Nature | 微软发布包含13亿参数的地球系统基础模型

编辑 | 白菜叶

可靠地预测地球系统对于减轻自然灾害和支持人类进步至关重要。传统的数值模型虽然功能强大，但计算成本极其高昂。

人工智能 (AI) 技术已经在提高预测性能和效率方面展现出良好的前景，但其在地球系统领域的应用潜力仍未得到充分开发。

2024 年 6 月，微软研究团队开发了首个大气 AI 基础模型 Aurora，并发布了相关技术论文的预印版本。后续，经过同行审议后，这篇论文于 2025 年 5 月 22 日发布在了《Nature》杂志。

Aurora 是一个基于超过一百万小时的多样化地球物理数据进行训练的大规模基础模型。

Aurora 在预测空气质量、海浪、热带气旋路径和高分辨率天气方面的表现均优于实际天气预报，而且计算成本却降低了多个数量级。

Aurora 能够以适中的成本针对各种应用场景进行微调，这标志着其朝着实现精准高效的地球系统预测的大众化迈出了重要一步。

这些成果说明了人工智能在环境预测领域的变革潜力，并为更广泛地获取高质量的气候和天气信息铺平了道路。

论文链接：https://www.nature.com/articles/s41586-025-09005-y

参考其他领域基础模型的成功经验，研究人员首先使用超过一百万小时的多样化地球系统数据对 Aurora 进行预训练。

Aurora 模型由三部分组成：

（1）编码器，将异构输入转换为通用的潜在三维 (3D) 表示；

（2）处理器，使表示随时间向前演化；

（3）解码器，将标准三维表示转换回物理预测。

处理器采用 3D Swin Transformer 实现，编码器和解码器均基于感知器模块。通过将预测结果递归地反馈给模型作为输入，可以生成不同提前期的预测。

图示：Aurora 是一个包含 13 亿个参数的地球系统基础模型。（来源：论文）

研究人员在一系列下游任务上对模型进行了微调，首次证明 AI 模型能够超越多个现有运营系统，同时速度也大幅提升。

具体而言，Aurora 在空气质量、海浪、热带气旋路径和高分辨率天气预报多个关键预测领域实现了卓越的性能：

1、分辨率为 0.4° 的 5 天全球空气污染预报，在 74% 的目标上优于资源密集型的数值大气化学模拟；

2、分辨率为 0.25° 的 10 天全球海浪预报，在 86% 的目标上超过了昂贵的数值模型；

3、5 天热带气旋路径预报，以100% 的目标精度优于七个业务预报中心；

4、分辨率为 0.1° 的 10 天全球天气预报，在 92% 的目标上超越最先进的数值模型，同时提高极端事件的性能。

从开始到结束，每个微调实验仅需 4-8 周，仅由一个小型工程师团队完成，而动态基线模型的开发周期通常长达数年。当然，如此快速的开发进度得益于数十年来对传统数值方法的研究积累的大量数据。

Aurora 对地球系统预测领域的潜在影响是深远的。虽然该研究仅展示了 Aurora 在四个领域的应用，但它可以针对任何所需的地球系统预测任务进行微调，并有可能以极低的成本生成优于现有业务系统的预测结果。

例如，预测海洋环流、局部和区域天气、季节性天气、植被生长和物候、洪水和野火等极端天气形态、授粉模式、农业生产力、可再生能源生产和海冰范围。

Aurora 能够以适中的计算成本针对各种应用领域进行微调，这将大大提高它的可用性与可推广性。未来也许会有人人可用的定制化天气预测模型出现，助力农业生产，有效躲避自然灾害，造福人类。