近年来，数值天气预报方法在每日天气预报、极端灾害预警、气候变化预测等领域取得了巨大成功。但是，随着算力增长趋缓和物理模型逐渐复杂化，传统数值预报的瓶颈日益突出，亟须新的天气预测方式。在众多预测方式中，科学家将目光瞄向了飞速发展的人工智能。

　　联合国气象组织及其合作伙伴8月8日宣布，2023年7月成为人类有气象记录以来全球平均气温最高的月份。除了热浪，一些国家还遭遇了持续的暴雨和洪水。气候变化带来的极端天气事件已经成为我们不得不面对的现实。

　　越早获得极端天气的准确信息，越有利于人类提前应对。在众多预测方式中，科学家将目光瞄向了飞速发展的人工智能（AI）。近期，来自中国和美国的科学家分别在国际顶级学术期刊《自然》上发表研究成果，揭示了人工智能协助预报天气的潜力。

　　1小时到7天预报精度超数值天气预报

　　近年来，数值预报方法在每日天气预报、极端灾害预警、气候变化预测等领域取得了巨大成功。但是，随着算力增长趋缓和物理模型逐渐复杂化，数值预报的瓶颈日益突出，研究者们开始挖掘新的方式预测天气。

　　7月6日，《自然》正刊发表了华为云盘古大模型研发团队的研究成果——《三维神经网络用于精准中期全球天气预报》，论文显示，盘古气象大模型是首个精度超过传统数值预报方法的AI模型。

　　据华为云盘古大模型研发团队相关人员介绍，数值预报方法在中长期预报等领域的应用最为广泛。在这些领域中，现有的AI预报方法精度仍显著低于数值预报方法，并受到可解释性欠缺、极端天气预测不准等问题的制约。导致AI预报模型精度不足的主要原因，一是由于原有的AI预报模型都是基于2D神经网络构建的，无法很好地处理不均匀的3D气象数据；二是由于AI预报方法缺少数学物理机理约束，在迭代的过程中会不断积累迭代误差。

　　为此，华为云盘古大模型研发团队创造性地提出了适应地球坐标系统的三维神经网络来处理复杂的不均匀3D气象数据，并且使用层次化时域聚合策略来减少预报迭代次数，从而减少迭代误差。华为轮值董事长胡厚崑表示，在气象预报领域，盘古大模型1小时到7天的预测精度，已经超过欧美一些气象中心在相同预测时间内的预测精度。