隨著算力增長的趨緩和物理模型的逐漸復雜化，傳統數值預報的瓶頸日益突出，研究者開始挖掘新的氣象預報范式，例如使用深度學習方法來預測未來天氣。在數值方法應用最廣泛的中長期預報領域，現有的AI預報方法精度顯著低于數值預報方法，并受到可解釋性欠缺、極端天氣預測不準等問題的制約。來自華為云的研究人員提出一種新的高分辨率全球AI氣象預報系統——盤古氣象大模型。作為首個精度超過傳統數值預報方法的AI模型，華為云盤古氣象大模型的預報速度是傳統數值模式的10000倍以上，能夠提供全球氣象秒級預報，預測結果包括位勢、濕度、風速、溫度、海平面氣壓等，可以直接應用于多個氣象研究細分場景。

華為云研發團隊兩年前開始AI氣象方向的研究。他們發現，AI氣象預報模型的精度不足主要有兩個原因:一是現有AI氣象預報模型都是基于2D神經網絡，無法很好地處理不均勻的3D氣象數據；二是AI方法缺少數學、物理的機理約束，在迭代過程中會不斷積累迭代誤差。為此，團隊提出用適應地球坐標系統的三維神經網絡處理復雜的不均勻3D氣象數據，并且使用層次化時域聚合策略減少預報迭代次數，從而減少迭代誤差。基于43年的全球天氣數據訓練深度神經網絡后，盤古氣象大模型在精度和速度上全面超越了傳統的數值預測方法。

談到為何選擇AI氣象預報領域作為突破口，華為云研發團隊負責人表示:一方面，氣象預報尤其是對暴雨、臺風、干旱、寒潮等極端天氣的精準預測關乎國計民生；另一方面，氣象預測問題非常復雜，AI可以從海量數據中挖掘出新的大氣演變規律，在精度和速度上具有相當大的提升潛力。“未來，華為云將聯合全球氣象機構，繼續探索并發揮AI在氣象領域的應用潛力，為農林牧漁、航空航海等行業及公共安全領域提供有力的科技支持。”該負責人表示。