一个AI大模型仅需30秒即可生成未来10天全球高精度预报结果，在效率、精度和时间周期上都实现了全球技术领先。

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”。

(资料图片仅供参考)

基于多模态和多任务深度学习方法构建，人工智能大模型“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，并在80%的评估指标上超越人工智能公司DeepMind发布的模型GraphCast。

实验室领军科学家欧阳万里表示，“‘风乌’取名自秦汉时期的‘相风铜乌’，是世界上最早的测风设备。”

运用“风乌”大模型，全球气象有效预报时间首次突破10天。本文图片均由  上海人工智能实验室 供图

首次将全球气象预报的有效性提高到10.75天

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，它以预测未来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。

过去数十年间，全球中期天气预报领域取得众多瞩目成就，但囿于气象观测的准确度，大气系统中物理过程的复杂性，以及求解大气模型所需资源规模巨大，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。

上海人工智能实验室青年科学家白磊介绍，“‘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。”

在预报精度方面，相比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在此标准范围内，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。在资源效率方面，现有物理模型往往在超级计算机上运行，而“风乌”AI大模型仅需单GPU便可运行，仅需30秒即可生成未来10天全球高精度预报结果。

气象专家介绍，尽管目前市面上有一些产品可以提供未来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”多模态网络结构

深度学习驱动地球科学

上海人工智能实验室AI for Earth联合团队提出了一种基于多模态多任务的深度学习方法用于构建AI天气预报模型，从而实现对全球中期天气进行快速、准确预报。

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。

“风乌”采用多模态神经网络和多任务自动均衡权重解决多种大气变量表征和相互影响的问题。其针对的大气变量包括：位势、湿度、纬向风速、经向风速、温度以及地表等。“风乌”将这些大气变量看作多模态信息，使用多模态网络结构可以更好地处理这些信息。

研究团队从多任务问题的角度出发，自动学习每个大气变量的重要性，使得多个大气变量之间能够更好地协同优化。为了优化“风乌”的多步预测结果，研究团队提出了“缓存回放”（replay buffer）策略，减少自回归预测误差，提高长期预测的性能。

未来，“风乌”AI气象大模型可与传统的物理模型形成互补，为生产生活提供更准确、更实用的天气预报信息，助力天气预报数字化，为农林牧渔、航空航海等各行业及公共安全保障提供有力的支持。

上海人工智能实验室AI for Earth团队还将把人工智能方法应用到更广泛的气象、环境、天文、地质等地球科学问题研究中，助力“碳中和”、防灾减灾、能源安全等重大需求。