這項由美國阿貢國家實驗室的Vaino Hatanpaa、Eugene Ku、Jason Stock等多位科學(xué)家領(lǐng)導(dǎo)的突破性研究發(fā)表于2025年9月，詳細介紹了名為AERIS的地球系統(tǒng)模型。這個革命性的AI系統(tǒng)能夠像經(jīng)驗豐富的天氣預(yù)報員一樣，準(zhǔn)確預(yù)測未來90天內(nèi)地球大氣的變化。有興趣深入了解技術(shù)細節(jié)的讀者可以通過arXiv:2509.13523v1訪問完整論文。

天氣預(yù)報一直是人類與自然博弈中的重要工具，關(guān)系到農(nóng)業(yè)生產(chǎn)、災(zāi)害防范和日常生活的方方面面。傳統(tǒng)的天氣預(yù)報系統(tǒng)就像一臺復(fù)雜的計算器，需要輸入無數(shù)的物理方程式來模擬大氣的運動。這種方法雖然科學(xué)嚴(yán)謹(jǐn)，但面臨著巨大的挑戰(zhàn)：計算量龐大、預(yù)報精度有限，而且很難處理那些難以用方程描述的復(fù)雜現(xiàn)象。

阿貢實驗室的研究團隊提出了一個全新的思路：既然人類能夠通過觀察歷史天氣數(shù)據(jù)學(xué)會預(yù)報，那么AI系統(tǒng)是否也能通過"觀察"海量歷史數(shù)據(jù)來學(xué)會預(yù)測未來呢？這就像訓(xùn)練一個天才學(xué)徒，讓它通過研究過去40年的天氣記錄，掌握大氣運動的規(guī)律和奧秘。

一、AI學(xué)會"看懂"地球大氣的密碼

要讓AI系統(tǒng)學(xué)會預(yù)測天氣，首先要教會它如何理解地球大氣這個復(fù)雜的系統(tǒng)。研究團隊選擇了一個叫做Swin Transformer的AI架構(gòu)作為AERIS的"大腦"。這個架構(gòu)的工作原理有點像人類觀察風(fēng)景的方式：我們不會一次性看整個天空，而是先觀察局部區(qū)域，然后逐漸將這些局部信息整合起來形成完整的畫面。

Swin Transformer采用了"窗口注意力"機制，將全球大氣數(shù)據(jù)分割成一個個小窗口，每個窗口大小約為30×30或60×60個像素點。這就像把地球表面劃分成無數(shù)個小方格，AI系統(tǒng)先仔細觀察每個方格內(nèi)的天氣變化，然后再將這些局部信息拼接起來理解全球天氣的整體態(tài)勢。更巧妙的是，這些觀察窗口在不同的處理層中會發(fā)生位移，確保AI能夠捕捉到跨越不同區(qū)域的天氣現(xiàn)象。

為了讓AI更好地理解天氣數(shù)據(jù)，研究團隊采用了一種叫做"擴散模型"的訓(xùn)練方法。這種方法的工作原理很有趣：系統(tǒng)首先學(xué)習(xí)如何從純隨機的噪聲中逐步"清理"出真實的天氣圖像。這個過程就像一位藝術(shù)家從模糊的草圖開始，逐步添加細節(jié)，最終完成一幅精美的畫作。通過這種訓(xùn)練方式，AI不僅學(xué)會了預(yù)測天氣，還能夠生成多種可能的天氣情景，為決策者提供不確定性評估。

二、超越傳統(tǒng)計算的并行處理革命

訓(xùn)練如此復(fù)雜的AI系統(tǒng)需要enormous計算資源，這就像同時指揮成千上萬名廚師協(xié)作完成一道復(fù)雜的大餐。傳統(tǒng)的并行計算方法就像讓廚師們排成一條長龍，一個接一個地完成各自的任務(wù)，效率有限。研究團隊創(chuàng)新性地提出了SWiPe（Sequence-Window Parallelism）并行策略，這種方法更像是將廚師們分成多個小組，每個小組負責(zé)處理特定的食材，同時各組之間協(xié)調(diào)配合。

SWiPe的核心思想是利用Swin Transformer的窗口結(jié)構(gòu)特性。由于每個注意力窗口相對獨立，系統(tǒng)可以將不同的窗口分配給不同的計算單元并行處理。這就像將一幅巨大的拼圖分發(fā)給多個人同時拼裝，每個人負責(zé)自己的區(qū)域，最后再將結(jié)果組合起來。這種方法大大減少了計算單元之間需要傳遞的數(shù)據(jù)量，提高了整體效率。

