AI预测，可以让我们更好地应对极端天气吗？

2026年8月9日，台风“白海豚”在中国沿海登陆，引发了中国多个省市的强降雨。地处内陆的河南省降水突破历史极值，平顶山鲁山县一处观测站24小时降水量达到了 469 毫米，超过该地常年半年的降水量。当地随即发布了山洪预警，部分列车停运。

像这样突发的、局部的极端天气，是目前天气预报中的难点。就在一年前，2025 年 8 月，本来干旱少雨的甘肃榆中经历了一场山洪，造成 32 人死亡，直接经济损失约 25 亿元；政府最近发布的调查报告中指出，强降雨发展迅速，覆盖的范围小，偏远山区的气象观测点存在盲区，未来需要更精准高效的预报。

最近几年，AI天气预测因其速度更快、成本更低而被寄予厚望。在该领域，中国的人工智能模型也十分领先，不仅多家科技公司推出了AI天气预测模型，中国气象局也推出了自己的早期预警智能平台“妈祖（MAZU）”，并已在多个国家部署应用。

只是，AI天气预测的热潮之下仍有很多疑问：它对各种极端天气的预测准确度如何？可以完全依赖AI进行天气预报吗？为此，对话地球采访了多位AI专家。

中国的AI天气模型热潮

传统数值天气预报，需要先建立一个描述大气运动的物理方程组，再通过超级计算机求解，往往耗时数个小时。相比起来，AI天气预报模型可以基于传统天气预测的数据，进行再分析和预测。投入运行时，AI预测全过程只需要几十秒，算力消耗仅为主流天气预报的千分之一。

张伟是AI公司相风科技的首席执行官。2023年4月，上海人工智能实验室联合中科大、上海交大、中科院大气所等机构发布了AI天气模型“风乌”。三个月后，风乌模型提前24小时预测了台风“杜苏芮”的路径，误差值仅为38.7公里，表现优于当时最先进的传统数值预报。

“在AI天气预测上，中国的大模型处于领先位置。”他告诉对话地球。

2023年是中国AI天气预测模型大爆发的一年。7月，华为旗下的华为云开发的AI天气预测模型“盘古气象”在 Nature 上发布了研究成果；同年11月，复旦大学和上海科学智能研究院也发布了天气预测模型“伏羲”，能预测全球未来15天的天气状况。

在上海举行的2026年世界人工智能大会上，参观者在中国气象局展位上参观“妈祖”模型。图片来源：Sipa US / Alamy

不久后，中国官方机构也加入了这场热潮。中国气象局在2024年6月发布了“风清、风顺、风雷”三个大模型。其中“风顺”可以在 3 分钟内完成未来 60 天的天气预测。2025年7月，中国气象局发布了“妈祖”——一个融合了气象卫星观测和人工智能气象模型的全球早期预警服务系统。

彩云科技创始人袁行远告诉对话地球，早在这一波人工智能热潮来临之前，一些地方政府已经熟悉相关的预测技术。

彩云科技是一家成立于 2014 年的人工智能公司，也是国内最早用 AI 做分钟级降水临近预报的公司之一。彩云天气在最初主打预测未来一小时内的局地降雨情况，后来逐步拓展到山洪灾害的临近预警等，向政府提供服务。在2023年四川凉山州西昌市的一场森林火灾演练中，彩云科技便参与了火场信息研判，为防灾减灾提供专业技术支持。

“起初是基层的政府机构使用了新技术来防灾减灾，预测山洪。” 袁行远说，后续政府机构认为有帮助，就有了进一步合作。“我们为四川省凉山州的山洪预警提供了多年的技术支持；后来又逐渐获得了交通部、水利部等部门的认可。慢慢地，我们的预测技术成为政府部门所信赖的一部分。”

AI预测极端天气有多准确？

极端天气多种多样：热浪、寒潮、强降水、干旱、龙卷风和热带气旋等，它们数据样本少，机制复杂。

“目前AI全球天气预报模型在中期、大尺度环流、部分极端温度和台风路径等指标上表现突出，一些模型在特定检验中已经超过先进数值天气预报。但AI模型对台风强度、强对流和极端降水的预测仍存在明显局限。”张伟告诉对话地球。

“强对流的精准预报在全球范围内仍是个难点。由于强对流天气尺度小、发展快、非线性强，因此预报时效越长，具体落区和强度的不确定性通常越大。”他说。在甘肃榆中的案例中，极端强降雨突破多项历史极值，而预报的降水量明显小于实际降水量。

