美國微軟公司將正在開發(fā)的大氣科學類人工智能（AI）模型正式發(fā)表于國際學術期刊《自然》（Nature）。該模型名為Aurora，除了能進行高分辨率天氣預報，研究團隊還展示了其能更準確和高效地預報空氣質量、熱帶氣旋路徑和海浪動力學。

“這是一個面向地球系統(tǒng)的基礎模型，能夠處理多種預測任務。”研究團隊在5月21日晚間在線發(fā)表于《自然》上的論文中寫道，受到其他領域基礎模型近期成功案例的啟發(fā)，我們首次讓Auror經過了100萬小時以上多樣化地球系統(tǒng)數據預訓練。

毫無疑問，在自然災害、極端天氣等日益頻發(fā)的背景下，出色的“預報員”顯得更為重要。地球系統(tǒng)預報往往能提供多種過程的信息，例如天氣、空氣質量、洋流、海冰和颶風等，這是對極端事件做出早期預警的必要工具。

然而，研究團隊指出，這些預報依賴基于數十年數據的復雜模型，對算力要求很高，通常需要使用專門的超級計算機和專職工程團隊來維護。同時，由于是大型團隊經年累月開發(fā)形成的復雜模型，其快速改進難度大，且需要投入大量時間和專業(yè)知識才能有效管理。

研究團隊認為，機器學習為解決這些問題提供了極具吸引力的工具箱。盡管這一概念早在20世紀90年代就被引入地球科學領域，當時神經網絡技術已開始應用于各類地球預測問題。但AI技術在地球系統(tǒng)預報中的使用尚未得到充分探索，重要的突破則出現于近兩年。

來自微軟研究院的人工智能首席研究員Paris Perdikaris等人尤其指出，2023年，盤古氣象大模型取得重大突破，其性能超越了最先進的預報系統(tǒng)，由此掀起了一波基于人工智能的天氣預報模型研發(fā)浪潮。

2023年7月，同樣在《自然》雜志上，華為云盤古大模型研發(fā)團隊發(fā)表了研究成果——《三維神經網絡用于精準中期全球天氣預報》（《Accurate medium-range global weather forecasting with 3D neural networks》）。通過在43年的全球天氣數據上訓練深度神經網絡，盤古氣象大模型在精度和速度方面超越傳統(tǒng)數值預測方法。盤古氣象大模型也是首個精度超過傳統(tǒng)數值預報方法的AI模型，速度相比傳統(tǒng)數值預報提速10000倍以上。

華為官網當時寫道，這是近年來中國科技公司首篇作為唯一署名單位發(fā)表的《自然》正刊論文?！蹲匀弧穼徃迦艘矊υ摮晒o予高度評價，“華為云盤古氣象大模型讓人們重新審視氣象預報模型的未來，模型的開放將推動該領域的發(fā)展?！?/p>

Aurora是一個擁有13億參數的地球系統(tǒng)基礎模型。圖摘自團隊研究論文

Paris Perdikaris和同事此次報道的Aurora是一個經過100萬小時以上地球物理數據訓練的AI模型。研究顯示，Aurora 預報空氣質量、海浪、熱帶氣旋路徑和高分辨率天氣的表現超過了現有模型，且算力成本低于現有預報技術。

例如，在熱帶氣旋路徑預測方面，論文顯示，平均而言，Aurora在北大西洋和東太平洋的預測性能比其他7個預報中心優(yōu)20%，在西北太平洋上優(yōu)18%，澳大利亞地區(qū)優(yōu)24%。

研究團隊提到2023年7月的超強“杜蘇芮”臺風，該臺風最終成為太平洋地區(qū)造成經濟損失最嚴重的臺風，損失金額超過280億美元。研究團隊稱，Aurora準確預測到“杜蘇芮”將在菲律賓北部登陸。

在實際應用中，Aurora在熱帶氣旋預測方面的表現優(yōu)于當前最先進的預測系統(tǒng)。圖摘自研究團隊論文

值得關注的是，在Aurora基礎模型的基礎上，研究團隊針對一系列下游任務的微調實驗僅需4-8周時間，并且由小型工程師團隊完成，而目前開發(fā)基線模型所需要的時間通常為好幾年。

研究團隊也同時強調指出，這種加速進程的實現完全得益于數十年來傳統(tǒng)數值方法研究積累的龐大數據資源。

論文最后還提到，Aurora目前尚未觸及其性能天花板。作者們表示，Aurora是一個地球系統(tǒng)基礎模型，改造后或能用于天氣預報之外的用途。他們總結道，Aurora代表了高效地球系統(tǒng)預報的一次進展，顯示出AI技術在更廣泛獲取天氣和氣候信息方面的潛力。

論文鏈接：

https://www.nature.com/articles/s41586-025-09005-y