Nature重磅：改写AI气象预测，可在台式电脑上运行，速度快千倍

大数据文摘 · 公众号 · 大数据 · 2025-04-02 14:00

正文

论文链接：

https://www.nature.com/articles/s41586-025-08897-0

研究团队表示， 这将为缺乏超级计算机、复杂基础设施和专业知识的发展中国家带来真正的价值 ，以及在任何地方发挥作用，提高效率和准确性，甚至减少天气预报的大量碳足迹。

传统的数值天气预报（NWP）需 3 步，包括：收集信息估计大气当前状态、用复杂计算模型产生预报、处理预报确保其在特定位置可用。

过去两年，AI 虽用于流程第二步，使其速度更快、更准确，但第一步尚未取得更大进展，仍需消耗大量资源。NWP 依赖数据同化、流体力学方程求解、后处理等多个步骤，需超级计算机支持，这使得其运行成本高昂，且难以快速迭代和改进。生成全球预报需约1000节点小时，且依赖高分辨率模型。

在这项研究中，Aardvark Weather 通过其端到端的数据驱动方法，显著降低了气象预测的计算成本。它还能够 在几秒钟内生成全球天气预报 ，相较于传统方法需要数小时甚至数天的计算时间，极大地提高了预测效率。

此外，Aardvark Weather 在多个气象变量和预测时效上展现出与传统 NWP 系统相当甚至更优的准确性，尤其是 在处理小范围极端天气事件时表现出色 。这种高效、经济且准确的特性，使其成为未来气象预测领域的一个重要发展方向。

具体而言， Aardvark 的速度更快。它是 首个完全数据驱动的端到端天气预报系统 ，比传统 NWP 更快、成本更低，其生成速度比现有系统快几个数量级，并且不依赖 NWP 预报产品。

在 4 个 NVIDIA A100 GPU 上，Aardvark 由观测数据生成完整预报大约只需要一秒钟。相比之下，高分辨率预报（HRES）仅执行数据同化和预报就需要大约 1000 个节点小时，这还未考虑下游本地模型和处理。

而且，Aardvark 是端到端的。 Aardvark 学习端到端模型提供了额外的功能， 即能够优化系统，以在任意感兴趣的变量或区域上实现性能最大化 。与传统 NWP 系统相比，机器学习系统不仅速度更快、计算成本更低，而且改进和维护起来也容易得多。

该系统的简单性，不仅使其更容易被已经运行 NWP 的用户部署和维护，还为发展中国家的一些地区提供了运行定制 NWP 的潜力，这些地区的机构通常缺乏运行传统系统的资源和专业知识。