摘要
美国国家海洋和大气管理局（NOAA）正式启用新一代基于人工智能的全球天气预报模型，作为对现有传统物理模型的补充。该套AI模型系统在运行阶段可减少91%至99%的计算资源，并能将有效预报时效延长18至24小时。核心模型包括AIGFS、AIGEFS和Hybrid-GEFS，其中AIGFS完成16天全球预报仅需传统GFS模型约0.3%的计算资源。这些AI模型依赖于传统数值模式长期积累的历史数据进行训练，目前正处于持续迭代阶段，旨在提升飓风等高影响天气的预报能力。
线索
本次技术升级揭示了几个值得关注的投资方向与潜在风险。
* 投资机会：
1. 高效能计算与云服务：NOAA明确指出新模型大幅降低了对超级计算集群的依赖，这预示着天气预报的算力需求正从传统的本地超算中心向更灵活、成本更优的AI专用硬件（如GPU）和云计算平台转移。云服务提供商和AI芯片制造商有望迎来新的业务增长点。
2. AI模型与数据服务：天气AI模型的性能高度依赖高质量、长周期的历史“分析场”数据。因此，专门从事地球科学数据处理、标注、特征工程以及提供垂直领域AI模型训练服务的公司，将成为整个产业链中不可或缺的一环。
3. 行业应用深化：更快、更准的天气预报将直接提升保险业（灾害风险评估与定价）、农业（精准种植与灾害预警）、能源业（电网负载预测与可再生能源发电量预估）和交通运输业的运营效率和决策准确性，为这些领域的技术服务商和终端用户创造了新的价值空间。
* 潜在风险：
1. 模型依赖与黑盒风险：新AI模型以传统物理模型的产出数据为训练基础。这意味着，如果传统数据中存在未被察觉的系统性偏差，AI模型不仅会继承，还可能放大这些偏差。同时，AI的“黑盒”特性使其在极端或前所未见的天气情景下的预测可靠性面临考验，可能导致无法解释的重大失误。
2. 能源成本的隐性转移：官方公布的91%-99%的能耗降低仅针对模型“运行阶段”，并未包含AI模型“训练阶段”的巨大能耗。如果模型需要频繁重训练以适应气候变化，总体的能源和碳足迹可能远比宣传的要高，这构成了可持续性和成本控制的长期风险。
正文
美国国家海洋和大气管理局（NOAA）正式投入运行一套基于人工智能的全新全球天气预报模型。该系统旨在显著减少算力消耗的同时，实现更快速、更高精度的天气预测。这一举措被视为美国天气预报体系从传统物理模型向数据驱动AI系统演进的关键步骤。
该AI模型由NOAA环境预报中心与国家气象局合作研发部署，其定位是对现有数值预报模型的补充，而非全面替代。国家气象局发言人Erica Grow Cei表示，当前运行的机器学习模型，其部分训练数据来源于仍在使用的传统数值模式。这些依赖复杂物理方程的模式，依然是AI训练的重要信息来源。
长期以来，NOAA的核心预报工具是“全球预报系统”（GFS）。GFS是一个基于物理的模型，通过数学方程模拟大气行为，生成气温、风速、降水、臭氧及土壤湿度等多种要素的数据。该系统由陆面、海洋和大气等多个子系统协同构成。为校正GFS的系统性偏差，NOAA还构建了“全球集合预报系统”（GEFS），通过多次模拟来覆盖不同天气情景下的不确定性。
NOAA环境预报中心副主任Daryl Kleist介绍，新一代AI模型正是以这些传统模式多年积累的数据为基础进行训练的。他指出，AI模型在预报技巧上的显著提升，很大程度上归功于训练所用的“分析场”数据，而这些分析数据主要源自旧有的数值模式框架。
在算力需求方面，NOAA估计，新AI系统相较于传统预报模型可减少91%至99%的计算资源占用，从而大幅降低实时业务预报对超级计算集群的依赖。同时，在保持或提升精度的前提下，这些模型有望将有效预报时效向前拓展18至24小时。Kleist提醒，此处的统计特指模型运行阶段的能耗，并未计入前期AI训练本身所需的大量能源投入。
此次上线的AI预报体系由三大核心模型构成：
1. 人工智能全球预报系统（AIGFS）：这是一种利用AI技术，以更快、更高效方式生成天气预报的新型全球模式。根据NOAA的数据，AIGFS完成一份16天的全球预报，仅需传统GFS约0.3%的计算资源，运行时间约为40分钟。这使得业务预报员能够更早获得更新的数值指引。
2. 人工智能全球集合预报系统（AIGEFS）：该模型在AIGFS的基础上引入集合预报思路，不再只给出单一确定性结果，而是生成一系列可能的演变路径，以量化天气预报中的不确定性。
3. Hybrid-GEFS：此模型将新的AI技术与NOAA既有的GEFS集合系统进行融合，旨在保留传统集合体系优点的同时，进一步利用AI优化对不确定性的表征和预报精度。
NOAA强调，这一系列AI模型仍处于持续迭代阶段。科研团队正重点提升其在飓风等高影响天气预报方面的表现，并进一步改进集合系统所给出的各类可能情景范围。该机构认为，随着这些模型的不断完善，AI有望在未来的极端天气预警与中长期预报中发挥越来越关键的支撑作用。
发布时间
2025-12-19 22:28:00
评论 ( 0 )