台风突发性强、破坏力大，是世界上最严重的自然灾害之一。虽然传统的数值预报方法，可以让人们提早几天得知台风路径，但路径往往是动态的，最终却只能提前一天或者几个小时才能获知具体登陆位置，给防灾减灾工作带来了难度。
但是，这一现状正在得到改变。连日来，国产“风乌”气象大模型关于台风“杜苏芮”路径的预报图被网友频繁转发，该大模型不仅提前5天有效预报登陆点，而且与台风实际路径对比，提前24小时预报的路径误差值仅为38.7公里，精准性高于美国国家环境预报中心的54.98公里。
事实上，除“风乌”气象大模型外，华为云盘古气象大模型以及由清华大学研发的“鬼天气”预报大模型也在突破传统数值模式预报中的性能瓶颈，提高了预测强对流天气和台风路径出现的速度和精度。未来，AI大模型也将走入更多应用场景，从而减少灾害损失，为公共安全提供有利保障。
那么，AI气象大模型能否替代传统的天气预报？多位业内人士在接受《财经》新媒体记者采访时表示，AI气象大模型是个新生事物，处于萌芽发展阶段，并不能完全取代传统天气预报。在应用中，存在诸多不确定因素，数据量不足、模型可解释性差、数据存在误差等问题仍有待进一步解决。
天有“可测”风云 预报准确度获提升
第5号台风“杜苏芮”逐渐消散，但是第6号强台风“卡努”又将登场。8月1日，中央气象台发布预警，“卡努”将以每小时15公里的速度向西北方向移动，预计8月2日上午移入东海。不过，中央气象台首席预报员董林指出，目前，“卡努”的路径依然存在很大的不确定性。
台风是影响世界最重要的极端灾害性天气之一，而如何提前准确地预测天气，更精准地了解台风路径一直是世界性的难题。
据了解，由于台风在近海加强，往往留给预报与防范的时间相对较短，加之有的台风前期个头小，表现并不“抢眼”，容易“麻痹”数值预报模式，因此导致通常强对流等突发天气的预报提前的时间仅一天甚至几个小时。
这一现状正在被大模型改变。7月28日，“杜苏芮”在福建晋江沿海登陆。而在5天前，上海人工智能实验室研发的“风乌”气象大模型，经过人工智能、算力等技术，有效预报登陆点，并推解出不同时间点的“风眼位置”，形成台风路径预测图。
无独有偶，《财经》新媒体记者从华为云方面获悉，“杜苏芮”台风来势汹汹，盘古气象大模型以比传统预报快10000倍的速度密切跟踪，预测出了“杜苏芮”的生成时间、移动方向、登陆地点和强度等关键信息。而由清华大学软件学院研发的极端降水临近预报大模型“鬼天气”，已在国家气象中心短临预报业务平台上线应用，帮助预报员提前发现极端天气。
大模型正在让天有“可测”风云。DCCI互联网研究院院长刘兴亮在接受《财经》新媒体记者采访时表示，AI大模型之所以能够带来预报精准度提升的关键在于，其能够处理大量数据，并利用深度学习技术学习复杂的的气象变化规律。与传统的数值预报方法相比，AI大模型能够更准确地模拟和预测气象变化，从而提高了预报的准确性和可靠性，减少台风带来的损失和伤害。
在深度科技研究院院长张孝荣看来，AI大模型与传统数值预报方法的算法有不同，类似各大平台的内容推荐系统，平台只要大量学习掌握用户喜欢哪类内容的信息，就能投其所好的推荐相似的信息，训练的时间越长，推荐的内容也就越准确。AI天气预报也是类似的原理，只要用深度学习的方法了解各种气象数据及其关系，就能快速的完成天气预报的任务，数据越准确详细，预报的结果也就越准确快速。
大规模应用尚待时日 面临算力、成本等多重挑战
从“风乌”气象大模型、盘古气象大模型以及“鬼天气”预报大模型的实践可以看出，气候变暖将让极端天气更频繁。AI大模型可用于改善气象灾害警报系统，实现提前和精准预警。未来，在人工智能等技术推动下，气象预测将朝着更准、更快、更大范围的方向发展，提升我国预防灾害的能力。
张孝荣告诉《财经》新媒体记者，台风预测精准度的提升意味着预测技术、效率的提升。让AI大模型得到了较好训练，就能够及时的捕捉天气变化规律，而AI天气预测技术需要庞大的算力做支撑，有了巨大算力支持，预测效率可以不断提高，预测范围也会随之扩大。
那么，气象大模型的出现，天气预报不准的情况是否会得到解决？AI气象大模型是否能替代传统的天气预报？
华为云方面表示，传统的天气预报系统是根据观测数据训练的，而盘古气象大模型则依赖于再分析数据，未来将根据观测数据训练他们的模型，以提高应对恶劣天气的能力。
上海人工智能实验室相关负责人指出，未来“风乌”AI气象大模型将与传统的物理模型形成互补，为各行各业的生产生活提供更准确、更实用的天气预报信息。
“AI气象预报大模型是个新生事物，刚刚开始萌芽发展，目前与传统天气预报相比，各有优劣，但它发展前景广阔。”不过，张孝荣指出，把大模型广泛应用到气象领域具有挑战性，AI大模型需要庞大算力和长时间的训练，综合成本较高，如要更大规模普及，还需要一些时间。
刘兴亮指出，虽然AI大模型在气象预报领域有着广阔的发展前景，其能够处理大量数据，学习复杂的气象变化规律，提高预测速度和精度。然而，AI大模型并不能完全取代传统天气预报，因为气象预报还受到许多不确定因素的影响，如大气科学的不确定性、模型选择的不确定性等。此外，AI大模型应用于天气预报中面临的数据量不足、模型可解释性差、中长期预报的准确性等问题亟待破解。