救援人员正在甘肃省榆中清理一处受灾房屋的瓦砾。图片来源：Hou Chonghui / Xinhua / Alamy

当前AI天气模型的一个弱点在于预测破纪录的极端天气，即预测不出训练数据集里未出现过的天气现象。德国卡尔斯鲁厄理工学院统计机器学习领域博士后研究员张中伟合著的最新论文，测试验证了当下热门的AI天气模型，结果发现这些模型在破纪录极端天气的预测准确性上不如最先进的传统数值天气预报模型，它们系统性地低估了极端天气事件的发生频率和强度。

不过， 2025年一项研究发现，人工智能天气模型提前8天成功预测出了迪拜2024年的极端降雨事件。它使用了“移位法”（translocation），即把在数据丰富的地区所学习到的模式，移位类推到了历史数据稀缺的迪拜区域，从而预测出了该地的极端降水事件。

袁行远也强调了大量数据的重要性：“最准的模型一定是数据量最多的模型。”在他看来，如果数据质量不高，就对相关数据标注“质量不高”，但仍然应该将这些数据纳入模型训练。

学界认为，不论是传统数值预报，还是AI气象模型，都需要大量高分辨率、高准确度、有代表性和多样化的数据输入作为预报的基础。这意味着无论是甘肃榆中这样的较为偏远地区，还是缺乏气象数据的全球南方国家，都容易存在气象监测盲点、观测数据较少的问题，给准确预测带来挑战。

张伟告诉对话地球，针对观测数据稀缺和质量不足问题，全球南方国家可以低成本部署更多的自动气象站来监测数据。此类观测设备价格因精度和质量而异，最低仅需几万元人民币。气象预报大模型通常依赖于地面雷达站、卫星、地面观测站等直接原始观测数据，也可以利用这些国家的自动气象站数据，以较低的计算成本提升气象预测性能。

除了在计算成本上的优势，气象预报大模型还可以结合各国本地观测数据进行本地化训练，提供满足自身需求的服务。例如在世界人工智能大会上，巴基斯坦气象局研发部主任法鲁赫·巴希尔（Furrukh Bashir）就展示了一个案例：将当地的卫星观测数据与“妈祖”AI平台相结合的定制雷电探测技术。这种技术能对当地特有的汛期进行早期预警，提升防汛减灾能力。

可信度和能耗问题

尽管AI天气预测前景总体被看好，但疑问尚存。其中一个争议在于其算法的“黑箱”性质与可解释性较弱的问题，主要体现在模型内部机制不可解释和物理过程不可显式追踪。

伦敦大学学院助理教授希普拉·贾因（Shipra Jain）在2026伦敦气候周的一场活动上公开表示，目前AI天气预报模型所依据的评估指标和标准还有待商榷。

相比之下，传统数值天气预报模型虽然计算成本高，但其误差来源可以通过物理机制进行追踪和解释。在做出影响巨大的防灾减灾和基础设施决策时，可解释性与可信度至关重要。

而在各国的AI竞赛下，这一问题可能会让位于效率。在2026伦敦气候周上，有AI气象研究者表担心业界工程师们往往倾向于效率至上，在研制模型时把更快和评分更高作为核心价值，可解释性、可靠性、公平性等这些其他指标并没有被重视。

对于该问题，张中伟表示，在依靠AI天气模型进行早期预警和灾害管理等高风险应用之前，必须用更加多样和全面的指标验证模型的有效性。相关论文也建议，优先开发可解释的AI模型，以增强模型的可信度和透明度。

另一个“房间里的大象”是训练AI天气模型的耗能问题。一份2026年的最新研究指出，训练一个Google开发的天气模型耗电相当于8-9个普通英国家庭一年的用电量。虽然训练能耗在17天内即可被后续运行预报时节省的能耗抵消，但是数据存储、数据中心冷却，以及日常运营等多方面用能仍不可小觑。

气象预测的未来

多位接受采访的专家表示，未来的气象预测不能完全依赖 AI。

2025年的一篇综述性论文指出，AI研究人员、气象学家、环境与气候科学家以及政策制定者之间开展合作，对于改善AI在极端天气事件中的应用十分重要。世界气象组织认为，AI可以辅助各项基础设施和人类专业判断，而非取代它们。

张伟也表示，AI天气预报正在成为传统数值天气预报的重要补充，但最终仍需交由较有经验的人类预报员，比对多种预报结果并作出预报决策。

更精准的天气预报只是气候适应和防灾避险的第一步。如2025年8月甘肃榆中山洪灾害，即便有预警，但在预警下达后，转移避险覆盖范围仍不够全面。

除了硬件上的升级，应急响应、风险管理和多部门协同等“软件”方面的配合也十分重要。