冬季风暴来袭，英伟达推出新一代AI气象系统Earth-2

随着冬季风暴接连席卷美国中西部、东北部和落基山脉地区，多地降雪量突破历史纪录，航班取消、道路封闭、电力中断频发。传统数值预报模型在极端天气面前反应迟缓、误差放大，公众对精准预警的需求前所未有。就在这一关键时刻，英伟达在休斯顿举行的美国气象学会年会上，正式发布其全新气象AI平台——Earth-2，试图用更高效、更精准的方式，重塑天气预测的未来。

超越谷歌GenCast：不是噱头，是实测数据说话

英伟达这次没有空谈“AI改变气象”，而是拿出了硬指标。其核心模型Earth-2 Medium Range在70多个关键气象变量上，包括2米气温、10米风速、海平面气压、降水率、500百帕高度场等，均显著优于谷歌DeepMind在2024年底发布的GenCast模型。这不是实验室模拟，而是基于欧洲中期天气预报中心（ECMWF）的再分析数据集进行的交叉验证。

与传统模型依赖层层嵌套的物理方程不同，Earth-2采用的是更简洁、更成熟的Transformer架构——这种架构在语言模型和图像识别中已被广泛验证。英伟达气候模拟总监迈克·普里查德坦言：“我们不再试图用AI模仿物理，而是让AI从真实数据中学会天气的规律。”这一思路让模型训练更快、推理更稳，且更容易在普通GPU集群上部署。

四大工具，覆盖从分钟级到七天的全场景

Earth-2不是一个单一模型，而是一整套工具链，针对不同时间尺度和应用场景分别优化：

• 临近预报（Nowcasting）：专攻未来0–6小时的强对流天气。它直接接入全球地球静止卫星（如GOES-R、Himawari）的实时红外与水汽图像，无需依赖本地雷达或数值模式，能提前30–45分钟捕捉雷暴发展、风切变和冰雹云团。美国国家气象局已开始在德克萨斯和佛罗里达试点测试。
• 全球数据同化系统：传统气象预报的“起跑线”是把全球数百万个观测点（地面站、探空气球、船舶、浮标）的数据融合进初始场，这个过程曾是超级计算机最吃力的任务，耗时数小时。Earth-2用GPU集群将这一过程压缩到5分钟内，且精度不降反升，为后续预报打下更扎实的基础。
• CorrDiff：一种基于扩散模型的高分辨率补全工具，能把10公里分辨率的预报结果“细化”到1公里，清晰呈现城市热岛、山地降水分布等细节。以色列气象局已在特拉维夫和内盖夫沙漠地区用于城市洪涝预警；台湾中央气象署则用它提升台风路径的局部降雨预测。
• FourCastNet3：专注于单一变量的长期趋势建模，比如未来7天的温度异常、风速极值，特别适合能源公司做电力负荷预测或农业保险定价。

让天气预报不再属于“富国俱乐部”

过去，一个国家要拥有高精度天气预报能力，要么花数千万美元租用欧洲或美国的超级计算机，要么依赖美国国家海洋和大气管理局（NOAA）的公开数据——但这些数据往往延迟6–12小时，且分辨率有限。

“天气不是奢侈品，是生存必需品。”普里查德说。Earth-2的开放架构和轻量化设计，让一台配备4–8块A100 GPU的服务器，就能跑出过去需要千万级超算才能完成的精度。目前，肯尼亚气象局、越南国家水文气象中心、巴西国家空间研究院已与英伟达展开技术对接，探讨本地化部署方案。

商业领域也在快速跟进。天气频道母公司The Weather Company正在测试Nowcasting用于交通和户外活动的实时预警；道达尔能源则利用CorrDiff优化北美页岩气井的冬季作业计划，避免因突发寒潮导致设备冻结停工。

下一步：开放部分模型，推动全球协作

英伟达宣布，Earth-2的部分模型（包括FourCastNet3和CorrDiff）将通过NVIDIA NGC平台免费向学术机构和非营利组织开放，供研究使用。同时，他们正与世界气象组织（WMO）合作，推动建立“AI气象模型互操作标准”，避免未来出现新的技术壁垒。

对普通民众而言，这意味着未来手机天气App的“小时级降水预报”会更准，暴风雪预警会更早，航班延误的解释会更可靠。这不是科幻，而是正在发生的现实——AI不是取代气象学家，而是让他们从繁琐的数据处理中解放出来，专注在最关键的决策上。