NVIDIA 推出 Stormcast 生成式 AI 天气预报模型

NVIDIA Research 在该篇博客中介绍 StormCast，一个面向中尺度大气过程的生成式扩散模型，用以补齐传统区域天气预报中分辨率、集合规模与算力之间的权衡。研究团队基于美国中部约三年半的 NOAA 气候数据完成训练，模型能在 3 公里空间分辨率、1 小时时间分辨率上做自回归预测，可同时输出 100 多个气象变量，覆盖温度、湿度浓度、风场以及不同高度的雷达反射率，从而帮助科学家首次在 AI 天气模拟里确认风暴浮力的三维演化结构。

StormCast 与同期的 CorrDiff 工作互补。CorrDiff 负责把 25 公里尺度的大气数据超分辨率到 2 公里，单次推理较传统方法快 1000 倍、能耗低 3000 倍；StormCast 则把这套思路推进到带有时间维度的自回归预报，可基于过去时刻预测未来时刻。配合降水雷达使用时，模型在最长 6 小时的预报时效下，准确度较 NOAA 当前业务化的 3 公里 convection-allowing model 高出约 10%。台湾的中央气象署等机构也在评估把 CorrDiff 用于城市 downwash 预测的可行性。

对气象研究者和下游行业，这套模型意味着区域尺度的概率性预报开始具备工程可行性。The Weather Company 创新负责人 Tom Hamill 和 Colorado State University 的 Imme Ebert-Uphoff 都在博客中把它定位为高分辨率 AI 天气预报方向的关键一步，能源调度、洪涝预警、冬季降水预报这些此前算力受限的场景，因此获得了更可行的快速集合预报路径。