AI气象模型有望实现超精细专业天气预报——彭博社

插图：彭博绿色频道 Petra Péterffy 作品

天气预报行业在准确性方面取得了巨大飞跃，但在超本地化预测方面仍面临挑战。近年来人工智能气象模型的激增意味着小型商业公司正逐步具备快速生成专项预测的能力，例如您所在社区的具体降雨时间与雨量，或驱动涡轮机运转的风力强度。

数十年来，公共机构运行的全球气象模型依赖超级计算机处理复杂物理方程来生成预测。随着气候变化加剧极端天气发生概率，对精细化预报的需求日益紧迫，而人工智能正以经济高效的方式满足这一需求。

“应用预先训练好的机器学习气象预报模型，在计算成本上近乎零消耗，“马克斯·普朗克气象研究所科学家、前欧洲中期天气预报中心研究员Peter Bauer表示。

气象科技初创公司Stellerus正从香港科技大学科学家团队的研究成果中孵化而出，成为抢滩预报商业蓝海的新锐力量之一。

其创新的方法通过获取降雨预报数据，运用机器学习算法在3分钟内快速模拟并预测香港每条街道的潜在洪涝风险。由于计算速度极快，该系统可提前数小时生成洪水预测，并持续更新以提供近实时预警。

香港科技大学讲座教授、Stellerus联合创始人许树表示，尽管市场对定制化气象服务需求旺盛，但公立气象机构"难以为特定行业或企业提供高度个性化的预测”。这家初创公司还运用AI技术分析卫星数据，监测特定工厂及船舶的温室气体排放。

过去两年香港遭遇的系列极端降雨事件引发全城严重洪涝灾害摄影：Justin Chin/彭博社Stellerus联合创始人张立敏与许树展示2023年9月香港极端暴雨期间的山体滑坡及洪水模拟模型来源：Stellerus许树团队正与国有保险公司中国太平旗下太平再保险合作，开发可向客户及保单持有人发送精准洪水预警的预报系统。例如，车主停放在即将被暴雨淹没的特定车库时，会收到移车短信提醒。

这是太平再保险首次将高分辨率洪水模型引入内部，而非依赖美国风险分析公司开发的较粗糙模型，这家香港再保险公司的首席执行官Sheldon Yu表示。此举源于过去两年一系列极端降雨事件引发的全市破坏性洪水。

洪水尤其难以建模，因为它们由局部天气系统引发，其全面影响取决于排水系统等多个人为因素。但随着极端降雨愈发频繁，洪水在保险损失中的占比正不断上升。

据全球估算，超过五分之一人口面临重大洪水风险，其中南亚和东亚最为严重。太平再保险重点建模的粤港澳大湾区沿海住宅区中，近三分之一区域预计将面临未来几十年加剧的淹没威胁。

“我们正推动行业跳出传统思维定式，采取更积极主动的方式应对灾害事件及其对社区造成的损失，”俞先生表示。他补充说，公司计划后续将自主研发的洪水模型扩展至澳门和广东省，这些新增的高精度洪水数据或将影响关于建立全省洪水保险计划的政策讨论。

鲍尔指出，人工智能不再依赖单一全球模型来预测温度、风速、降雨量、土壤湿度和臭氧浓度等所有要素，而是构建了一个由"专精于特定领域的专家系统"组成的新生态。

“就潜在可获取的预测质量而言，这是巨大的进步，”他表示，这为能提供定制化可靠预报的企业创造了"无限商机”。

然而，商业气象预报和风险建模生态的扩张，也意味着对无法复核的专有模型依赖性增强。雷丁大学数据同化教授莎拉·丹斯指出，在AI预报时代，卫星图像、雷达数据等观测资料与预报准确性之间的关联难以追溯。“你无法真正理解神经网络中某个权重变化会如何影响预报结果。”

天气预报准确性显著提升

如今5天预报的准确度相当于2000年时的3天预报

数据来源：欧洲中期天气预报中心

注：该数值通过预报与实际天气的非线性差异标度衡量准确性，基于500百帕位势高度（表征大气环流的关键气象变量）的预测结果。

其他运用AI实现精细化预报的企业包括英伟达。该公司与台湾地区政府共同开发了AI气象模型，通过机器学习技术提升全球粗分辨率气象数据的预报精度。研究团队在2月《自然》期刊发表的论文中详述了这项成果。

英伟达高性能计算与AI解决方案高级总监迪昂·哈里斯表示：“对于极端天气，越精确掌握事件发生时空信息，越能优化应急准备和预案制定。”

据参与该项目的台湾"中央气象署"研究员刘正钦透露，该署正在评估该模型的业务化应用。同期，欧洲预报机构于2月成为首个发布自主AI模型的主要预测中心。香港天文台代理高级科学主任何宇恒表示，其预报已参考华为盘古气象等AI模型，并正在评估其他系统。

尽管AI气象模型发展迅猛，部分气象学家仍坚持使用传统基于物理学的模型。2024年1月，瑞士商业气象服务商Meteomatics在推出欧洲版模型后，发布了针对美国的高分辨率（1公里级）气象模型。这两个模型均以经典模型为基础，通过复杂的后处理技术和公司自有无人机采集的大气数据进行了增强。

2025年9月26日，商业气象服务商Meteomatics的高分辨率模型生成的墨西哥湾飓风"海伦"图像，与欧美公共机构开发模型的对比效果。图片来源：MeteomaticsMeteomatics首席执行官马丁·冯格勒表示，运行欧美两个高分辨率模型需要超过10万个计算机处理核心，实现全球覆盖"可能需要百万量级"。虽然AI气象模型更节能，但"它们往往采取某些捷径"牺牲了准确性和一致性，且尚无证据表明其性能超越传统方法。“AI是增强传统建模方式的绝佳工具，但无法完全取代。”

最终，AI气象模型仍依赖于通过物理方法建立的庞大公共气候数据库。多数模型还需依赖传统预测系统启动预报流程。专家鲍尔建议，政府应发挥优势继续承担昂贵的数据计算与维护工作，而私营企业可利用AI开发更专业的气象预报产品。

“职责和责任的分配将略有变化，”他在谈到预测领域时表示。“但我认为这不是问题。我认为它创造的机遇多于风险。”