AI氣象模型有望實現超精細專業天氣預報——彭博社

插圖：彭博綠色頻道 Petra Péterffy 作品

天氣預報行業在準確性方面取得了巨大飛躍，但在超本地化預測方面仍面臨挑戰。近年來人工智能氣象模型的激增意味着小型商業公司正逐步具備快速生成專項預測的能力，例如您所在社區的具體降雨時間與雨量，或驅動渦輪機運轉的風力強度。

數十年來，公共機構運行的全球氣象模型依賴超級計算機處理複雜物理方程來生成預測。隨着氣候變化加劇極端天氣發生概率，對精細化預報的需求日益緊迫，而人工智能正以經濟高效的方式滿足這一需求。

“應用預先訓練好的機器學習氣象預報模型，在計算成本上近乎零消耗，“馬克斯·普朗克氣象研究所科學家、前歐洲中期天氣預報中心研究員Peter Bauer表示。

氣象科技初創公司Stellerus正從香港科技大學科學家團隊的研究成果中孵化而出，成為搶灘預報商業藍海的新鋭力量之一。

其創新的方法通過獲取降雨預報數據，運用機器學習算法在3分鐘內快速模擬並預測香港每條街道的潛在洪澇風險。由於計算速度極快，該系統可提前數小時生成洪水預測，並持續更新以提供近即時預警。

香港科技大學講座教授、Stellerus聯合創始人許樹表示，儘管市場對定製化氣象服務需求旺盛，但公立氣象機構"難以為特定行業或企業提供高度個性化的預測”。這家初創公司還運用AI技術分析衞星數據，監測特定工廠及船舶的温室氣體排放。

過去兩年香港遭遇的系列極端降雨事件引發全城嚴重洪澇災害攝影：Justin Chin/彭博社Stellerus聯合創始人張立敏與許樹展示2023年9月香港極端暴雨期間的山體滑坡及洪水模擬模型來源：Stellerus許樹團隊正與國有保險公司中國太平旗下太平再保險合作，開發可向客户及保單持有人發送精準洪水預警的預報系統。例如，車主停放在即將被暴雨淹沒的特定車庫時，會收到移車短信提醒。

這是太平再保險首次將高分辨率洪水模型引入內部，而非依賴美國風險分析公司開發的較粗糙模型，這家香港再保險公司的首席執行官Sheldon Yu表示。此舉源於過去兩年一系列極端降雨事件引發的全市破壞性洪水。

洪水尤其難以建模，因為它們由局部天氣系統引發，其全面影響取決於排水系統等多個人為因素。但隨着極端降雨愈發頻繁，洪水在保險損失中的佔比正不斷上升。

據全球估算，超過五分之一人口面臨重大洪水風險，其中南亞和東亞最為嚴重。太平再保險重點建模的粵港澳大灣區沿海住宅區中，近三分之一區域預計將面臨未來幾十年加劇的淹沒威脅。

“我們正推動行業跳出傳統思維定式，採取更積極主動的方式應對災害事件及其對社區造成的損失，”俞先生表示。他補充説，公司計劃後續將自主研發的洪水模型擴展至澳門和廣東省，這些新增的高精度洪水數據或將影響關於建立全省洪水保險計劃的政策討論。

鮑爾指出，人工智能不再依賴單一全球模型來預測温度、風速、降雨量、土壤濕度和臭氧濃度等所有要素，而是構建了一個由"專精於特定領域的專家系統"組成的新生態。

“就潛在可獲取的預測質量而言，這是巨大的進步，”他表示，這為能提供定製化可靠預報的企業創造了"無限商機”。

然而，商業氣象預報和風險建模生態的擴張，也意味着對無法複核的專有模型依賴性增強。雷丁大學數據同化教授莎拉·丹斯指出，在AI預報時代，衞星圖像、雷達數據等觀測資料與預報準確性之間的關聯難以追溯。“你無法真正理解神經網絡中某個權重變化會如何影響預報結果。”

天氣預報準確性顯著提升

如今5天預報的準確度相當於2000年時的3天預報

數據來源：歐洲中期天氣預報中心

注：該數值通過預報與實際天氣的非線性差異標度衡量準確性，基於500百帕位勢高度（表徵大氣環流的關鍵氣象變量）的預測結果。

其他運用AI實現精細化預報的企業包括英偉達。該公司與台灣地區政府共同開發了AI氣象模型，通過機器學習技術提升全球粗分辨率氣象數據的預報精度。研究團隊在2月《自然》期刊發表的論文中詳述了這項成果。

英偉達高性能計算與AI解決方案高級總監迪昂·哈里斯表示：“對於極端天氣，越精確掌握事件發生時空信息，越能優化應急準備和預案制定。”

據參與該項目的台灣"中央氣象署"研究員劉正欽透露，該署正在評估該模型的業務化應用。同期，歐洲預報機構於2月成為首個發佈自主AI模型的主要預測中心。香港天文台代理高級科學主任何宇恆表示，其預報已參考華為盤古氣象等AI模型，並正在評估其他系統。

儘管AI氣象模型發展迅猛，部分氣象學家仍堅持使用傳統基於物理學的模型。2024年1月，瑞士商業氣象服務商Meteomatics在推出歐洲版模型後，發佈了針對美國的高分辨率（1公里級）氣象模型。這兩個模型均以經典模型為基礎，通過複雜的後處理技術和公司自有無人機採集的大氣數據進行了增強。

2025年9月26日，商業氣象服務商Meteomatics的高分辨率模型生成的墨西哥灣颶風"海倫"圖像，與歐美公共機構開發模型的對比效果。圖片來源：MeteomaticsMeteomatics首席執行官馬丁·馮格勒表示，運行歐美兩個高分辨率模型需要超過10萬個計算機處理核心，實現全球覆蓋"可能需要百萬量級"。雖然AI氣象模型更節能，但"它們往往採取某些捷徑"犧牲了準確性和一致性，且尚無證據表明其性能超越傳統方法。“AI是增強傳統建模方式的絕佳工具，但無法完全取代。”

最終，AI氣象模型仍依賴於通過物理方法建立的龐大公共氣候數據庫。多數模型還需依賴傳統預測系統啓動預報流程。專家鮑爾建議，政府應發揮優勢繼續承擔昂貴的數據計算與維護工作，而私營企業可利用AI開發更專業的氣象預報產品。

“職責和責任的分配將略有變化，”他在談到預測領域時表示。“但我認為這不是問題。我認為它創造的機遇多於風險。”