更進一步，SWiPe將窗口并行與現(xiàn)有的序列并行、流水線并行和數(shù)據(jù)并行技術(shù)巧妙結(jié)合。序列并行就像將一本書的章節(jié)分給不同的人同時閱讀，流水線并行則像工廠裝配線一樣讓數(shù)據(jù)依次通過不同的處理階段，而數(shù)據(jù)并行則是讓多個處理器同時處理不同批次的數(shù)據(jù)。四種并行策略的協(xié)調(diào)配合，讓AERIS能夠在Aurora超級計算機的10,080個節(jié)點上穩(wěn)定運行，實現(xiàn)了前所未有的計算規(guī)模。

三、從13億到800億參數(shù)的AI氣象學(xué)家

AERIS系統(tǒng)提供了多個不同規(guī)模的模型版本，參數(shù)數(shù)量從13億到800億不等。這些參數(shù)可以理解為AI系統(tǒng)的"知識存儲量"，參數(shù)越多，系統(tǒng)能夠記住和理解的天氣模式就越復(fù)雜。最小的13億參數(shù)版本就像一位有一定經(jīng)驗的氣象預(yù)報員，能夠處理常見的天氣現(xiàn)象；而800億參數(shù)的版本則像是一位閱歷豐富的資深專家，能夠識別和預(yù)測極其復(fù)雜的大氣動力學(xué)過程。

研究團隊在訓(xùn)練這些模型時使用了歐洲中期天氣預(yù)報中心（ECMWF）提供的ERA5再分析數(shù)據(jù)集，這是一個包含了過去40年全球天氣觀測數(shù)據(jù)的巨大寶庫。數(shù)據(jù)的空間分辨率達到0.25度，相當(dāng)于在赤道附近每隔約30公里就有一個觀測點。這種高分辨率數(shù)據(jù)使得AI系統(tǒng)能夠捕捉到細致入微的天氣變化，包括局地的溫度波動、風(fēng)速變化和濕度分布。

訓(xùn)練過程采用了物理加權(quán)的損失函數(shù)，這意味著系統(tǒng)在學(xué)習(xí)時會更加重視那些對天氣預(yù)報更為關(guān)鍵的變量。比如，接近地面的溫度和風(fēng)速變化對人類活動影響更大，因此在訓(xùn)練過程中被賦予更高的權(quán)重。這種設(shè)計確保了AI系統(tǒng)能夠優(yōu)先學(xué)會預(yù)測那些最重要的天氣要素。

四、Aurora超級計算機上的性能奇跡

在Aurora超級計算機上，AERIS創(chuàng)造了令人震驚的性能記錄。這臺位于阿貢國家實驗室的超級計算機擁有10,080個計算節(jié)點，每個節(jié)點配備6塊英特爾Max 1550 GPU，總共超過12萬個GPU單元。AERIS在這個龐大的計算平臺上實現(xiàn)了10.21 ExaFLOPS的持續(xù)計算性能，峰值性能更是達到了11.21 ExaFLOPS。

要理解這個數(shù)字的意義，我們可以這樣比較：如果一臺普通的個人電腦每秒能夠進行10億次計算，那么AERIS系統(tǒng)的計算能力相當(dāng)于1000萬臺這樣的電腦同時工作。這種計算能力的實現(xiàn)不僅依賴于硬件的強大，更重要的是SWiPe并行策略的巧妙設(shè)計。

系統(tǒng)在擴展性測試中表現(xiàn)優(yōu)異，弱擴展效率達到95.5%，強擴展效率為81.6%。弱擴展測試就像測試一支軍隊在人數(shù)增加時能否保持同樣的行軍速度，而強擴展測試則是看固定的任務(wù)能否通過增加人手來更快完成。AERIS在兩方面的出色表現(xiàn)證明了其設(shè)計的優(yōu)越性。

研究團隊還在芬蘭的LUMI超級計算機上進行了驗證實驗，雖然規(guī)模較?。?,008個節(jié)點），但同樣取得了0.54 ExaFLOPS的性能，證明了AERIS的跨平臺適應(yīng)能力。

