全球首個全開放加速AI氣象模型家族問世，英偉達Earth-2助力氣象革新
氣象預報領域迎來突破性進展。在近日舉辦的美國氣象學會年會上，英偉達（NVIDIA）正式發佈Earth-2開放模型家族，這一全球首個完全開放、加速的AI氣象模型與工具集讓氣象AI在全球範圍內、在天氣預報的每個階段都觸手可及——從處理初始觀測數據到生成 15 天全球預報或局地強對流天氣預報。
據介紹，這些將爲全球科學家、初創企業、開發者、企業及政府機構提供高效能的氣象預測解決方案，讓AI氣象技術在全球範圍內的天氣預報全流程中實現廣泛應用。
AI天氣與氣候預測技術正以前所未有的方式融入科研與產業實踐。作爲專爲天氣與氣候AI打造的庫及框架系列，NVIDIA Earth-2開放模型家族涵蓋預訓練模型、框架、定製化方案和推理庫等核心技術，能夠加速從初始觀測數據處理到15天全球預報或局地強對流天氣預報的完整流程，爲氣象預測領域帶來效率與精度的雙重提升。
傳統天氣預報長期依賴基於物理模型的高性能超級計算機，而AI驅動的天氣預報模式可顯著節省計算時間與成本，讓更多國家、氣象企業及商業機構得以搭建面向特定應用的預報系統。NVIDIA Earth-2作爲首個開放、加速的模型與工具集，助力開發人員整合分散的天氣與氣候AI能力，使各組織能在自有基礎設施上運行、微調和部署生產就緒型氣象AI模型，爲氣象科研協作與技術落地提供堅實支撐。
此次發佈的全新Earth-2開放氣象模型包括三大核心產品：
• Earth-2 Medium Range（中期預報模型），基於全新架構的Atlas模型，可實現15天內中期天氣預報，涵蓋溫度、氣壓、風速和溼度等70餘項氣象變量，在行業標準測試中，其常見預報變量表現優於領先開放模型。
• Earth-2 Nowcasting（臨近預報模型），依託全新架構的StormScope模型，採用生成式AI技術，能在數分鐘內將國家尺度預報轉化爲公里級分辨率的零至六小時局地風暴及災害性天氣預測，通過直接模擬風暴動力學，首次在短期降水預報領域超越傳統物理氣象預測模型，並可利用AI直接預測衛星與雷達影像。
• Earth-2 Global Data Assimilation（全球數據同化模型），基於全新架構的HealDA模型，可生成天氣預測的初始條件——即全球成千上萬個地點當前大氣狀態的快照，涵蓋溫度、風速、溼度及氣壓等參數，在GPU上數秒內即可生成初始條件，而超級計算機則需數小時，與Earth-2 Medium Range配合使用時，可通過開放式全AI工作流生成高精度預報。
此外，NVIDIA Earth-2平臺中已有的開放氣象模型同樣表現亮眼：
• Earth-2 CorrDiff，基於生成式AI架構，將粗分辨率的大陸尺度預測結果降尺度爲高分辨率的區域尺度天氣場，爲本地預報提供精細分辨率支持，速度比傳統方法快500倍。
• Earth-2 FourCastNet3，在風速、溫度、溼度等多項氣象變量預測中精度卓越，不僅超越主流傳統集合預報模型，可與頂尖基於擴散的方法比肩，且預報生成速度比其他AI方法快60倍。
Earth-2還集成了來自歐洲中期天氣預報中心（ECMWF）、微軟、谷歌等機構的開放模型，平臺中的模型可通過NVIDIA PhysicsNeMo進行訓練和微調，該開源Python框架專爲大規模開發AI物理模型而設計。
精準的天氣預報對挽救生命、保護環境至關重要，也是農業、能源、公共衛生等行業決策的重要基石。目前，各行各業的開發者已開始藉助Earth-2進行天氣預測並獲取可操作性洞察：
在天氣預報領域，AI氣象工具供應商Brightband作爲NVIDIA初創加速計劃“可持續未來”倡議成員，正運行Earth-2 Medium Range每日發佈全球實況天氣預報；The Weather Company正在評估Earth-2 Nowcasting在局部極端天氣應用中的可行性，美國國家氣象局則在測試新型氣象模型以優化業務工作流。
在能源預測與電網運行領域，道達爾能源正評估Earth-2 Nowcasting，以提升短期風險意識和決策能力；埃尼公司對Earth-2中的FourCastNet、CorrDiff等模型進行密集測試，旨在實現預測結果半業務化降尺度，提前數週生成高分辨率概率性天氣與天然氣需求預測；中國協鑫集團作爲國內最大太陽能材料生產商之一及全球能源綜合運營服務商，已在光伏發電功率預測系統業務中運行NVIDIA Earth-2模型，相比傳統數值天氣預報，其以更低成本提供更精準數據，顯著提升了光伏發電功率預測準確性；西南電力池（SPP）正與日立合作，運用Earth-2 Nowcasting和FourCastNet3提升日內及日前風電預測精度，以增強電網可靠性並推動更明智的運營決策。
在財務影響評估領域，標普全球能源正利用NVIDIA Earth-2 CorrDiff將氣候數據轉化爲本地化風險評估洞察；全球保險巨頭安盛集團（AXA）藉助FourCastNet生成數千種假設颶風情景，用於模型評估、方法學開發及現有技術基準測試。
