AI开始预报天气了¶
你有没有发现，最近天气预报好像变准了。
以前说"明天有雨"，你带伞出门结果艳阳高照。现在手机上那个降雨概率的小时级预报，越来越靠谱。这不是错觉——因为预报这件事，正在被AI彻底改写。
天气预报这件事，到底有多难¶
传统的数值天气预报（NWP），本质上是在用超级计算机解一组极其复杂的物理方程。
大气是一个混沌系统。温度、湿度、气压、风速、洋流……数以亿计的变量相互作用，蝴蝶效应无处不在。欧洲中期天气预报中心（ECMWF）的模型，需要在数千个CPU核心上跑好几个小时，才能算出一份10天预报。
几十年来，这已经是人类能做到的最好水平。结果呢？7天预报的准确率大概也就六成。
但2023年底，Google DeepMind发了一篇Nature论文，标题很平淡——《GraphCast: 基于机器学习的全球中期天气预报》。内容不太平淡：AI模型在90%的评估指标上，打败了ECMWF用了40年调出来的数值模型。
不是"接近"，是打败。
一个模型跑一分钟，比超级计算机跑几小时还准¶
GraphCast最让人震惊的不是准确率，而是效率。
传统NWP跑一次10天全球预报，需要在一台配备数百个CPU的超级计算机上跑几个小时。GraphCast呢？一块TPU v4，不到一分钟。
你没看错。一分钟 vs 几小时。能耗差了上万倍。
原理也并不神秘。GraphCast用的是图神经网络（GNN），把地球表面划分成几十万个网格点，每个点之间用边连接。模型学习的是这些网格之间的物理关系——不是从公式推导，而是从40年的历史气象数据中自己"悟"出来的。
它不需要显式地解纳维-斯托克斯方程。它只需要看过足够多的"气压场→明天的天气"这样的数据对，就能隐式地建模大气动力学的复杂模式。
换句话说：传统方法是让物理学家写方程，AI方法是让模型看答案自学。
不止Google，全世界的AI都在看云¶
GraphCast之后，这个赛道就炸了。
华为的盘古气象模型（Pangu-Weather）紧随其后发在Nature，思路类似但用的是3D地球特定Transformer架构。在某些极端天气预测上，表现甚至更好。
复旦大学的伏羲（FuXi）用级联模型，15天预测精度超越ECMWF。
Google又出了GenCast——从确定性预报升级到集合概率预报，不光告诉你"明天气温多少"，还能告诉你"明天气温超过30度的概率是73%"。
英伟达的FourCastNet用了傅里叶神经算子，速度更快。微软的ClimaX搞了个通用的天气和气候基础模型。
从2023年到2026年，三年时间，AI天气预报从一个"有意思的学术想法"，变成了全球各大气象机构都在认真评估甚至逐步部署的基础设施。
ECMWF自己在2024年发布了AIFS（AI集成预报系统），2025年开始在运营环境中并行运行AI模型和传统NWP模型。
比你想象中更重要¶
天气预报不准，不只是你被淋成落汤鸡的问题。
农业：知道未来两周有没有霜冻，直接决定作物要不要抢收。
能源：风电和光伏的发电量预测如果偏了10%，电网调度就是一场灾难。
航空：航线规划需要对高空急流和湍流的精确预测。
灾害预警：台风路径偏了50公里，撤离决策就可能是生死之别。
在2024年的一次实际对比中，GraphCast对飓风Lee的路径预测，比ECMWF的传统模型提前了3天准确锁定登陆点。3天，对于灾害应急来说不是多几天准备时间——是生死之间的缓冲区。
2025年全球极端天气事件统计显示，AI辅助预报系统在洪水预警的提前时间上平均提升了40%。
但AI预报也不是万能的¶
说实话，AI天气预报有几个明显短板：
第一，数据依赖严重要命。 AI模型是从历史数据中学的。如果气候变化导致出现了训练数据里没有的极端天气模式，模型可能会翻车。2024年就有研究发现，当海面温度超出训练分布时，AI模型的预测偏差明显增大。
第二，物理一致性没法保证。 传统NWP保证了质量守恒、能量守恒这些基本物理定律。AI模型呢？它可能输出一个物理上不可能的天气状态——比如一个地方的降水量比蒸发量多出好几倍。这在实际业务预报中是大忌。
第三，空间分辨率受限于训练数据。 目前的AI模型大多基于ERA5再分析数据（约28km分辨率）。对于局地强对流这种几公里量级的天气现象，AI模型还抓不住。
所以当前的最佳实践是混合路线：AI做快速初筛和大尺度预测，传统NWP做高分辨率和物理约束的精细预报。两者不是替代，是互补。
下一站：从天气预报到气候预测¶
如果说"明天的天气"是个预测问题，那么"十年后的气候"就是个更凶残的挑战。
气候模型需要在百年时间尺度上模拟大气、海洋、陆地、冰盖之间的相互作用，计算量是天气预报的指数级放大。AI的加速效果在这里更有价值。
2025年，Google发布了NeuralGCM——一个将传统大气环流模型的动力核心与AI参数化方案混合的系统。它既保持了物理方程的结构，又用AI替代了传统模型中那些靠经验公式"糊"出来的子网格参数化过程。
结果：在多个标准气候模拟基准上，NeuralGCM的表现超过了当前最先进的全物理气候模型，同时速度快了3-5个数量级。
这意味着什么？意味着气候科学家可以跑更多"如果……会怎样"的情景模拟。碳排加倍会怎样？北极冰盖全融了对季风有什么影响？以前算不起的假设，现在可以了。
你的手机里，已经是AI在看云了¶
回到一开始那个问题：为什么你觉得天气预报变准了？
因为2026年的你打开天气App时，背后很可能不是传统的数值模型，而是一个在几秒钟内就跑完全球天气预测的AI系统。
它不知道纳维-斯托克斯方程长什么样，但它看过四十年的大气数据，比任何人类气象学家都"见多识广"。
你手机屏幕上那个小小的降水概率——70%还是30%，带不带伞——背后是上百篇顶级论文、数十个研究团队、和一场正在改写气象科学的技术革命。
天还是那片天，但看天的方式，已经被AI彻底改变了。
参考来源：Google DeepMind GraphCast (Science, 2023)、Huawei Pangu-Weather (Nature, 2023)、ECMWF AIFS Technical Report、Google NeuralGCM (Nature, 2024)