随着2022年底OpenAI ChatGPT模型的公开发布，AI这个话题时间火热。AI气象模型也随之相对搭了顺风车，热度开始走上坡。而七月，华为Pangu-Weather模型登上Nature，让这个话题相对地“火出了圈”。
———
当今比较有名的AI气象模型有英伟达的FourCastNet（2022.2），华为Pangu（2022.12，23年七月登上Nature），GraphCast，风乌（2023上半年）。
还有经常在登上“中气爱”节目的据称“自研”的Kunyu（坤舆模型），这个模型目前不开源，找不到其他有关的技术细节信息。
———
对于AI模型，大家都提出了不同看法。
1.有一些圈外吃瓜群众发文说：“天气预报有救了！终于不用怕天气预报不准了！，
”，我认为这样的观点是完全错误，没有任何技术知识含量，没有什么讨论的价值和意义，因此我在此不讨论，相信大部分吧友跟我想的也一样。
2.部分网友认为：AI气象模型本质就是通过大数据学习，挖掘信息，然后再去“猜”未来的天气，这样的预报是非常不可靠的，AI模型只是一场炒作。又有部分网友我认为，传统的物理模型相比，物理模型建立在相对理想状态下进行计算，而AI能够学习去获取更多细节信息，以此预报反而会更加准确。我认为这样的观点不是完全有道理。
———
我个人的观点放在评论区，欢迎大家讨论，发表观点

首先，上述网友的观点都在凭自己的主观认为的模型的本质，猜测两种模型的精准度。无论是传统物理模型，还是AI模型，结构都是非常复杂的，这样主观臆断地猜测它们的本质，再对问题进行猜测，这不是非常科学。特别是对于AI模型，每一种模型都有各自的创新点，这样才能发出论文。
所谓“实践才是检验真理的标准”，短期内AI模型没有做出太多的预报，各大论文贴的“结果”都是一两次相对比较精准的预报，具有一定的偶然性，参考意义不大。但值得关注的是，各大论文贴出：据统计，其模型预报的精准度都非常接近甚至超过ECMWF。综上，我觉得要衡量哪个更准，还得等两个实装一起进行长时间常态化的预报，给一个一决高下的机会，真相才会水落石出。
但是毋庸置疑的是，AI模型能够推动数值气象预报边缘化，“平民化”，原本物理模型对算力要求巨大的，新式“AI模型”能在消费级甚至是家用的显卡甚至是CPU上跑，大大降低了普通人接触数值预报的门槛，对于数值预报的科普、教育事业无疑是有帮助的，并且还让数值预报能在更多更边缘的设备上跑起来，跑出结果，个人看来给一些小尺度预报情况给出了解决方案。（图片来自中气爱、风羽酱视频）
但是从长期来看，个人认为AI取代传统是几乎不可能的，因为AI模型“投喂”的数据大多都是给予传统物理模型进行再分析得出的气象数据，本质上还是需要物理模型分析作为基础。

另外，本人作为气象爱好者，对AI气象模型方面也产生了浓厚的兴趣，自学了一些人工神经网络、时空序列预测、地理信息系统、时空序列下的统计学相关的皮毛，也想亲手搓小模型试试看看，有兴趣的朋友们也可以联系我一起学习进步

支持

ai预报还需要进一步的发展

支持

还在起步，有待检验

我觉得其实本质上还是数据。我们现在所认识的数学模型物理模型哪个不是通过大量的实验数据和观测数据验证得来的呢。如果有大量的全面的原始数据，人工智能能帮我们总结出来的规律远比我们人类得出的准确的多。我觉得瓶颈还是数据量的缺失和算力，如果能增大数据的采集量和准确性，预测正确性是可以进一步提高的

支持

物理数据的采集是基本，脱离了物理数据采集，就是空中花园，华而不实，变成劣币驱逐良币。

本质上不是数据，还是模型，数据用于反馈校准，这个是物理形态的，不属于生成式人工智能系统。所谓AI预报是在专业预报成果基础上二次加工，是数据操作，本质上不是预报，而是发布。现在各种月报专报速报已经使用工具软件，抓取数据统计形成报告，也可以抓取预报数据形成报告。所以AI预报，不是预报，只是预言。

另外不建立国内自己的物理数据采集，而采用国外的数据，一旦被国外卡住数据厍或制裁甚至提供一些虚假数据，所有的工作工程將全部都废了，然后就被国外收购。