给AI测MBTI，它到底是P人还是J人

其中，最精彩的莫过于J人和P人之间的相爱相杀。放假旅游都能用Excel表来提前规划的J人，和房间虽乱却永远能找到东西的P人，彼此总能给对方带来“亿点震撼”。

而越来越“精通人性”的AI工具，或许也有J、P之分。

服从输入的执行语句，即刻输出对应的内容，乍一看AI简直太符合大家对于J人的刻板印象。不过，如果只是写周报、做PPT、生成视频，稍微“J”点还可以接受，但用来预测天气，可能J人属性就不够用了。

“J人”作派，再严谨也有意外

随时随地呼风唤雨，总是不按计划出牌，老天爷本身就是一个活脱脱的P人。

不论是太阳辐射、空气对流等物理过程，还是大气圈、冰冻圈、生物圈、岩石圈、水圈的风吹草动，都会影响天气系统[1]。再加上混沌现象的存在，巴西蝴蝶扇了下翅膀，就能在美国掀起一场海啸，老天爷的心思真的很难猜[2]。

目前，在全世界范围内主流的天气预测方法是数值预报模型，简单来说就是“公式在手，天下我有”。追求将一切气象因素量化、将天气拆解成用数学和物理方法拟合的方程式，数值预报模型颇有一种细致严谨、稳扎稳打的“J人风范”[3]。

气象观测站会使用多功能风向标等工具对风速、风向进行观测和记录 / 图虫创意

近年来，得益于偏微分方程数值求解、卫星遥感与地面观测同化等先进技术的发展，这种“J人方法”在大尺度的天气预报上已经非常准确[4]。在方圆两千公里的范围内，无论是副热带高压还是季风，老天爷的行踪都被气象局专家们精准识破[5][6]。

但在中小尺度下的强降雨预测，则没有那么简单[7]。

暴雨是不同时间尺度、不同空间尺度影响系统相互作用的结果，不在一定的空间和时间范围内对与暴雨有关的各方面条件和资料进行全面和综合的分析，气象预报很难得出正确的结论。

目前，常规高空观测系统有关暴雨的观测资料和信息主要针对天气尺度，而对直接造成暴雨的中小尺度观测并不充分，甚至十分缺乏。“这就好比用网捕鱼，网眼太大，小尺度的天气系统难免会成为漏网之鱼。”[8]

当暴雨的强度超过了城市排水系统的排水能力时，雨水便会在地面积聚 / 图虫创意

想要更精确地预测复杂的暴雨，提升数值模式的复杂程度是常见的解决办法。

但是随着算力增长的趋缓和物理模型的逐渐复杂化，传统数值预报的瓶颈日益突出。数值预报方法整体的进步已经非常缓慢，大概每发展10年也只能往前增加1天的预报时效性[9][10]。

更何况，在我国大部分城市都处于热带、亚热带季风气候区的情况下，老天爷还能扮“阴阳脸”，做出“东边日出西边雨”的区别对待[11]。

对于老天爷这个大P人来说，数值预报这种“J人方法”难免也有失手的时候。能够突破“J人作派”的局限，提供更精细化的气象预报，在北上广深等经济发展程度高、人口密集的大城市，是人们和气象局共同的期待。

自带“P人”属性的AI，更懂天气预报

P人的心思，还得是P人来猜。毕竟，在日常生活中，P人和J人的脑回路相差十万八千里。

同样是出门上班，J人永远会看天气预报，提前备好雨伞；P人则主打一个随机应变，但凡有可能，都巴不得能像电影一样练就控雨术。

而华为云联合深圳市气象局推出的首个人工智能区域气象预报模型“智霁”，就是一款颇具“P人”特色的天气预报AI工具。

“智霁”区域模型由双方团队基于面向全球的盘古气象大模型调优而来。相比在大尺度下更适用的全球模型，“智霁”区域模型的身手更加敏捷、灵活，能够把天气预报的空间分辨率提高到3km。

这样的预测准确度，是拜大体量和高质量的训练数据所赐。

华为云盘古研发团队积极攻克降水的精准预测，在欧洲中期气象预测中心40年再分析气象数据的基础上，增加了10年卫星观测降水数据的训练。在测试中，盘古气象大模型可实现对未来6小时、24小时的短期和中期降水预报，模型的降雨量预报精度提升了20%以上。

