报过程方面，AI模型就像一个黑匣子，其推理方法是归纳法而非数值预报使用的演绎法，尚无法从机理上解释其取得的预报结果。

  AI天气预报和数值天气预报之间

  不是新老替代

  新船长将成为辅佐老船长的得力助手

  如同傍晚的云彩与日落相辉映

  尽管现在还没有完全准确的天气预报

  但科学家们正倾注百分之百的努力

  致力于提供更为优质、更可靠的天气预报服务

  GraphCast通过不断反馈来学习

  作者：李蓓蓓 南京信息工程大学科技史与气象文明研究院副教授

  整理：蔡琳 董小娴