获取完整文章内容请点击下行：
自2015年6月Shi等人提出ConvLSTM短临预报模型以来，人工智能技术在天气与气候预报领域的应用经历了一段快速而深远的演变历程。从初步探索阶段的起步，到转折突破期的显著进展，再到百家齐放时期的多元化发展，直至当前高速发展阶段的全面爆发，每一个阶段都见证了AI在气象预报领域取得的一系列重大突破和创新。
第一阶段：初步探索
自从2015年Shi等人提出ConvLSTM短临预报模型以来，人工智能技术在天气与气候预报领域的应用正式拉开了序幕。这一创新不仅标志着数据驱动预报方法的重大突破，也为后续一系列基于深度学习的预报模型奠定了基础。在随后的六年探索期内，气象工作者不断尝试利用先进的机器学习算法来提升天气与气候预测的准确性和效率。2019年，Ham等人提出了ENSO气候预测，发表于《Nature》；2020年Rasp等人推出的WeatherBench数据集，为全球气象研究人员提供了一个标准化的测试平台，旨在评估和比较不同机器学习模型在天气预报任务上的表现。
在这个初期探索阶段，气象工作者们的注意力更多地集中在较为基础的气象要素预测上，如Z500高度场和温度等关键指标。由于当时的计算资源有限，所采用的模型多为结构相对简单的深度学习网络。
第二阶段：转折突破
在2022年至2023年间，AI 天气气候预报大模型这一领域迎来了新的高潮，越来越多的非气象专业背景的研究者和企业开始涉足这一领域，带来了创新的方法和技术。NVIDIA提出的FourCastNet、阿里推出的SwinVRNN、华为研发的盘古气象大模型、Google开发的GraphCast、上海人工智能实验室构建的风乌、复旦大学研制的伏羲，都是这一阶段的重要成果。这些模型不仅能够进行多高度层、多要素的综合预测，而且还采用了更大规模的数据集和更复杂的模型结构，大大提升了预测的精度和效率。
特别是华为的盘古气象大模型，作为一款纯数据驱动的AI天气预报模型，它的出现成为了这一发展阶段的关键节点。盘古气象大模型不仅在技术上实现了突破，更重要的是，它开放的模型和算法，鼓励了全球范围内的合作与交流，激发了更多创新思维和技术实践，“让人们重新审视气象预报模型的未来发展方向”。
第三阶段：百家齐放
在第三阶段，AI气象大模型及其各种衍生模型如同雨后春笋般迅速涌现，标志着气象预报技术迈入了一个全新的时期。这一时期，不仅有来自各大科技企业和研究机构的积极参与，还见证了多个重要模型的诞生与发展。中国气象局与欧洲中期天气预报中心亦相继推出了各自的气象预报大模型。并且，随着机器学习和数据驱动技术的兴起，各国企业及研究机构获得了介入乃至主导气象产品研发的重要契机，打破了传统天气气候预报模型构建必须深度依赖气象领域专家的固有模式。例如，Google在这一领域主导研发了多项重要的AI气象大模型，在短期中期预报中表现出众。
与传统的数值天气预报模式相比，基于AI的天气气候预报模型展现出了显著的优势。传统数值天气预报模式虽然在理论基础上较为成熟，但其准确率和分辨率的提升速度相对缓慢，且需要耗费数小时的超级计算机运算时间和高昂的成本。相比之下，基于AI的气象预报模型不仅能够达到或超过ECMWF IFS等传统模型的预报精度，还能在短时间内生成预报结果，大幅降低了运算成本和时间消耗，AI模型为气象预报的现代化和智能化转型提供了强有力的技术支撑。
第四阶段：高速发展
AI天气气候预报的第四阶段是一个高速发展的时期。在此阶段，主要有三个推进方向：一是在现有AI气象大模型基础上，集成数据驱动的“同化-预报-后处理”端到端模型；二是实现数据与物理双驱动；三是促进地球多圈层耦合。
总之，AI已经成为气象预报不可或缺的一部分。未来，随着技术的不断进步，预计将有更多先进的AI气象预报模型问世，为气象科学的发展和人类的生活带来更大的便利。
我们将此次汇报主要内容整合为以上内容，为避免遗漏，此次汇报的完整内容还请大家阅读PPT原文。
夏老师联系方式：
