气象预报和每位人的生活都息息相关。假如说明天的天气会影响你穿哪些衣物、去哪儿，这么一周后的天气预报，可能影响你是否会出差、活动方是否适宜举行小型体育比赛。
除了这般，中期气象预报预测还在防灾减灾中发挥重要作用，它将及时提醒什么地方的村民须要及时避灾避险，其精准性不但影响当地经济，还涉及到数以万计的生命安全。
相较24小时以内、局部的气象预测，中常年气象预测由于气候的变幻诡谲，常常确切率会更低。传统数值预报，也就是将气象检测数据代入物理化学方程式的预测方法，也因而未能改变中常年气象预测的困局。
正当众人纷纷探求到底那里是中常年气象预报的突破口时，华为云试着将这个困局抛给了AI大模型。
近日，华为云推出了高帧率全球AI气象预报系统：盘古气象大模型，其中常年气象预测精度超过业界基于传统数值方式的模型，预测速度提高10000倍。
▲华为云盘古大模型全球气象实时预测
华为云盘古气象大模型是业内首个精度超过传统数值预报方式的全球AI气象预测模型。它有什么技术优势？研制团队怎么增强AI气象预测精度？AI大模型产业化早已发展到哪些程度？
带着这种问题我们和华为云人工智能领域首席科学家、IEEE、国际欧亚科大学教授田奇等专家进行了深度交流，找到了答案。
用AI预测一周后的全球天气可靠吗？
气象预测，虽然就是预测大气运动状态以及其各种变化。影响天气变化的诱因有好多种，如经经度、地形地势、大气环流、海陆分布、洋流等。在这种影响诱因中，任何一个微小的数值变化，都可能带来迥然不同的结果。
正如你们所熟知的，一只南非洲亚马逊河流域温带雨林中的蝴蝶，时常扇动几下翅膀，可能会在两周之后引发韩国得克萨斯州的一场龙卷风。这彰显了世界是一个普遍联系的有机整体，气象是全球互相关联的。
这同样也导致了传统数值方式在中常年天气预报预测的窘境，任何一点细小的数据偏差，都易导致结果巨大误差。更毕竟，目前科学界对大气运动规律认识有限，用于估算未来天气的各项数据无法达到最高水准。
“当一个问题涉及极其复杂的物理机理，人们很难找到具体的方程式。同时，还涉及到大量数据时，我们觉得这个问题很适宜交给AI去解。”田奇说。他觉得气象研究是一个很适宜AI发挥相应作用的一大领域。
▲华为云人工智能领域首席科学家、IEEE、国际欧亚科大学教授田奇
无论是传统数值方式，还是过去的AI模型都是基于局部的数据作出相应预测，但由于全球气象是相互影响的，因而对于整体气象预测而言，这两种方式的预测确切率通常都不高。
这么，要怎么构建一个可以更精准地进行全球气象预测的AI大模型呢？
华为云研制团队首先通过全球气象数据，构建了一个精准的全球气象模型。之后，盘古大模型的研制人员通过微调的方法将当地的气象数据喂给盘古气象大模型，因而让大模型更熟悉当地的气象特点，更好地预测气象变化。
该AI模型的水平空间帧率达到0.25°×0.25°，约28公里x28公里，可以精准地预测细细度气象特点。
目前，盘古气象大模型还能提供秒级的全球气象预报，其气象预测结果包括位势、湿度、风速、温度、海平面气压等。据介绍，盘古气象大模型还可以直接应用至多个气象研究细分场景，如温带风暴预测等。
全球AI气象预报系统背后的黑科技
为何在过去一段时间内，全球AI气象预报模型的预测精度远高于传统的数值预报？盘古研究团队发觉，主要缘由有两点：
以这两点为突破口，盘古气象大模型的研究团队首先通过3DEarth-的方法处理复杂的不均匀3D气象数据，增强AI大模型的预测精度。
“简单来说天气预报大气压强查询，我们的世界是三维的，过去，我们是将三维的数据交给二维的神经网路来处理，所以会存在不足。具体来说，2D模型无法捕捉不同大气高度下气流团之间的互相作用，但是2D模型无法把握通常只在3D空间中完全叙述的天气过程（如幅射和对流）的规律。如今我们开始尝试用三维的神经网路去处理气象的数据，能得到更精准的结果。”田奇说道。
他还谈到未来，假如想要进一步增强AI模型的精准度，研究人员可以在三维的基础上再加上时间轴，弄成四维的深度学习网路，预测结果可能会更好。
▲3DEarth-构架
同时，盘古气象大模型还通过“层次化频域聚合策略”，降低了大模型迭代偏差，并降低了一定内存消耗，提高了训练效率。
研究人员通过训练4个不同预报间隔的模型，之后用贪心算法调试这种模型，进而让预测特定时间气象情况的迭代次数最小，降低训练资源消耗，提升训练过程的稳定性。
