本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
七十年来，天气预报是国家的专属领域。超级计算机、卫星、无线电探空网络、大气物理学家团队——只有少数有能力负担这些成本的国家才拥有预测天气的权利。这一垄断格局已经终结。DeepMind训练的神经网络，如今能在Cloud TPU v4上不到60秒内完成全球未来10天的天气预报。而此前最优秀的物理模型需要在超级计算机上运行数小时——欧洲中期天气预报中心（ECMWF）与Atos签署的最新超级计算机（BullSequana XH2000）合同金额超过8000万欧元，为期四年。AI模型不仅更快，预报精度也更高。
这不是实验室演示。这是一次实质性转变，正在重塑70亿人每天使用却几乎察觉不到的公共服务的地缘政治格局。
核心要点
- 根据2023年12月发表于《科学》杂志的研究，DeepMind的GraphCast在1380个标准验证目标中的90%上超过了ECMWF HRES模型。
- 华为的盘古气象（Pangu-Weather）已被中国气象局纳入台风预报官方业务，标志着AI工具正逐步进入官方气象服务。
- 在Cloud TPU v4上，全球10天预报的运行时间不足60秒；ECMWF超级计算机需要数小时。
- GraphCast以开源方式发布（代码采用Apache 2.0许可，权重采用CC BY-NC-SA 4.0许可），盘古气象同样如此，为低成本获取全球水准预报打开了通道。
- 南方国家气象服务机构由此获得了此前无力企及的预报质量，但代价是对外国私营运营商形成新的依赖——而天气预报是战略性公共产品。
七十年物理模型，被36小时训练超越
要理解这一变化的深度，需要先了解此前的基准。
ECMWF HRES（高分辨率预报模型）是全球气象预报的顶级系统。它由总部位于英国雷丁的欧洲中期天气预报中心开发，运行于欧洲最强大的超级计算机之一。其架构基于偏微分方程，描述大气的物理行为：能量守恒、热力学、流体动力学。七十年的大气科学积累，凝缩于数百万行代码之中。该中心年预算超过1亿欧元。按其自有核查指标，五天预报的可靠性处于高位。
GraphCast在1380个测试目标中的90%上表现更好。这些目标涵盖全球不同高度的温度、气压、风速和湿度。优势在五天以上预报时段尤为明显——传统物理模型在此区间降级最快。在热带气旋路径预报上同样可以量化：2023年飓风季期间，GraphCast对李飓风强度增强的预报比ECMWF提前了整整三天。
两者的方法论差异是根本性的。GraphCast对大气物理方程一无所知。它基于ECMWF自身生产的40年ERA5再分析数据进行训练——也就是说，这个参照模型某种程度上充当了自己继任者的教师。GraphCast从这批历史数据中学会了预测大气下一时步的状态。结果：在Cloud TPU v4上，不到60秒完成全球10天预报。
盘古气象：华为如何进入公共基础设施
DeepMind并非唯一的竞争者。华为开发的盘古气象、中国科学院的伏羲（FuXi），以及谷歌DeepMind的NeuralGCM，构成了AI模型的第二阵营，在特定指标上达到或超过ECMWF的性能。
中国气象局将盘古气象纳入台风预报官方业务，标志着一个关键节点的到来。这不再是研究工具，而是由私营企业模型驱动的国家公共基础设施。
这一选择从性能角度看有其逻辑。盘古气象在西太平洋台风路径上表现出更高精度。这一区域的预报风险极高：中国每年有逾3000万人暴露于台风威胁，沿海经济体占全国GDP的近60%。AI模型对台风路径的更准确预报，直接转化为生命保全和更精准的疏散部署。
然而，盘古气象进入官方服务也引出了气象机构开始谨慎表述的问题：当一个公共机构依赖私营供应商提供公共安全服务时，会发生什么？ECMWF物理模型有文档、可审计，与此形成对比的是，AI模型的权重往往属于专有资产，内部推理过程难以解释。
南方国家的困境：最好的预报，来自陌生人
进步在此制造了自身的悖论。
埃塞俄比亚、孟加拉国或秘鲁的国家气象机构，直至不久前都无力运行ECMWF水准的模型。访问许可证存在，但本地算力不足以运行降尺度模型，熟悉高分辨率输出解读的专业人员稀缺，维护这些基础设施的预算更是遥不可及。气象预报长期是北方富国的特权。
AI模型重新分配了这种获取能力。GraphCast以开源方式发布（代码Apache 2.0许可，权重CC BY-NC-SA 4.0许可）。一个国家气象机构无需超级计算机，即可在普通基础设施上运行全球水准的预报。对于雨养农业占GDP 40%至60%的国家，以及依靠早期台风预警挽救生命的地区，这是一个一阶量级的变化。
世界气象组织（WMO）明确认可了这一点：在低收入和中等收入国家气象服务中部署AI模型，已列入其2024—2027年战略优先事项。在WMO和联合国开发计划署支持下，肯尼亚、印度、印度尼西亚和尼日利亚正在推进试点项目。
但以开源方式获取GraphCast并不等于独立。该模型由Alphabet旗下的DeepMind维护。若谷歌决定修改、限制或将访问权商业化，已将工作流程建立在GraphCast之上的机构将陷入脆弱处境。这不是理论假设——在其他公共服务领域，已经发生过类似情况：这些服务在没有替代方案的情况下整合了谷歌工具。
