作者:冯丽妃  刘晓倩 来源: 中国科学报 发布时间:2026-11-19
选择字号:小 中 大
不“重训” 只“加层”
一块显卡,四周,实现全球天气模型精细化

 

■本报记者 冯丽妃 通讯员 刘晓倩

气象模型会把地球表面切成网格来预测天气,每个格子的边长即为“格距”——格距越小,格子越细,模型能“看见”的天气细节就越多。

如果把全球气象模型的水平格距从0.7°压缩到0.07°,常规路径下算力需求要暴涨上百倍。中国科学院青藏高原研究所(以下简称青藏高原所)研究员田向军换了个思路:不重新训练一个更大的高分辨率模型,而是先设定一个基础“起点”,在其之上逐级“加层”。这项技术被命名为“万拓”(One2N)。

依托一块80GB的显卡,历时约4周,这套框架将原有的0.7°预报模型细化为全球0.07°、每2小时更新一次的两级预报系统。11月16日,青藏高原所发布了万拓气象大模型。

该研究由田向军牵头,联合北京信息科技大学、北京大学、中国科学院大气物理研究所、国防科技大学、山东省科学院等单位研究人员完成。

一道算术题

研究的起点,要回到5年前的一次谈话。

2021年,田向军在与荷兰代尔夫特理工大学教授林海翔聊天时,提到了再分析数据。他们有一个共同的判断:对于数值模式与观测数据的同化而言,大气再分析数据中应该“藏”着一个比数值模式更好的人工智能(AI)模式——用再分析数据训练AI气象大模型。

由于缺乏相关资源支持,具体工作当时并未启动。

后来,国内外数据驱动的大模型相继出现,表明这条路径确实可行。田向军一边争取资源,一边做论证。在算力不足的情况下,分辨率到底能不能提上去?靠什么提?这些问题他想了四五年。

天气和气候模式的分辨率提升,受制于一道简单的算术题:格距减半,格点数增至原来的4倍。格距从0.7°到0.07°,是10倍的提升,格点数则是100倍。对流风暴、地形降水等需要精细刻画的过程,也因此长期停在参数化里。

当前主流提升路线有三种:一是依托超算推演,把全球模式推到公里级,缺点是计算耗时,难以常态化业务运行;二是数据驱动的大模型,推理仅需秒级,但输出分辨率大多停留在0.25°、时间步长6小时的水平;三是重新训练已有模型,把分辨率“练”出来。第三条路线最常用,成本也最高:每调整一次分辨率,整套模型都要从头训练。

“而我们的高分辨率建模思路,其实很像画素描——先勾出总体轮廓,再逐层加深细节。”田向军说。可现有的训练框架不允许这样:模型必须一次性建到目标分辨率,中间的成果既存不下来,也无法复用——这也是第三条路线昂贵的根源。

更简便的解题思路

如何解决这一问题?万拓采取了一套朴素的做法:以第0级也就是被冻结的父模型为起点;第1级的预报器,等于上一级预报器叠加本级专属的增量算子。

起点有两种选择:把现成预报系统原样作为父模型,不改原有权重;或者自主训练一个粗分辨率基线模型,训练速度快、基准精度可控,成本很低。在两种起点之上,再逐级“加层”,细化模块。

支撑这套方案的,是训练时的三重约束:父模型参数冻结,梯度不穿过父模型,只训练新增的残差模块。三者共同作用,使训练时无需为父模型保留反向传播所需的内部激活和参数梯度,也无需维护其优化器状态,从而省去了这部分显存开销。

父模型与子模型之间,仅通过“状态接口”交互:父模型的预报被映射到更细的网格,叠加学习得到的残差后,即可重构高分辨率状态。这意味着父模型可以是数值模式,也可以是数据驱动模型,或是两者的混合。

这套机制与渐进式增长、多网格训练、多模型级联等方法存在本质区别——这些方法需要联合优化、梯度跨级传递或改动父模型权重。而万拓方案里,父模型全程不动、不求导、不重新训练。“我们最想确认的不是能不能更准,而是在完全不动父模型的前提下,分辨率能不能真的提上去。”论文通讯作者之一、北京信息科技大学副教授王灿说。

研究团队基于2023年120组配对起报样本,开展了10天全球预报评估。结果显示,万拓在提升分辨率的同时未损失预报技巧,代表性对流层诊断量与父模型大体相当。

令他们意外的是,在1~7百帕平流层上层,相较父模型,万拓在12至240小时预报中的位势均方根误差平均相对减幅达91.10%~92.12%,1百帕温度的相应降幅为59.14%,且从12小时一直维持到240小时。团队分析认为,残差模块有效校正了父模型在该层次存在的系统性偏差。与0.25°的数据驱动预报模型“盘古气象”对比,在1300个检验目标中,万拓有93.46%均方根误差更小。

在台风预报方面,对2023年84个热带气旋的检验显示,相较盘古气象,万拓24至168小时预报的中位路径误差减小16.5%~66.9%;168小时中位误差由1024.8公里减小到339.4公里。

重塑模式演进逻辑

研究团队表示,如果仅把万拓当成“把天气预报做细”的技巧,就低估了它的价值。这套框架的真正价值在于把“已有能力”和“新增能力”分开。地球系统模式由大气、海洋、陆面、冰冻圈、大气化学、碳循环等分量组成,每一轮升级都要面对同一个麻烦——改一个分量,整套模式要重新调参、耦合、验证。而沿用万拓的思路,任何一个分量都可以在保持原有行为的前提下被细化或替换,其他分量不必推倒重来。

这意味着,地球系统模式不再是“一次建成”的整体,而是由若干可独立演进的分量通过状态接口拼接而成,系统升级的门槛与成本由此大幅降低。

关于AI气象模型,气象预报界有一种说法:空间分辨率粗、时间步长偏大、模拟要素偏少。但田向军认为,粗糙并非AI的固有属性,而是当前训练范式的局限。万拓把“重训整个模型”换成“冻结已有模型、只学增量”,高分辨率训练的成本不再随父模型规模膨胀,成功将分辨率从0.7°推到 0.07°。在他看来,AI与传统数值预报不是竞争关系,两条路线可以携手向前。下一步,团队将打通多级递归流程,给出成本随层级变化的实测数据。

万拓不是一个孤立的框架。田向军团队长期从事数据同化研究与应用,自主研发了国际先进的非线性最小二乘四维变分同化方法,构建了区域与全球数据同化系统。研究团队计划进一步将万拓打造为面向青藏高原等目标区域的定制化“公里-分钟级”物理AI气象模拟器,兼顾AI轻量化部署与物理模型的精准性,将本地观测能力转化为本地高精度预报能力,赋能千行百业。

“我们的目标是让这套框架在高原上真正‘跑’起来。” 论文共同第一作者、青藏高原所博士生谈艳艳说。这条路能否落地,取决于底层的算力与芯片。未来,团队将继续与有关企业合作,推进“国产芯片+国产专业AI”的自主组合。

最终,研究团队想实现的,不只是把天气模型做得更精细,还要让地球系统模式的每一次升级,既不必从头再来,也有底气从头再来。

《中国科学报》 (2026-11-19 第3版 综合)
 
 打印  发E-mail给: 
    
 
相关新闻 相关论文

图片新闻
研究提出我国森林碳汇经营新思路 研究实现陶瓷薄膜低温致密化制备
科学网2026年10月十佳博文榜单公布! 第三类磁性有了关键证据
>>更多
 
一周新闻排行
 
编辑部推荐博文