五、預(yù)測精度的全面提升

AERIS在天氣預(yù)報精度方面的表現(xiàn)令人印象深刻。在中期天氣預(yù)報（1-14天）的測試中，AERIS與兩個重要的基準(zhǔn)系統(tǒng)進行了對比：一個是谷歌DeepMind開發(fā)的GenCast擴散模型，另一個是歐洲中期天氣預(yù)報中心的IFS集合預(yù)報系統(tǒng)，后者是目前業(yè)界廣泛使用的數(shù)值天氣預(yù)報標(biāo)桿。

測試結(jié)果顯示，AERIS在多項關(guān)鍵指標(biāo)上都優(yōu)于或持平于這些先進系統(tǒng)。在緯度加權(quán)均方根誤差（RMSE）這個衡量預(yù)報準(zhǔn)確性的核心指標(biāo)上，AERIS的表現(xiàn)與GenCast不相上下，在某些時間段甚至略勝一籌。在連續(xù)排名概率評分（CRPS）這個評估概率預(yù)報質(zhì)量的指標(biāo)上，AERIS同樣表現(xiàn)出色，特別是在預(yù)報初期（1-3天）和后期（10-14天）都顯示出優(yōu)勢。

更值得關(guān)注的是，AERIS在長期穩(wěn)定性方面展現(xiàn)出了獨特的優(yōu)勢。傳統(tǒng)的AI天氣預(yù)報模型往往在預(yù)報時間超過兩周后就會出現(xiàn)不穩(wěn)定現(xiàn)象，預(yù)報結(jié)果逐漸偏離現(xiàn)實。但AERIS能夠穩(wěn)定運行長達90天的預(yù)報，這在AI氣象預(yù)報領(lǐng)域是前所未有的成就。

六、極端天氣事件的精準(zhǔn)捕捉

AERIS在預(yù)測極端天氣事件方面的能力尤其引人注目。研究團隊選擇了2020年的兩個重要案例進行詳細分析：颶風(fēng)勞拉（Hurricane Laura）和歐洲熱浪事件。

颶風(fēng)勞拉是2020年大西洋颶風(fēng)季節(jié)中最具破壞性的風(fēng)暴之一，于8月27日在路易斯安那州登陸，造成190億美元的經(jīng)濟損失和47人死亡。AERIS成功地在颶風(fēng)登陸前7天就準(zhǔn)確預(yù)測了其路徑，在5天前準(zhǔn)確預(yù)測了登陸地點，甚至連颶風(fēng)在墨西哥灣的快速增強過程都被準(zhǔn)確捕捉。這種預(yù)報精度對于災(zāi)害防范和人員疏散具有重要意義。

2020年8月的歐洲熱浪是另一個極端天氣事件的典型案例。當(dāng)時英國等地區(qū)經(jīng)歷了異常高溫，對公共健康和能源供應(yīng)造成了嚴(yán)重影響。AERIS在熱浪來臨前一周就成功識別出了這個異常天氣模式，預(yù)測的溫度變化曲線與實際觀測高度吻合。這種提前預(yù)警能力對于公共衛(wèi)生部門制定應(yīng)對措施具有重要價值。

七、季節(jié)性預(yù)報的重大突破

AERIS最令人矚目的成就之一是其在季節(jié)性預(yù)報方面的突破。季節(jié)性預(yù)報是指預(yù)測未來幾個月內(nèi)的氣候趨勢，這比短期天氣預(yù)報要困難得多，因為需要考慮海洋、陸地和大氣之間的復(fù)雜相互作用。

在厄爾尼諾現(xiàn)象的預(yù)測測試中，AERIS展現(xiàn)出了remarkable的能力。厄爾尼諾是赤道太平洋海表溫度異常變化引起的全球性氣候現(xiàn)象，對全球天氣模式有深遠影響。AERIS能夠準(zhǔn)確預(yù)測Nino 3.4指數(shù)（衡量厄爾尼諾強度的重要指標(biāo)）長達90天的變化趨勢，包括春季預(yù)報障礙期間的不確定性變化。

研究團隊還通過霍夫默勒圖（Hovmoller diagram）分析了熱帶地區(qū)對流耦合波動的傳播特征。這些波動是熱帶天氣系統(tǒng)的重要組成部分，影響著季風(fēng)、熱帶氣旋和其他重要天氣現(xiàn)象。AERIS能夠準(zhǔn)確模擬這些波動在經(jīng)度和時間上的傳播模式，至少保持3周的預(yù)報技巧，在90天的時間尺度上依然顯示出合理的變率特征。

