华为“盘古”何以十秒预报全球七日天气
天气预报是研究大气系统演变的重要科学手段，同时对社会发展和国家战略至关重要。它带来的经济效益和社会价值巨大。在世界范围内，天气预报所贡献的经济效益高达1620亿美元，至少占全球GDP的0.185%。在中国，约40%的GDP受到天气和气候的影响，尤其在农业生产中，天气预报的作用更为突出。近年来，全球气候变暖加剧，极端气象灾害频发，给人类生产生活带来巨大挑战。普及早期预警机制，不仅每年可避免高达130亿美元的财产损失，更能拯救无数生命。
传统天气预报的历史、原理和瓶颈
数值天气预报理论源于上世纪初。1904年，挪威科学家Bjerknes便提出通过数学物理方程来预测天气，但因算力不足难以实践。1922年，英国气象学家Richardson动员大量人力，历经6周，以手工纸笔的方式完成了首次6h“预报”。1950年，美国气象学家Charney首次利用电子计算机，“仅”花费24h便完成了24h的预报，在气象学界引起巨大轰动。随着计算机性能提升，数值天气预报逐步成熟，预报时长延长至5—7天，分辨率也从数百公里精细至几公里。
数值天气预报的基本原理在于，首先将雷达、卫星等观测资料，形成网格化的温度、气压、湿度、风速等气象变量，并通过求解大气动力学方程模拟其未来演变。数十年来，科学家们不断完善复杂的偏微分方程系统，力求更准确地描述大气的变化动态。
近年来，数值预报方法在精度和速度上遭遇瓶颈。精度提升缓慢，时效性平均每十年才提升一天。欧洲中期天气预报中心（ECMWF）数据显示，2012—2022年间，多个气象要素的3—7天预报误差减少不到5%，原因是偏微分方程的误差累积和观测数据的不完整和不准确性。同时，天气预报对计算资源的消耗巨大，需要超级计算机持续不断地运算才能满足实际需求，使许多欠发达国家难以建立自己的数值预报系统。
人工智能大模型让天气预报越来越准
人工智能技术的飞速发展，深刻改变了人们的生产和生活。当传统数值预报面临挑战时，人们好奇人工智能能否用于天气预报，并超越传统方法？2023年7月，我国科研团队给出了积极回应。华为云计算技术有限公司田奇团队开展的“盘古气象大模型”项目，采用适配地球坐标的三维神经网络与层次化时域聚合策略，实现了精准的全球中期气象预报。经过全球天气再分析数据训练，该模型能准确预报7天内多层气象要素等，相比全球领先的ECMWF系统，预报时效提高约0.6天，热带气旋路径预报误差降低25%。该模型仅需10秒即可完成全球7天预报，计算速度提升万倍以上。这一成果入选了2023年度“中国科学十大进展”。他们在《自然》杂志上发表论文，提出了可用于全球中期气象预报的“盘古气象大模型”，不仅首次超越了传统数值预报的精度，还在台风路径预报上表现卓越。盘古气象大模型基于深度学习理论，不同于传统数值预报：不依赖于大气动力学方程，而是构建深度神经网络，将历史上的气象数据作为训练资料，对神经网络进行调优。田奇团队率先意识到这类方法的巨大潜力，构建了适用于全球高分辨率中长期天气预报的三维神经网络大模型。该模型应用三维transformer网络架构，采用经典的编码器—解码器设计模式，并引入地球位置先验和层次化时域聚合策略，有效地提升了训练效率，降低了推理功耗。
团队用1979—2017年全球再分析数据训练盘古气象模型，并在2018年数据上进行了详尽的测试。整个训练过程在192块GPU上耗时约两个月，训练资料超60TB。实验结果显示，盘古在数值天气预报领域展现出惊人的性能，当以再分析数据作为输入时，其精度甚至超越了公认最精确的传统数值预报模型，即欧洲气象中心的集成预报系统（IFS）。它仅需10秒即可完成全球7天高分辨率数值天气预报，推理速度提升了万倍以上，而计算功耗则降低了十万倍以上。盘古气象大模型的优势，主要体现在这些方面。
