【资料图】

4月7日，上海人工智能实验室联合中国科学技术大学、上海交通大学、南京信息工程大学、中国科学院大气物理研究所及上海中心气象台发布全球中期天气预报大模型“风乌”。基于多模态和多任务深度学习方法构建，AI大模型“风乌”首次实现在高分辨率上对核心大气变量进行超过10天的有效预报。

据上海人工智能实验室方面介绍，“风乌”在80%的评估指标上超越谷歌旗下DeepMind发布的气象大模型GraphCast。此外，“风乌”仅需30秒即可生成未来10天全球高精度预报结果，在效率上大幅优于传统模型。

在预报精度方面，相比DeepMind的GraphCast，“风乌”的10天预报误差降低10.87%，而相比于传统的物理模型，其误差降低19.4%。此前，全球范围内最好的物理模型HRES有效预报时长最大为8.5天，而“风乌”基于再分析数据达到了10.75天，并且仅需30秒即可生成未来10天全球高精度预报结果。

如何提高天气预报的时效和准确度一直是学界关注的重点课题。随着近年来全球气候变化加剧，极端天气频发，各界对天气预报的时效和精度的期待与日俱增。在气象气候预报任务中，全球中期天气预报是最重要的预测任务之一，也就是以预测未来14天内的大气系统状态为目标，不仅是当前广泛使用的集成天气预测系统的基础，也是区域性数值天气预报系统的背景场和边界条件。

数据显示，过去数十年间，全球中期天气预报的有效性每10年才提高1天，难以满足社会和经济的发展需求。

如今，随着深度学习技术和框架的不断成熟，以ChatGPT为代表的人工智能大模型在自然语言和视觉等领域展示出卓越的能力，人工智能也为地球科学等领域带来全新的研究思路。

由于不需要通过复杂的物理系统仿真，AI气象预报模型突破了传统预报方法的计算瓶颈，因此能够高效地进行预报和集成。同时AI对气象数据关系的强大拟合能力使其有潜力突破传统数值模式预报中的性能瓶颈。

在AI模型的设计和训练过程中，研究团队发现，多个大气变量在优化中存在相互影响且可以看作多任务学习问题；大气数据具有高分辨率高维度大体量的特征，导致模型多步天气预测结果难以直接被优化。

上海人工智能实验室青年科学家白磊向第一财经记者介绍称，“‘风乌’提供了一个强大有效的全球中期天气预报的AI框架，其领先性体现在预报精度、预报时效和资源效率三方面。”

据气象专家介绍，尽管目前市面上有一些产品提供未来15天的气象预报服务，但是10天以上的预报性能还具有很大不确定性，无法达到有效预报的标准。实践证明，将观测与数值预报和人工智能相结合，可有效提升数值预报的准确性。“风乌”首次将全球气象预报的有效性提高到10.75天，具有很大的业务应用价值。