问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
近日，Google DeepMind联合Google Research团队正式推出全新AI气象预报模型，该模型针对12小时内的短临天气场景优化，相较传统数值预报模式，局地降水、强对流天气的预报准确率提升32%，极端天气预警提前量拉长至2小时，可覆盖全球绝大多数城市的日常出行及灾害预警需求。
不少人都有过出门前查询预报显示无雨，半路却被突降的阵雨浇透的经历：传统气象预报依赖的数值运算模式需要调动超算资源迭代演算，对小范围、短时间内的对流天气预判误差普遍超过40%，这一痛点长期困扰着民用气象服务的使用者，也让短临预报成了全球气象领域的攻坚方向。
随着全球极端天气发生频次逐年上升，气象预报的精度和提前量需求正在快速上涨。过去两年，包括英伟达、华为云在内的多家科技企业都推出了AI气象大模型，不过多数产品的优化方向集中在72小时以上的中长期大范围天气预报，针对12小时以内、1公里级分辨率的短临预报产品一直存在明显的市场空白。从日常出行的带伞决策到城市内涝、强对流天气的应急处置，更高精度的短临预报都有极高的实用价值。
此次DeepMind推出的新模型，采用了优化后的扩散神经网络架构，训练数据覆盖了过去20年全球气象卫星、地面监测站、多普勒雷达采集的超过10PB的气象观测数据，能够实现1公里级分辨率的逐分钟预报输出，完整生成未来12小时的预报结果仅需10秒运算时间，算力消耗仅为传统数值预报模式的千分之一。对比测试显示，该模型对突发性降水、雷暴等强对流天气的识别准确率较传统模式高出32%，误报率下降了27%，几乎可以精准预判单个街区的降水时间。
据透露，谷歌将在未来3个月内把该模型的能力接入谷歌搜索的天气卡片、Google Maps的出行规划功能中，用户查询目的地天气时，即可看到逐10分钟更新的降水、大风预警信息，解决日常出行的决策需求。此外，谷歌团队已经和全球17个国家的气象部门达成合作，将该模型的能力开放用于极端灾害预警场景，预计可将强对流、山洪等灾害的预警提前量拉长40%，进一步降低灾害带来的人员和财产损失。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号