中國 AI 氣象模型超越超級電腦:風舞模型將颱風海豚登陸時間精準預測至 30 分鐘內
中國的 AI 氣象模型——風舞、盤古、伏羲——正在匹敵甚至超越傳統超級電腦預報,其中風舞模型在颱風海豚登陸前五天,即將時間預測精準至 30 分鐘、地點至 30 公里以內。
2026 年 8 月,當颱風海豚逼近中國南方沿海時,新一代人工智慧氣象模型正在密切監測——而它們看到風暴來襲的精準度,在短短兩年前還是難以想像的。在登陸前五天,由上海人工智慧實驗室開發的「風舞」模型就將登陸時間精準預測至誤差僅 30 分鐘、地點誤差僅 30 公里以內。這種精準度,只需要傳統數值天氣預報(NWP)系統所需運算資源的一小部分即可達成,標誌著全球極端天氣預報方式的重大轉折。
三個模型,三個機構
中國的 AI 氣象預報計畫由三個本土系統領頭,每個都由不同機構開發——這是一個刻意的分散策略,將國家實驗室、科技巨頭和頂尖大學置於同一競爭賽道上。
風舞(Fengwu) 來自 上海人工智慧實驗室。在開發團隊展示其約 80% 的測試氣象變數超越 Google DeepMind 的 GraphCast 模型後,風舞引起了全球關注。風舞將有效預報期推到了傳統十天實用上限之後。
盤古(Pangu) 由 華為 打造。根據發表於《Nature》的研究,它是第一個在預報準確度上超越傳統 NWP 的 AI 模型,同時大幅提升了運算效率——其全球七日預報可以在數秒內生成,而非物理模型超級電腦所需的數小時。
伏羲(Fuxi) 由 復旦大學 開發。與風舞和盤古一起,它代表了一場協調性的國家戰略,旨在將 AI 驅動的氣象學轉化為中國氣候韌性基礎設施的核心組成部分。
颱風海豚的實戰考驗
颱風海豚提供了一個生動的真實世界基準測試。當風暴向中國海岸移動時,風舞模型提前五天做出的預報,將登陸時間精準至誤差 30 分鐘以內、登陸地點誤差 30 公里以內(約 19 英里)。
這種精準度對於災害應對至關重要。颱風登陸的是哪一座城市而非另一座,是在中午抵達還是在午夜抵達——這些差異決定了疏散命令、港口關閉、農業動員和軍事準備的時機。當預報足夠精準且提前數天抵達,當局就獲得了將數百萬人移出危險區域所需的寶貴時間。
來自科技風公司的孫志表示,AI 模型已經具備了作業級可靠度的颱風路徑預測能力。「隨著極端天氣日益增多,人們需要資訊來做決策——不論是地方政府、中央政府,還是普通百姓、農民和漁民,」孫志說道,將這項工作定位為以人命為單位衡量的公共服務,而非學術基準測試。
速度與成本:結構性優勢
AI 氣象模型的吸引力不僅在於準確度。這些系統生成預測的速度比傳統 NWP 快了好幾個數量級——後者需要龐大的超級電腦來求解控制大氣動力學的物理方程式。相比之下,AI 模型從數十年的歷史氣象資料中學習統計模式,然後在數秒內推斷未來的天氣狀況。
這種速度對成本的比例是革命性的。傳統的全球天氣模擬可能需要造價數百萬美元的超級電腦運轉數小時。而 AI 模型可以在單一 GPU 上不到一分鐘的時間內產出同等品質的預報。對於負擔不起傳統高品質預報所需超級電腦基礎設施的開發中國家而言,AI 模型有望實現救命級氣象情報的民主化。
對中國而言,這個計算具有戰略意義。中國擁有全球最容易受到極端天氣影響的農業和海岸線。更快、更便宜且更準確的預報直接轉化為經濟節約,以及洪水、颱風和乾旱造成的傷亡減少。
全球競賽
中國並非孤軍奮戰。西方實驗室已大力進軍 AI 氣象預報領域。Google DeepMind 的 GenCast 是一套生成集合預報的機率系統。Nvidia 的 FourCastNet 利用 GPU 架構進行大氣預測。歐洲中期天氣預報中心(ECMWF) 開發了自己的 AIFS 模型。一家瑞士新創公司甚至聲稱其系統超越了 Microsoft 和 Google 的產品。
但中國的做法在作業部署速度上獨樹一格。當西方的 AI 氣象模型大多仍處於研究或試驗階段時,中國已經將風舞、盤古和伏羲整合到其國家氣象作業流程中。在 2025 年的颱風季中,風舞模型據報已與傳統預報並行提供作業指導,其在颱風伊爾莎期間提前五天準確預測路徑的表現已被記錄在《Nature Communications Earth & Environment》期刊論文中。
AI 仍然做不到的事
儘管在風暴路徑上的精準度令人矚目,中國的氣象預報員對局限性直言不諱。AI 模型在預測 風暴強度 方面仍然落後於傳統方法——而強度是可控風暴與災難性風暴之間的關鍵差異。一個能精準預測颱風登陸地點的模型,仍然可能在登陸時的猛烈程度上嚴重失準。
它們也尚未經過主要長期氣候演變的測試,因為這些演變超出了它們的訓練資料範圍。AI 氣象模型從歷史觀測中學習,而暖化的氣候正在產生訓練集中從未見過的條件。因異常溫暖的海水而迅速增強的風暴,或因北極冰層流失而偏移的噴流模式,可能會產生統計模式匹配無法預見的意外。
這些限制正是氣象學家將 AI 視為傳統物理預報的 補充 而非 替代品 的原因。最有效的方法可能是混合模式——AI 模型提供快速的初步指引,而 NWP 系統則在最關鍵的預測上進行精細化修正。
為何這超越氣象本身
氣象預報競賽是中美 AI 更廣泛競爭中一個異常透明的競技場,因為裁判是物理本身。一個聊天機器人可以用品味來評分,但颱風預報要麼對、要麼錯——而且真相會準時到來,每一次都是如此。
這使得氣象成為比較各國和各機構 AI 能力的誠實基準。這也使其具有戰略意義。能以最快速度、最低成本和最高準確度讀取大氣的國家,將獲得以經濟韌性、農業產量、防災準備和人命來衡量的優勢。
隨著氣候變遷在全球範圍內加劇極端天氣事件,對快速、準確且負擔得起的天氣預報的需求只會增長。中國的三模型策略——結合國家實驗室研究、企業工程實力與大學創新——正在產出世界其他國家再也不能忽視的成果。
無論天氣預報的未來屬於 AI、超級電腦、還是兩者的綜合體,有一點是清楚的:由西方機構設定全球氣象預測標準的舊秩序正在被打破。而太平洋上空聚集的風暴雲,帶來的不只是雨水。
Sources
- [1] https://www.reuters.com/business/environment/china-bets-ai-weather-forecasting-extreme-weather-intensifies-2026-08-11/
- [2] https://thenextweb.com/news/china-ai-weather-forecasting-extreme-weather
- [3] https://www.nature.com/articles/s43247-025-02502-y
- [4] https://table.media/en/china/news/extreme-weather-how-china-aims-to-position-itself-as-a-leader-in-ai-based-weather-forecasting
- [5] https://www.reuters.com/video/watch/idRW492312082026RP1
- [6] https://www.calcalistech.com/ctechnews/article/h14ixfolgg