此外，“智霁”区域模型融合了深圳市气象局整理的华南区高分辨率再分析气象数据集，可以更好捕捉深圳气象特征，降雨预测能力则有待汛期实战检验。

面对复杂气象，任何一个天气预报员都希望可以尽早给出一个接近真实的预报结论，为“安全”保驾护航，算得快、报得早，才能占有“安全区”的一席之地。

就像上班高峰期时拥挤的写字楼电梯厅，谁都想选对站位，早点上楼。正常情况下，J人坐电梯时根据经验死守在一个门口，而P人不“all in”同一个地方，选择筹码均分，每个门都观察计算，根据实际情况灵活选择。

正如传统数值预报依赖于解方程，预报未来10天全球天气，需要在有3000台服务器的超级计算机集群上计算4至5小时，而盘古气象大模型的速度比传统数值预报模式提速10000倍以上；所消耗的能源，也远远少于传统数值预报模式。

盘古大模型和传统模式每做一次天气预报所需消耗的能量对比 / ECMWF技术报告

区域模型在实际业务中也充分发挥了AI运算速度快的特征，可在1分钟内给出未来五天的天气预报结果，能够实现包含更多要素集合预报，为公众提供更具时效性的气象服务。

此外，具有深度学习能力的AI还能够在更高维度去探索统计规律，将过去43年全球的台风路径、降水，以及位势、湿度、风速、温度、海平面气压等基础气象要素学习一通，加上深圳区域近5年的高分辨率数据，经验早已经内化为工具，随时调用。

这顶级的配置，像极了在涮火锅时“雨露均沾”的P人朋友，不论是毛肚、鸭血还是肥牛卷、虾滑，抛弃了J人的单线条思维，可以丝滑实现同时下锅都不误事。

如“P人附体”的盘古大模型让气象预测科学重新焕发出生机，在严谨的数值预报方法的基础上，多了一种更为灵活的选择。

从关心天气开始，关心与人们生活有关的一切

在精细化预报的赛道上深耕的深圳气象局，率先看到了盘古大模型的无限可能。

今天，在世界气象日“气候行动最前线”主题活动上，华为云联合深圳市气象局发布人工智能区域气象预报模型“智霁”1.0，现已正式上线。

有了新模型之后，深圳的天气预报能够在时间分辨率为1小时、时效为未来5天的前提下，还在空间分辨率上精确到周围3千米。喜欢“东边日出西边雨”的老天爷，也就不再那么难以捉摸了。

区域模型相比全球模型，对小范围的气象细节抓取能力已经有了明显提升，在今年2月试运行期间，对深圳多次低温过程的预报中展现出较高的精度。

当然，追求稳扎稳打的传统数值预报并没有就此落幕，而是和华为云盘古大模型形成了很好的“J、P互补”。

华为云携手深圳气象局，基于盘古气象大模型进行联合创新，正式上线区域模型，意味着AI可以解决更小尺度的气象难题。华为云将持续解难题、做难事，后续还将把气象模型的服务延伸至水力发电、风力发电、智能驾驶、航空航运等领域，为更多行业创造价值。

从一天的晴雨表开始，到影响人们生活的一切细节，盘古大模型在多领域开花的未来已近在眼前。

撰文：蒋三岁

图片编辑：蒋三岁

审核编辑：甘染

内容编辑：懒羊羊

参考文献

[1]Weather Forecast Office. (2023)The Forecast Process: Observing and Analysis. Weather Forecast Office.

[2]杜钧, & 钱维宏. (2014). 天气预报的三次跃进. 气象科技进展, 4(6), 13-26.

[3]Schultz, M. G., Betancourt, C., Gong, B., Kleinert, F., Langguth, M., Leufen, L. H., ... & Stadtler, S. (2021). Can deep learning beat numerical weather prediction?. Philosophical Transactions of the Royal Society A, 379(2194), 20200097.

[4]张弛, 田雨, 李昱, 陈泽鑫, & 陈晓宏. (2024). 全球气象预报驱动流域水文预报研究进展与展望. 水科学进展, 35(1), 156-166.

[5]马雷鸣. (2020). 天气预报中的人工智能技术进展. 地球科学进展, 35(6), 551.

[6]中国科学院科普云平台.(2024).天气千变万化的原因.

[7]崔春光, 杜牧云, 肖艳姣, 赖安伟, 李红莉, 王志斌, ... & 康兆萍. (2021). 强对流天气资料同化和临近预报技术研究. 气象, 47(8), 901-918.

[8]中国青年报.(2020).暴雨预报仍是世界级难题！我国暴雨预警准确率可达89%.

[9]Kalnay E. (2003). Atmospheric Modeling, Data Assimilation and Predictability. Cambridge: University of Cambridge Press.

[10]Harper K, Uccellini L W, Morone L, et al.(2007). 50th anniversary of operational numerical weather prediction. Bull Amer Meteor Soc, 88: 639-650.

[11]中华人民共和国年鉴.(2005).气候.