DeepMind与Google Research齐发力，多技术路线打造AI天气预报的「六边形战士」

DeepMind 的研究员 Remi Lam 入选 Nature 年度十大人物

原标题：DeepMind与Google Research齐发力，多技术路线打造AI天气预报的「六边形战士」
文章来源：HyperAI超神经
内容字数：6943字

Google DeepMind引领AI天气预报

本文总结了Google DeepMind和Google Research在天气预报领域取得的重大突破，以及该领域整体发展趋势。文章重点关注Rémi Lam及其团队的贡献，他因在利用机器学习改进天气预报方面的杰出成就而入选Nature 2024年度十大人物。

GraphCast和GenCast：DeepMind的双剑合璧
DeepMind先后推出了GraphCast和GenCast两个天气预报模型。GraphCast是一个基于图神经网络的自回归模型，可在1分钟内预测未来10天全球天气，准确率显著高于传统系统。GenCast则基于扩散模型和Transformer，能在8分钟内生成包含随机性的15天全球天气预报，空间分辨率更高，尤其在极端天气预测方面表现出色。
技术路线探索：AI与传统数值预报的融合
文章探讨了DeepMind为何没有选择像AlphaFold一样持续迭代单一模型的策略。这主要是因为短期、中期、长期天气预报对精度和分辨率的要求不同，难以用单一模型满足。目前的研究多集中在单项任务上，力求在准确性和效率上取得突破。Google的研究也体现了这种策略，GraphCast专注中期预报，而NeuralGCM则结合了传统大气环流模型(GCM)和神经网络，实现了长期气候预测。
NeuralGCM：AI与传统数值预报的完美结合
Google Research发布的NeuralGCM模型，融合了大气动力学可微分求解器和机器学习，将传统物理方法与AI优势结合。它在1-15天甚至10年的天气和气候预测中都表现出色，准确性与欧洲中期天气预报中心(ECMWF)的模型相当。NeuralGCM利用AI处理小尺度现象，并纠正传统方法的误差，实现了性能的跨越式提升。
百家争鸣：AI天气预报领域的竞争格局
除了Google，华为、微软、英伟达等公司也在积极研发AI天气预报系统，各有特点。华为的盘古气象大模型预测速度大幅提升；微软的Aurora模型具有高空间分辨率；英伟达则打造了开放的EARTH-2平台。学术界也贡献了众多成果，例如FengWu-GHR模型和“伏羲”模型等。这表明AI天气预报领域正蓬勃发展，多种技术路线并行，共同推进预报精度和分辨率的提升。
未来展望：AI与传统方法的协同发展
文章认为，虽然AI技术不断迭代，但短期内AI与传统数值预报的结合仍是更优解。未来需要继续探索如何进一步提高空间分辨率，以更精准地预测天气变化，特别是极端天气。