bob半岛·中国官方网站

漆远表示，“人工智能模型在训练中会识别大量历史气象数据中的模式。当接收到最新气象数据时，大模型再通过应用从历史模式中习得的知识来完成预测，且运行速度非常快，在小型计算机上只需几秒钟即可完成预测，这使得伏羲气象大模型足以对‘贝碧嘉’进行每6小时一次的跟踪预测。而传统的天气模型如欧洲中期天气预报中心（ECMWF）的‘欧洲’模型，是借助‘数值天气预报’，其主要原理是通过解偏微分方程组来预测未来天气情况的演变。这类数值天气模型对计算能力有着极高要求，不仅运行耗时且昂贵，精度也常常受到限制。”据其介绍，伏羲大模型自诞生以来一直处于迭代升级中，目前已展出主要预报15天内天气情况的中短期气象大模型，能提供60天时长集合预测的次季节预测大模型，分辨率可以达到1公里的区域大模型。但长远来看，仍有多方面亟待突破的空间。

bob半岛·中国官方网站9月16日7时30分前后，今年第13号台风“贝碧嘉”（强台风级）的中心在上海浦东临港登陆，一路向西横扫上海，成为1949年有记录以来正面登陆上海的最强台风。结合人工智能技术与气候气象科技的多款气象大模型，在预测“贝碧嘉”的登陆路径时发挥关键作用，为防台工作提供指引，成为守护城市的“无名英雄”。

上海人工智能实验室同时表示，以风乌为代表的人工智能气象预报大模型目前已取得多项突破，但气象海洋预报，尤其是长时效、精细化的极端气象预报仍是极具挑战的任务。比如，能否使全球建模分辨率精准到1公里，从而进一步提高极端天气和中长期预报准确性？如何准确预测龙卷风等更小尺度的强天气……人类在认识自然、预测自然、改造自然方面依旧有很长的路要走。尤其是针对台风的预测，依然是一项复杂的工作，需要持续进行探索和提升。

“日常天气预测更讲求‘平均’数值较好，这样的目标函数容易导致极端情况被忽视。而极端天气预测正是需要打断原来的平滑模式，凸显极端数值。因此极端天气预测与日常天气预测模式有很大差异，未来还需继续发力对极端气候预测实现能力扩展、进一步实现模型调优。同时也希望提高时间和空间维度的精准度，实现每公里级别、每小时级别的时空分辨率预测。除此以外，需要看到当前在更大的全球尺度上，极端天气情况正越来越频发。尽管伏羲次季节气象大模型预测周期已达60天之久，但未来希望将预测范围继续拉大，发展出看得更远的气候模型，实现全球气候发展变化的预测，这将为国家农业生产、绿色能源发展、国际气候谈判等方面提供指导性建议。”漆远如是说道。

针对此次“贝碧嘉”登陆，9月17日，上海人工智能实验室方面向记者透露，目前风乌大模型将提前72小时台风路径预报精度较经典方法提升25%以上，可在单张显卡上运行，30秒即可输出未来10天的全球气象预报结果。除参与预警台风“贝碧嘉”路径以外，风乌大模型也曾率先预测2023年台风“海葵”将在台湾岛登陆；针对近期登陆我国的最强秋台风“摩羯”，提前预测出其将在海南岛登陆。

9月17日，上海科学智能研究院院长、复旦大学浩清教授漆远接受澎湃新闻采访时介绍道，从9月10日晚间“贝碧嘉”台风在西北太平洋洋面上生成起，伏羲气象大模型就一直在跟踪预测它的路径，每6小时一次持续预报“贝碧嘉”的移动路径。9月10日23点，伏羲气象大模型预测的路径显示，它将在上海浦东新区登陆。9月15日一早，预测结果进一步调整并正式确认它将极大概率在上海浦东新区正面登陆。

在今年7月举行的2024世界人工智能大会暨人工智能全球治理高级别会议科学前沿主论坛上，上海人工智能实验室曾联合国家气象中心、国家气象信息中心、上海市气象局、南京信息工程大学、香港科技大学、上海交通大学、中国科学技术大学等机构，共同发布书生·风乌（Intern·FengWu）气象海洋全方位预报体系。部分模型已部署于上海市气象局，正应用于对强降水等灾害性天气的预报工作。

“除成功预报此次台风‘贝碧嘉’的移动轨迹之外，从今年汛期降水实时预报结果来看，伏羲大模型也曾提前8天以上精准预测河南南阳特大暴雨、提前15天以上预测湖南华容县洞庭湖决堤事件。根据天气预报最权威机构欧洲中期天气预报中心（ECMWF）的实时运行评测，目前伏羲气象大模型是已有模型中预报精度（异常相关系数、均方根误差等指标）最高的模型。”漆远介绍道。

与伏羲气象大模型相似，由上海人工智能实验室开发的书生·风乌气象大模型也在此次台风预报中表现优越，为应对台风灾害提供了支持。

对风乌大模型而言，如何实现更长时效、精细化的极端气象预报，也是当下极具挑战的待解课题。据上海人工智能实验室介绍，随着全球气象大模型的分辨率达到9公里和一系列区域气象模型的部署应用，未来大模型还将继续提升性能，在大风、强降水、高温、寒潮等各种极端天气的预报中发挥作用。大模型在气象海洋监测和气象海洋服务方面也可以大展身手，比如上海人工智能实验室最近基于大模型的卫星、雷达数据补全反演工作，提高气象海洋监测领域数据的可用性。此外，通过气象大模型和语言大模型的结合，可以使气象服务更智能、对用户更友好。