八、技術(shù)創(chuàng)新與未來應(yīng)用前景

AERIS的成功不僅體現(xiàn)在預(yù)報精度的提升，更重要的是其所代表的技術(shù)創(chuàng)新路徑。傳統(tǒng)的數(shù)值天氣預(yù)報依賴于物理方程的求解，而AERIS則是通過學(xué)習(xí)歷史數(shù)據(jù)中隱含的模式來進行預(yù)測。這種數(shù)據(jù)驅(qū)動的方法具有幾個顯著優(yōu)勢：首先是計算效率的大幅提升，一旦訓(xùn)練完成，生成預(yù)報只需要幾秒鐘時間；其次是能夠自然地處理那些難以用傳統(tǒng)物理方程描述的復(fù)雜現(xiàn)象；最后是具有更好的擴展性，可以通過增加訓(xùn)練數(shù)據(jù)來持續(xù)改進性能。

研究團隊在論文中提到了幾個重要的發(fā)展方向。一致性蒸餾技術(shù)可以將多步驟的擴散過程壓縮到單步，大幅減少推理時間和計算成本。多步微調(diào)方法可能進一步提升預(yù)報技巧。此外，將AERIS適配到更高分辨率的數(shù)據(jù)和其他數(shù)據(jù)集也是重要的研究方向。

從實際應(yīng)用的角度來看，AERIS技術(shù)有望在多個領(lǐng)域發(fā)揮重要作用。在農(nóng)業(yè)領(lǐng)域，準(zhǔn)確的季節(jié)性預(yù)報可以幫助農(nóng)民制定種植計劃和灌溉策略。在能源行業(yè)，長期天氣預(yù)報對于可再生能源的規(guī)劃和電網(wǎng)調(diào)度具有重要價值。在保險和金融領(lǐng)域，準(zhǔn)確的極端天氣預(yù)測可以幫助評估風(fēng)險和制定對沖策略。

九、面臨的挑戰(zhàn)與發(fā)展限制

盡管AERIS取得了令人矚目的成就，但研究團隊也坦誠地討論了當(dāng)前面臨的挑戰(zhàn)和限制。首先是計算資源的巨大需求，訓(xùn)練大規(guī)模模型需要大約一周的exascale計算時間，相當(dāng)于150萬個節(jié)點小時的計算資源。這樣的計算需求限制了技術(shù)的普及和應(yīng)用。

模型的預(yù)報校準(zhǔn)問題是另一個重要挑戰(zhàn)。當(dāng)前的AERIS系統(tǒng)在中期預(yù)報中表現(xiàn)出過度自信的特點，即預(yù)報的不確定性范圍偏小。研究團隊認為這可能通過改進初始條件擾動方法和調(diào)整隨機攪動策略來解決。

由于AERIS是純數(shù)據(jù)驅(qū)動的模型，它可能會產(chǎn)生一些在物理上不合理的預(yù)報結(jié)果。雖然在大多數(shù)情況下這種現(xiàn)象并不明顯，但在極端條件下可能會出現(xiàn)問題。此外，要使AERIS成為業(yè)務(wù)化的預(yù)報系統(tǒng)，還需要在實時數(shù)據(jù)同化和初始化方面進行進一步的技術(shù)開發(fā)。

研究團隊還指出，當(dāng)前的科學(xué)驗證主要基于13億參數(shù)的模型，而更大規(guī)模模型的訓(xùn)練仍在進行中。由于訓(xùn)練成本極高，全面評估這些大型模型的性能需要更長的時間和更多的資源投入。

十、AI氣象預(yù)報的未來圖景

AERIS的成功標(biāo)志著AI在科學(xué)應(yīng)用領(lǐng)域達到了新的高度，也預(yù)示著天氣和氣候預(yù)報即將進入一個新的時代。過去50年來，數(shù)值天氣預(yù)報通過不斷改進物理方程和計算方法，將有效預(yù)報技巧從3天提升到了近8天?，F(xiàn)在，基于AI的方法正在展示出更大的潛力。

