編輯 | 白菜葉

可靠地預測地球系統對于減輕自然災害和支持人類進步至關重要。傳統的數值模型雖然功能強大，但計算成本極其高昂。

人工智能 (AI) 技術已經在提高預測性能和效率方面展現出良好的前景，但其在地球系統領域的應用潛力仍未得到充分開發。

2024 年 6 月，微軟研究團隊開發了首個大氣 AI 基礎模型 Aurora，并發布了相關技術論文的預印版本。后續，經過同行審議后，這篇論文于 2025 年 5 月 22 日發布在了《Nature》雜志。

Aurora 是一個基于超過一百萬小時的多樣化地球物理數據進行訓練的大規模基礎模型。

Aurora 在預測空氣質量、海浪、熱帶氣旋路徑和高分辨率天氣方面的表現均優于實際天氣預報，而且計算成本卻降低了多個數量級。

Aurora 能夠以適中的成本針對各種應用場景進行微調，這標志著其朝著實現精準高效的地球系統預測的大眾化邁出了重要一步。

這些成果說明了人工智能在環境預測領域的變革潛力，并為更廣泛地獲取高質量的氣候和天氣信息鋪平了道路。

論文鏈接：https://www.nature.com/articles/s41586-025-09005-y

參考其他領域基礎模型的成功經驗，研究人員首先使用超過一百萬小時的多樣化地球系統數據對 Aurora 進行預訓練。

Aurora 模型由三部分組成：

（1）編碼器，將異構輸入轉換為通用的潛在三維 (3D) 表示；

（2）處理器，使表示隨時間向前演化；

（3）解碼器，將標準三維表示轉換回物理預測。

處理器采用 3D Swin Transformer 實現，編碼器和解碼器均基于感知器模塊。通過將預測結果遞歸地反饋給模型作為輸入，可以生成不同提前期的預測。

圖示：Aurora 是一個包含 13 億個參數的地球系統基礎模型。（來源：論文）

研究人員在一系列下游任務上對模型進行了微調，首次證明 AI 模型能夠超越多個現有運營系統，同時速度也大幅提升。

具體而言，Aurora 在空氣質量、海浪、熱帶氣旋路徑和高分辨率天氣預報多個關鍵預測領域實現了卓越的性能：

1、分辨率為 0.4° 的 5 天全球空氣污染預報，在 74% 的目標上優于資源密集型的數值大氣化學模擬；

2、分辨率為 0.25° 的 10 天全球海浪預報，在 86% 的目標上超過了昂貴的數值模型；

3、5 天熱帶氣旋路徑預報，以100% 的目標精度優于七個業務預報中心；

4、分辨率為 0.1° 的 10 天全球天氣預報，在 92% 的目標上超越最先進的數值模型，同時提高極端事件的性能。

從開始到結束，每個微調實驗僅需 4-8 周，僅由一個小型工程師團隊完成，而動態基線模型的開發周期通常長達數年。當然，如此快速的開發進度得益于數十年來對傳統數值方法的研究積累的大量數據。

Aurora 對地球系統預測領域的潛在影響是深遠的。雖然該研究僅展示了 Aurora 在四個領域的應用，但它可以針對任何所需的地球系統預測任務進行微調，并有可能以極低的成本生成優于現有業務系統的預測結果。

例如，預測海洋環流、局部和區域天氣、季節性天氣、植被生長和物候、洪水和野火等極端天氣形態、授粉模式、農業生產力、可再生能源生產和海冰范圍。

Aurora 能夠以適中的計算成本針對各種應用領域進行微調，這將大大提高它的可用性與可推廣性。未來也許會有人人可用的定制化天氣預測模型出現，助力農業生產，有效躲避自然災害，造福人類。