氣象AI的軟肋，能算天晴，卻算不準暴雨？專家揭秘黑盒模型缺陷

哈嘍，大家好，今天小墨這篇評論，主要來分析為什么AI預(yù)報天氣看著準，極端暴雨卻經(jīng)常算錯。

最近幾年，AI預(yù)報天氣這事越來越火。打開手機APP，15天天氣預(yù)報、逐小時降雨預(yù)測，看上去比以前精準多了。很多人覺得，有了AI，天氣預(yù)報這事基本就解決了。但實際情況遠沒有這么簡單。

在前不久的GAIR 2025大會上，清華大學深圳國際研究生院教授、國家超級計算深圳中心副主任付昊桓，專門談了AI在氣象預(yù)報中的真實表現(xiàn)。

他的觀點很直接，AI在常規(guī)天氣預(yù)報上確實有提升，但一碰到極端天氣，問題就暴露出來了。暴雨、臺風、強對流這些真正需要準確預(yù)報的場景，AI往往不如傳統(tǒng)數(shù)值模擬靠譜。這不是AI不夠先進，而是氣象預(yù)報這事本身，比大家想象的要復(fù)雜得多。

要理解AI為什么在氣象預(yù)報上有軟肋，得先搞清楚地球系統(tǒng)到底有多復(fù)雜。付昊桓在采訪中提到，地球系統(tǒng)幾乎把科學計算中最難的幾個問題都集中在了一起。

首先，它是個混沌系統(tǒng)。大家都聽過蝴蝶效應(yīng)，說的就是系統(tǒng)對初始條件極度敏感。一個非常微小的擾動，經(jīng)過足夠長的時間和足夠復(fù)雜的相互作用，都可能對整體狀態(tài)產(chǎn)生顯著影響。這就是為什么天氣預(yù)報做不到特別長的周期，因為初始條件稍有偏差，后面的結(jié)果就會完全不一樣。

地球系統(tǒng)是個極端多尺度的系統(tǒng)。臺風可能發(fā)生在數(shù)百公里到千公里的尺度上，強對流降水發(fā)生在公里尺度，龍卷風是十米到百米尺度，再往下還有更微觀的過程，發(fā)生在米級甚至更小的尺度上。更關(guān)鍵的是，這些不同尺度的過程不是彼此獨立的，而是相互耦合、彼此影響的。

很多人會想，未來算力如果足夠強，是不是就可以把所有細節(jié)都模擬出來，做一個數(shù)字孿生地球？付昊桓的回答很直接，從現(xiàn)實角度看，這基本不可能。問題不只是算力，而是尺度本身沒有下限。

你可以模擬一只蝴蝶，但樹葉里的水分是怎么蒸發(fā)的？云中的水汽是如何凝結(jié)成水滴的？這些過程發(fā)生在越來越小的尺度上，而且每一個尺度都會引入新的物理機制。你永遠不可能把所有尺度都納入一個完全精確的數(shù)值模型中。

在這種前提下，數(shù)值模擬的意義在哪里？付昊桓用了一個很形象的比喻來解釋數(shù)值模擬和AI之間的關(guān)系，數(shù)值模擬是骨骼，AI是肌肉。骨骼代表的是我們已經(jīng)理解得比較清楚的那部分自然規(guī)律，比如守恒定律、動力學方程、熱力學關(guān)系等。

這些東西是有明確物理意義的，是可解釋、可追溯的。而肌肉這一側(cè)，指的是那些我們目前很難用嚴格物理模型去描述、或者算力根本支撐不了的部分。

他舉了個臺風預(yù)報的例子。當臺風從海上向陸地移動時，在百米甚至公里尺度上，它的整體動力結(jié)構(gòu)是可以用傳統(tǒng)數(shù)值模型來刻畫的。但當臺風進入城市環(huán)境之后，問題就變得非常復(fù)雜。

你想知道某一條街道上，風會怎么走？某一個小區(qū)里，降雨會如何分布？這些已經(jīng)進入了十米、甚至一米尺度，而傳統(tǒng)數(shù)值模型在這個尺度上不僅算力不夠，物理參數(shù)化本身也變得非常困難。

在這種情況下，如果完全依賴數(shù)值模擬，成本無法承受。但如果完全依賴AI，又會失去物理約束。所以一個更現(xiàn)實、也更有前景的方向，是讓AI在這些"肌肉層面"去補充數(shù)值模型，而不是取代它。

付昊桓經(jīng)常用"齒輪"這個比喻，他希望數(shù)值模型和AI能夠形成一個緊耦合的混合模型。就像兩個齒輪咬合在一起，一起轉(zhuǎn)，而不是各轉(zhuǎn)各的。

那目前這些AI模型成果，是如何被氣象部門實際采納和使用的？付昊桓介紹說，現(xiàn)在的天氣預(yù)報本身就是一個高度工程化的混合體系。

以華南地區(qū)為例，目前常用的是大約一公里分辨率的網(wǎng)格模型。在這個尺度上，動力方程是可以直接計算的。而網(wǎng)格內(nèi)部無法解析的微物理過程，則通過統(tǒng)計參數(shù)化方案來處理。

同時，還會引入多組初始條件、多種模型配置，進行集合預(yù)報。最終給出的，并不是單一結(jié)果，而是一種帶有概率意義的預(yù)報結(jié)論。在這樣的體系下，目前7天預(yù)報是可以實現(xiàn)的，其中3到5天相對比較可靠。

AI的引入，在這個體系中確實帶來了一些提升。比如，它可以利用更多類型的數(shù)據(jù)，提升某些變量的預(yù)報精度。在部分場景下，也確實可以延長可預(yù)報時間的長度。但問題也非常明顯。

首先，AI對極端天氣的預(yù)測能力仍然不足。極端事件本身在數(shù)據(jù)中出現(xiàn)得就不多，而AI往往更擅長學習"常態(tài)"。AI的輸出結(jié)果往往偏平滑，這在視覺上可能看起來"合理"，但會掩蓋一些真正重要的極端特征。

第三，它是一個黑盒。對于一線預(yù)報員來說，當模型給出一個結(jié)果時，他們很難像使用傳統(tǒng)數(shù)值模型那樣，追溯每一步計算的物理原因。

此外，傳統(tǒng)數(shù)值模型天然包含不確定性評估機制，而AI原生并不具備這一能力。這在實際業(yè)務(wù)中，是一個非常關(guān)鍵的差異。

付昊桓認為，數(shù)值模擬一定是整個體系的backbone。它承載的是人類已經(jīng)理解的物理規(guī)律，是可解釋、可驗證的。AI的角色，不是推翻這一體系，而是在這個基礎(chǔ)上去補充、去增強。

現(xiàn)在越來越多科技公司進入氣象和氣候領(lǐng)域，這個賽道確實開始變得非常"卷"。但從另一個角度看，這也說明大家普遍認為，這個領(lǐng)域未來還有很大的突破空間。

付昊桓提到，氣象和氣候的商業(yè)價值至少體現(xiàn)在三個方面，季節(jié)尺度預(yù)報的金融屬性、能源系統(tǒng)的調(diào)度優(yōu)化，以及碳達峰碳中和相關(guān)的產(chǎn)業(yè)鏈影響。

付昊桓個人最期待的是3到6個月尺度的預(yù)報能力突破。這是目前天氣預(yù)報和氣候預(yù)測之間的一個灰區(qū)，也是現(xiàn)實中非常重要、但目前還難以解決的問題。