气象智能，业者涌动，大师云集，集思广益。5月18日，在中国气象局举办的人工智能气象应用发展研讨会上，来自高校、科研院所、企业等的专家学者，以“人工智能赋能‘气象+’”为主题，深入探讨人工智能气象应用新思路和新举措。
人工智能将为气象领域带来哪些新变革，相关领域开展了哪些新探索，未来有望通过哪些路径携手创新？听专家学者这样说——
图为5月18日，中国气象局举办的人工智能气象应用发展研讨会现场
北京理工大学党委书记、中国工程院院士张军：
人工智能是国家战略，是新的增长引擎，是新一轮科技革命与产业变革的核心驱动力，也是行业竞逐的核心竞争力。
人工智能和气象工作在方法论上是相通的，人工智能助力气象高质量发展有着巨大的发挥空间。通过人工智能技术与气象的深度结合，建立全球智能跨域、多尺度、精准气象体系，人工智能可在感知、传输、计算、服务等多领域发挥作用。比如，在感知方面，可构建“天临空地”一体的全域感知、小气候智能监测的全民感知、台风智能探测为代表的极端感知体系，实现气象感知网无所不知；在传输方面，可实现“天临空地”融合组网的泛在传输、海量数据宽带回传的极速传输、极端环境稳定连接的可靠传输，实现气象传输网无所不在；在计算方面，利用人工智能技术提供数据多维融合的智能气象预测、信息深度挖掘的智能灾害预警、临近预报与全球性天气气候异常预警，实现气象计算无所不预；在服务方面，通过人工智能与气象深度融合，为智慧城市、农业、交通、环保等各行各业和人民生活提供多场景和个性化的无所不能的气象服务。
北京理工大学已与中国气象局签署战略合作协议，希望双方在相关领域共同探索，开展全方位多层次的深入合作。
图为北京理工大学党委书记、中国工程院院士张军
中国科学院计算技术研究所副所长、研究员陈云霁：
从1950年至今，人工智能历经三次发展浪潮，从诞生到机器学习再到深度学习。当前，人工智能已经从深度学习时代迈入大模型时代。大模型的大小在过去以非常快的速度增加。不少人认为，大模型仍将持续变大。而摩尔定律发展放缓，对于大模型来讲，就会遇到诸多挑战。未来大模型发展，需要在系统软件、互联架构、微架构、器件工艺跨层优化等关键技术方面开展探索。
基于智能的气象科学研究，其重点是提高跨越多个时间尺度的季节性预测和长距空间联系建模的预测能力，以此实现对气象系统的精准预报与控制。由此出发，可考虑探索新的技术思路，比如“高性能计算+智能计算”“可计算气象系统=打通（气象系统数值模拟+气象计算科学装置）”“科学元宇宙=加速迭代（实验装置+计算装置+科学家大脑）”等。
图为中国科学院计算技术研究所副所长、研究员陈云霁
同济大学软件学院副院长、教授穆斌：
当前，人工智能技术已被广泛应用于气象领域。采用回报（Hindcast）来评估人工智能模型的预测技巧，一般认为回报技巧高，预报技巧也高。但在气象业务应用中，预报与回报还存在不同。可以说，当前人工智能模型的预测技巧存在着一定的“信任危机”。
聚焦提升人工智能气象应用的物理一致性和可解释性，可探索在AI模型中融入物理机制，包括在训练样本、模型结构中融入物理机制及对模型输出进行可解释性分析，并在ENSO（厄尔尼诺-南方涛动）智能预测、NAO（北大西洋涛动）智能预测、北极海冰智能预测、台风智能定强与风结构估计等方面探索实践应用。
图为同济大学软件学院副院长、教授穆斌
华为云计算公司高级研究员谢凌曦：
人工智能进入气象预报领域，带来很多新的思路和路径，比如可大幅度提升气象预报速度，增强预报时效性；从数据中挖掘规律和数理方程互补；快速发展的新方法，有助于打破原有预报技术垄断。
我们使用AI模型从数据中提取大气演变规律、3D高分辨率AI气象预报方法，研发了基于人工智能的数值天气预报系统“盘古气象大模型”，在设计3D Earth-Specific网络结构（3DEST）和应用层次化时域聚合策略等方面探索了技术创新。目前，“盘古气象大模型”AI方法在再分析数据等方面取得成果。关于该大模型的学术论文已被《自然》正刊接收。
图为华为云计算公司高级研究员谢凌曦
上海人工智能实验室博士白磊：
人工智能其实很早就进入气象领域，但在人工智能第三次浪潮中，有数据、有算力，突破了工业红线，这带来三个转变，包括从专用模型到通用模型、从小团队到产研协同、从计算机学科到跨学科融合，为解决气象领域的卡脖子问题带来更多可能性。
“AI+气象”是科学前沿，AI可以更准确、灵活地处理气象大数据和挖掘复杂的非线性关系，国内外机构和企业也都聚焦“AI+气象”开展了布局和探索。我们研发了全球中期气象预报AI大模型“风乌”，在基于多模态多任务的网络设计、基于缓存回放策略的长时序预测等方面，探索技术创新，基于2018年的回报表明“风乌”在提高全球气象预报方面具有显著实效性和效率。
图为上海人工智能实验室博士白磊
（作者：赵晓妮 孙宇 摄影：李根 责任编辑：徐嫩羽）
