阿里巴巴AI氣象大模型「八觀」有效應對極端氣候

阿里巴巴達摩院近日推出AI氣象大模型「八觀」，提升應對不斷加劇的極端氣候事件的能力。該模型提供未來十天的天氣預測，並每小時更新，旨在幫助各行業有效應對氣候變化，降低環境影響。

「八觀」提升關鍵氣象指標的預測性能

最近數月，全球各地頻繁發生環境災害，包括西班牙數十年來最嚴重的洪水災害、尼泊爾的山體滑坡和洪澇，以及影響數百萬人的菲律賓熱帶風暴，這些事件突顯了氣候變化帶來的嚴重威脅。

「八觀」在全球氣象模型的基礎上，引入了區域多源數據，時空精度最高可達1公里×1公里×1小時。通過顯著提升對溫度、輻照、風速等關鍵氣象指標的預測性能，它率先在新能源占比高的新型電力系統中落地應用，特別是在中國山東地區成功預測了多次極端天氣，其新能源發電功率和電力負荷預測準確率分別提升至96%和98%以上。

傳統的天氣預報方法依賴於物理規律，將大氣運動變化編寫成數學物理方程，進行數值計算。這一過程不僅耗費大量算力資源，還受到物理模型限制，難以高效滿足不同行業對天氣預報的多樣需求。世界氣象組織(WMO)今年發佈的名為《團結在科學之中》報告指出，人工智能正在徹底改變天氣預報，並能使其更快、更便宜、更易獲取。

阿里巴巴達摩院決策智能實驗室主任印臥濤表示：「『八觀』標誌著我們在利用技術為更大利益服務方面的重要進展，其複雜的技術不僅推動了氣候科學的發展，還促進了可再生能源、農業等多個領域的可持續實踐。」

「八觀」的名稱意為「八方洞察，觀測萬象」。該模型利用預訓練和孿生MAE掩蔽自編碼器(Siamese Masked Autoencoders)結構，提供更優質的初始化參數，學習高波動天氣數據中隱藏的魯棒性(robustness)，從而實現對天氣的精准把握。

在全球、區域協同建模方法的加持下，該模型的性能得到了進一步增強。它利用了ERA5數據，即歐洲中期天氣預報中心(ECMWF)自1979年至今的全球天氣大氣重分析，並輔以區域性的氣象指標，如溫度、風速和太陽輻照度。例如，在今年中國山東省的一次突發降溫中，「八觀」準確預測了電力需求下降20%，在負荷預測中達成了98.1%的高準確率。這一成果增強了電網運營的效率，降低了成本，提高了能源分配的靈活性。

基於在數學建模、時間序列預測和可解釋AI等領域的多年技術積累，達摩院決策智能實驗室採用自研發的全球氣象大模型，構建了區域高精度天氣預報模型。通過融合當地場站數據、氣象實況、雷達圖像、衛星圖像和開源地形等多種數據，極大增強了預測結果的細粒度和準確性，使得逐小時1公里網格的氣象更新成為可能。

「八觀」不僅具備通用的模型能力，還將持續提升雲量、降水等關鍵指標的性能，預計能為航空預警、農業生產和體育賽事籌備等更多場景提供可靠的決策依據。