基于这两点为突破口，相较于其他的预测方法天气预报大气压强查询，盘古气象大模型在高空气象预测、地表气象预测数据方面，偏差进一步减少。
例如说，在同一高空变量Z500时，传统数值方式，以法国气象中心的IFS为代表，预测均方根偏差（单位：m2/s2）为152.8和333.7，盘古气象大模型把偏差降低到134.5和296.7。
据介绍，同一预测精度下，盘古气象大模型可以预测时间范围可以延长到36小时以上。
换句话说，在高空气象预测领域，盘古气象大模型的预测结果比传统数值预报和AI预报的预测偏差分别增加了10%、30%。而同一预测精度下，盘古气象大模型还能比传统数值预报时间和AI预报的预测时间更长，当其他方式才能预测一天气象时，盘古大模型可以预测四天后甚至是五天后的气象变化。
同时，盘古气象大模型可以更好地预测更细小的气象特点变化，进而帮助气象学家获得更确切的气象结果，以及从事相关气象研究。
“这并非是盘古气象大模型的预测极限”，盘古大模型研制专家讲，“随着大模型进一步迭代，盘古气象大模型的预测精度还才能进一步增强。”
据悉，盘古气象大模型在一些极端天气、热带风暴的预测上，同样达到了更高的精度。
据介绍，盘古气象大模型在预报2018年知名的台风康雷和玉兔时都达到了很高的确切度。非常是台风玉兔，盘古领先传统方式超过48小时，同时判定出玉兔的正确登录地点：新加坡黎巴嫩亚纳群岛。
可以见到，在优化了AI大模型的处理数据的方法后，华为云首次实现全球AI气象高精度预测。据悉，当未来须要用盘古气象大模型进行区域性气象精准预测时，仅须要输入少量当地数据，即可快速得到该区域高精度气象预测的结果。
盘古气象大模型的出现，填补了气象预测在中常年预测的不足之处，带动了国外中常年的预测发展，实现了在该领域的“国产自研”。
大模型已走出实验室将成为AI的“操作系统”
目前，盘古大模型早已在电力、煤矿、医疗等多项目上逐渐落地，气象领域则是盘古大模型踏入的新领域之一。
“我们也听到一些新的方向，如针对语音助手更好的对话模型、AIGC、渲染等领域。”田奇提及未来挖掘盘古大模型新的应用场景时，将会以“高价值、大场景”为主要标准。他觉得大模型并非适宜解决所有问题，一些细分的场景并不适宜AI处理。
“我们希望通过大模型做一个基座，在前面‘长’出好多应用。就那些场景来讲，假如解决一个场景，就可以快速到不同地方复制解决相关问题，这种就是高价值、大场景的领域，值得我们去关注。”田奇补充道。
这样的选择标准也和近些年来AI大模型的发展离不开关系。
近些年来，预训练大模型的出现让行业与AI快速结合成为了可能，企业在通用大模型的基础上进行行业知识的微调后，可以快速训练出一个好用的行业模型，支撑不同企业的个性化订制需求。这也是这几年人工智能领域一个新的动力来源。大模型也从实验室的“工具”，成为一个触手可及的服务、一项人工智能的基础设施。
▲AI的发展历程
随着越来越多的AI大模型走出实验室，踏入产业深处，中国信通院也在明年启动大模型系列标准编制工作，希望以此规范产业链的发展。
华为云也参与到中国信通院的大模型标准构建工作中，加速推动人工智能实用化、通用化和普惠化发展进程。在首轮大模型测评的“模型开发”和“模型能力”两部份，华为云盘古大模型达到了当前最中级4+级标准。
田奇提及，华为云在整合了大模型的研制和落地经验后，还组织专家团队，撰写了《预训练大模型蓝皮书》。“我们希望将自身对大模型的洞察毫无保留地分享给业界，通过梳理大模型的关键技术点，提供一种通用的标准，实现大模型的标准化和产业化。我们希望大模型还能渐渐成为AI的‘操作系统’，让大模型或则AI能力真正才能释放到生活中去。”
AI大模型走入产业“深水区”
盘古气象大模型的成功，不但代表着AI大模型正在迈向产业“深水区”，并且也是国外科技自立自强的的案例之一，填补了国外在中常年气象预报的不足之处。
通过常年基于全球天气数据训练深度神经网路模型，盘古气象大模型成为了业内首个精度超过传统数值预报方式的AI大模型。在研制过程中，华为云既有基于过去AI气象模型的思索和迭代，又基于气象数据的特点，在大模型的数据处理等环节进一步创新。
AI大模型正成为明年最热门的话题之一。正如田奇所说，AI大模型正在成为AI的“操作系统”，在此基础上，AI大模型可以充分发挥AI的生产力，并衍生出各类不同的AI工具，促使数字化产业化变革。