核心问题不在模型质量，而在治理缺失。自1950年世界气象组织成立以来，天气预报一直是全球公共产品。无线电探空仪、卫星、海洋浮标的数据依据国际条约在各国之间自由流通。AI模型则属于私营企业，受制于各国法律体系、商业利益和地缘政治动态。中美科技竞争在核聚变和半导体领域已清晰可见，如今正延伸至全球气象基础设施。
公共气象机构的应对
主要机构没有袖手旁观，而是主动整合。
ECMWF启动了混合AI模型内部研发项目，将传统物理模型的约束条件与深度学习架构相结合。目标是建立可解释的模型——输出结果可审计，误差可溯源。谷歌研究院的Metnet-3在AI模型中引入物理约束，代表了类似的探索方向。
美国国家海洋和大气管理局（NOAA）于2024年宣布与多个实验室建立合作，共同开发气象预报基础AI模型，重点强调开源和可审计性。目的是不让私营主体独占这一领域。
法国气象局（Météo-France）正在试验将AI输出整合进业务预报链，将其作为多源数据之一，而非取代物理模型。这种集成方法——汇集不同模型的输出以降低不确定性——可能是近期最稳健的路径。
这些应对举措说明一点：公共机构认真对待AI对自身专业能力的挑战，也认真把握其改善预报的机遇。真正的风险不是国家从气象领域退出，而是成为无法完全理解所用模型的集成商，却仍然对公众承担完全责任。
10天预报为何是地缘政治议题
技术性能之外，有更具体的利益需要点明。
中期天气预报牵动的决策并不轻微。农业期货市场跟随10天预报波动。台风疏散方案在72小时前确定。电网在热浪期间的管理依赖5天预报。军事行动历来将气象列为战术变量。掌握最优预报模型的一方，在上述所有领域都占据信息优势。
冷战期间，美国和苏联即便在最高张力时刻，也同意实时共享气象数据。世界气象组织负责组织这些交流。逻辑简单：大气扰动不遵循边界，一个只能在本国领土上正常运行的模型，就是一个无法正常运行的模型。
这一合作框架对原始数据依然有效。对AI模型则不然。AI模型在国际条约框架之外由私营企业开发，受制于出口管制和政府压力。盘古气象由华为开发，而华为与中国政府的关系持续受到美国和欧洲监管机构的高度关注——这不是细节。技术主权与依赖外国供应商之间的同一张力，同样贯穿半导体和能源等其他关键产业。
问题并非抽象：若重大地缘政治危机导致对手企业开发的AI模型访问受限，依赖这些模型的气象机构能否实时切换至替代方案？目前，答案不确定。
未来十年的核心问题：谁来治理基础模型
气象AI模型正在走一条其他领域已熟悉的轨迹。第一批模型以开源方式发布，证明优越性，获得大规模采用。随后，性能更强的第二代、第三代模型转为专有。开源窗口关闭。
GraphCast目前是开源的。GraphCast 2或GraphCast 3是否仍将如此，没有任何保证。相同的动态在大型语言模型、结构生物学模型和图像生成工具中均已出现。AI在各个领域提出同一个治理问题：谁控制基础模型，谁就控制一个行业的认知基础设施。
对于气象领域，应对这一问题的路径可能需要三条并行推进。第一：ECMWF及同类机构在国际资金支持下，开发公开、可审计的自有AI模型。第二：在WMO主导下，建立国际治理框架，对纳入公共服务的模型规定透明度和访问要求。第三：各国气象机构对传统物理模型保留最低限度的自主能力，以防AI模型性能下降或访问中断时陷入无后备的困境。
三条路径都不简单，也都不快。第一条在财政紧张的背景下需要公共资金投入。第二条面临企业和国家的技术主权阻力。第三条与经济逻辑相悖——一旦存在更廉价的替代方案，各机构会倾向于削减昂贵的计算能力。
气象预报走在其他行业前面，清晰呈现了AI依赖在触及战略性公共产品时的具体形态。性能是真实的，进步可以量化，对脆弱群体的益处显而易见。治理困境同样真实。公共机构、各国政府和国际组织将不得不作出选择：是继续主导这项服务，还是甘愿沦为其用户。
资料来源
- Articledge — AI Weather Forecasting（ECMWF / Science / Nature综合）
- Lam et al., “GraphCast: Learning skillful medium-range global weather forecasting”, Science, 2023年12月（第382卷）
- Bi et al., “Accurate medium-range global weather forecasting with 3D neural networks”, Nature, 2023年7月（盘古气象，华为）
- ECMWF — 年度报告及AI-物理混合模型技术文件（ecmwf.int）
- 世界气象组织（WMO）— 2024—2027年战略规划（wmo.int）
- NOAA — 2024年气象AI合作伙伴关系公告（noaa.gov）
- 《科学》杂志 — GraphCast论文（Lam et al. 2023）
- 谷歌DeepMind — GraphCast官方发布
- 谷歌DeepMind — GraphCast博客
- GitHub — google-deepmind/graphcast
- 《自然》杂志 — 盘古气象（Bi et al. 2023）
- ECMWF — 关键数据与事实
- ECMWF — Atos超级计算机合同
- WMO — 2024年世界气象大会AI预报决议
- NOAA EPIC — EAGLE项目
- 华为 — 盘古气象《自然》发表公告