這種技術(shù)轉(zhuǎn)變的意義不僅在于預(yù)報精度的提升，更在于預(yù)報成本的大幅降低。傳統(tǒng)的全球數(shù)值天氣預(yù)報需要大型超級計算機運行數(shù)小時才能完成一次預(yù)報，而AI模型一旦訓(xùn)練完成，就可以在幾秒鐘內(nèi)生成同樣精度的預(yù)報。這種效率提升將使高質(zhì)量的天氣預(yù)報服務(wù)能夠惠及更廣泛的用戶群體。

AERIS的成功也為其他地球系統(tǒng)科學(xué)領(lǐng)域提供了重要啟示。海洋預(yù)報、地震預(yù)測、生態(tài)系統(tǒng)動態(tài)模擬等領(lǐng)域都可能從類似的AI方法中受益。隨著計算能力的不斷提升和算法的持續(xù)改進，我們有理由相信，AI將在理解和預(yù)測復(fù)雜的地球系統(tǒng)方面發(fā)揮越來越重要的作用。

當(dāng)然，AI預(yù)報系統(tǒng)不會完全取代傳統(tǒng)的數(shù)值預(yù)報方法，更可能的情況是兩者相互補充，形成更加強大和可靠的預(yù)報體系。物理模型提供理論基礎(chǔ)和機制理解，而AI模型提供高效的計算和模式識別能力。這種混合方法有望在未來幾年內(nèi)推動天氣和氣候預(yù)報科學(xué)達到新的高度。

研究團隊在論文結(jié)尾展望了這一技術(shù)可能帶來的深遠影響。從短期來看，AERIS類型的系統(tǒng)可能會改變氣象服務(wù)的提供方式，使得個性化、高精度的天氣預(yù)報成為可能。從長期來看，這種技術(shù)可能會重新定義我們對地球系統(tǒng)的理解方式，從基于物理定律的演繹推理轉(zhuǎn)向基于數(shù)據(jù)模式的歸納學(xué)習(xí)。

說到底，AERIS不僅僅是一個技術(shù)突破，更代表了科學(xué)研究范式的重要轉(zhuǎn)變。它證明了在大數(shù)據(jù)和強大計算能力的支持下，機器學(xué)習(xí)可以在復(fù)雜的自然系統(tǒng)建模方面達到甚至超越傳統(tǒng)方法的水平。這為我們應(yīng)對氣候變化、自然災(zāi)害防范等重大挑戰(zhàn)提供了新的工具和思路。對于普通人而言，這意味著未來我們可能會享受到更加準(zhǔn)確、及時和個性化的天氣服務(wù)，無論是日常出行規(guī)劃還是重大決策制定，都將受益于這一技術(shù)進步。

Q&A

Q1：AERIS系統(tǒng)是什么？它與傳統(tǒng)天氣預(yù)報有什么區(qū)別？

A：AERIS是阿貢國家實驗室開發(fā)的AI天氣預(yù)報系統(tǒng)，參數(shù)規(guī)模從13億到800億不等。與傳統(tǒng)預(yù)報依靠物理方程計算不同，AERIS通過學(xué)習(xí)40年歷史天氣數(shù)據(jù)來預(yù)測未來，就像一個經(jīng)驗豐富的氣象專家。它的預(yù)報速度更快（幾秒鐘vs幾小時），能穩(wěn)定預(yù)測90天，在極端天氣預(yù)測方面表現(xiàn)尤其出色。

Q2：AERIS在Aurora超級計算機上的10.21 ExaFLOPS性能意味著什么？

A：這相當(dāng)于1000萬臺普通電腦同時工作的計算能力，是AI科學(xué)應(yīng)用領(lǐng)域迄今為止的最高記錄。這種性能通過創(chuàng)新的SWiPe并行策略實現(xiàn)，能夠同時處理地球大氣的復(fù)雜計算。如此強大的計算能力使AERIS能夠在保持高精度的同時處理全球0.25度分辨率的天氣數(shù)據(jù)。

Q3：普通人什么時候能用上AERIS這樣的AI天氣預(yù)報？

A：目前AERIS仍是科研階段的系統(tǒng)，需要超級計算機運行。但它代表的技術(shù)方向?qū)⒅鸩礁淖兲鞖夥?wù)。隨著算法優(yōu)化和硬件發(fā)展，未來幾年我們可能會享受到更準(zhǔn)確、個性化的天氣預(yù)報服務(wù)，特別是在極端天氣預(yù)警和長期氣候預(yù)測方面。