太初元碁 +PaddleScience，分钟级高分辨率气象预测方案上线

每天出门前看一眼天气预报，早已成为我们的生活习惯。但你可能不知道，传统气象预报是需要超级计算机“算”几小时的结果，如今靠 AI 技术只需几分钟就能完成 —— 这背后，是人工智能驱动科学发现（AI for Science）正在重塑气象预测的底层逻辑。而现在，太初元碁与百度飞桨 PaddleScience 的联手，更让这份“天气预报”变得更快、更准、更接地气，也更中国范儿！

AI for Science 来了！气象预报正在经历“代际升级”

过去，传统数值天气预报就像 “解超难数学题”：靠复杂的物理方程模拟大气运动，不仅要花数小时才能算出未来 15 天的全球天气，还容易因 “公式简化” 出现误差。但 AI for Science 的出现，直接把这道 “难题” 变成了“快题”。

从最新行业研究数据来看，AI for Science 给传统的气象预测领域带来了三大升级：

• 效率翻百倍：GraphCast 模型计算单次 10 天全球预报只需 1-2 分钟，使用 GenCast 模型计算 15 天的全球预报仅需 8 分钟，比传统的数值计算方法快超百倍！预报时间越长，优势越明显，真正相当于把“半天工作量”压缩到“喝杯咖啡的时间”；

• 精度更靠谱：在 0.25°分辨率（约 27 公里）下，PaddleScience 复现的 GraphCast 和 GenCast 模型，对 2 米温度、10 米风速的 72 小时预测误差，比欧洲中期天气预报中心（ECMWF）的传统模式低 18%-22%。哪怕算到第 7 天，AI 预测的温度误差（2.1℃）也只有传统模式（3.2℃）的 65%，连 “台风走哪条路” 都能预判得更准；

• 成本大减负：以前只有超级计算机能跑的高分辨率预报，现在靠 AI+国产芯片，单月硬件成本能降到传统方案的 8%。地方气象局、农业合作社这些 “中小用户”，也能用上精准预报了。

AI for Science 气象模型全球尺度的预测结果，展示了距地表 3 千米高度的比湿

双模型+国产芯片，预报能力再上台阶

光有 AI 还不够，得有“好模型”和“强算力”支撑。这次太初元碁和飞桨 PaddleScience，直接把谷歌 DeepMind 团队的两大顶尖气象模型——GraphCast 和 GenCast，搬到了国产太初 T100 加速卡上，覆盖了从短期到长期的全周期气象预报需求。

先看 GraphCast：它像个“全球天气指挥官”，用图神经网络把地球大气编成“关系网”，连太平洋的台风和欧洲的寒潮之间的关联都能捕捉到。翻看 DeepMind 官网数据，在 0.25°分辨率下，它算 10 天内的天气，每天分 6 次更新，500hPa 位势高度（气象核心指标）的误差，比传统的 ECMWF HRES 方法低一截 —— 第 1 天差 15gpm（ECMWF 差 18gpm），第 10 天差 55gpm（ECMWF 差 78gpm），连“西风急流往哪飘”这种细节，24 小时预测偏差都能控制在 0.8 个经纬度内。

Graphcast 模型和传统 HRES 模型的效果对比

再看 GenCast：它是“极端天气预警专家”，擅长用概率预测告诉你“下雨的可能性有多大”。DeepMind 实测显示，在全球 142 个极端天气监测点，它对热浪、寒潮、台风的 7 天预警准确率，比 ECMWF 的 ENS 系统高 23%-31%。更厉害的是，生成 50 组“备用预报”（集合预报）仅需 8 分钟，比传统方法的 2 小时快 93%，提前 7 天预测台风路径，误差范围能缩小一半，防灾部门再也不用“猜着准备”了。

GenCast 模型对“海贝思”台风路径的预测

而太初 T100 加速卡，就是让这两个“大模型”跑起来的“国产引擎”：

• 给 GraphCast 用了混合精度计算，显存占用降了 35%；

• 给 GenCast 用了分布式推理加速，推理速度提升近 3 倍；

• 还专门优化了 Transformer 加速单元，Attention 计算速度快了 58%。

现在使用 GraphCast 和 GenCast 在太初 T100 加速卡上计算 10 天全球预报数据只要 5 分钟，真正实现了“又快又准又省钱”。

长期天气变化数据滚动预测

光说不练假把式，这次合作还推出了气象预测可视化系统，把“复杂数据”变成了 “看得懂的画面”。

同时，展示结果里还专门加了“对比界面”，AI 预报、观测数据误差曲线放一起，准确度一眼就看出来！

T100 上计算的全球尺度 2m 海平面上方温度预测结果

未来展望

未来，飞桨将与太初继续深化在高性能科学计算、智能模拟、自动化研究等方向的联合攻关，共同推动 AI for Science 从实验室走向产业落地，加速科研范式变革。

📎 欢迎关注【PaddleScience 多硬件支持】（点击即可获取链接https://paddlescience-docs.readthedocs.io/zh-cn/latest/zh/multi_device/），获取完整适配案例合集与技术文档，加入 AI 驱动科学计算的新征程！

PaddleScience GitHub 链接：

https://github.com/PaddlePaddle/PaddleScience