微软研究院宣布开源Aurora AI基础模型，该模型结合深度学习与大规模异质资料处理技术，除了能精确预报天气，还可透过微调应用于海洋波浪及空气品质等多种环境事件，推动气象与地球系统科学的技术发展。

根据微软团队发表于《Nature》期刊的论文，Aurora为大型人工智慧基础模型，以超过一百万小时来自卫星、雷达、气象站及电脑模拟等多种来源的气象与环境资料训练而成。该模型不限于传统天气预报任务，其弹性架构可经有限微调，应用于颱风路径预报、海浪高度及方向分析，甚至空气污染事件预测。

Aurora训练所使用的资料规模，较多数同类人工智慧模型更为庞大，使其在不同预报任务能有效整合多元资料来源，例如在2023年杜苏芮（Doksuri）颱风路径预测，Aurora于事件发生前四天即能準确预测其将登陆菲律宾北部，当时美国联合颱风警报中心（JTWC）则预测路径较偏向台湾附近。根据微软研究团队测试，Aurora于2022至2023年全球热带气旋预报任务，轨迹预测表现于所有比较案例均优于七个主要气象中心，这是机器学习模型首次在该领域全面超越传统数值模式。

除天气与气旋外，Aurora在海浪预报及空气品质预测等複杂环境事件，同样展现高度精确度。针对海浪预报，Aurora可捕捉细緻波浪结构变化，对于受颱风影响的极端海象能有更佳掌握。在空气品质预测案例，儘管训练阶段未特别学习大气化学反应，Aurora仍可透过少量空气品质资料微调，有效预测沙尘暴等空气污染事件，并大幅降低传统方法的计算资源消耗。

Aurora採用弹性的深度学习编码器架构，能同时处理多源、结构多样且维度複杂的资料，在推论阶段可于数秒内产生中期气象预报，速度约为传统数值天气预报系统的5,000倍，且运作成本明显较低。研究团队指出，Aurora每次微调作业仅需约4至8周即可完成，较传统数值气象模式开发周期大幅缩短。

目前Aurora模型已整合至MSN Weather服务，并于Azure AI Foundry Labs上提供开发者试用及二次开发。微软已释出模型权重及部分原始码，开发者可依需求进行微调，支援能源调度、农业风险预警、交通安全等多元应用。