2023年7月5日，百度、清华大学的研究人员分别在《自然》期刊上发表其新开发的人工智能模型，使天气预测和极端天气警报更准确、更提前。

百度新开发的人工智能模型——盘古气象，通过在43年的全球天气数据上训练深度神经网络，在精度和速度方面超越传统数值预测方法，比传统数值预报提速10000倍以上。团队创造性地提出了适应地球坐标系统的三维神经网络来处理复杂的不均匀3D气象数据，并且使用层次化时域聚合策略来减少预报迭代次数，从而减少迭代误差。

目前，盘古气象大模型能够提供全球气象秒级预报，其气象预测结果包括位势、湿度、风俗、温度、海平面气压等，可直接应用于多个气象研究细分场景，欧洲中期预报中心和中央气象台等都在实测中发现盘古预测的优越性。

清华大学和加州大学伯克利分校的研究人员也在《自然》发表论文，介绍了一种基于物理的生成式人工智能模型——NowcastNet，该模型在此前很难预测的极端降水事件方面，表现尤其突出。研究显示，NowcastNet可做到提前3小时对2048 km×2048 km的区域进行高分辨降水预测；在一项涉及极端降水预测能力的评估中，该模型在约70%的预测中超过了其他方法。

信息来源：

https://www.nature.com/articles/s41586-023-06185-3

https://www.nature.com/articles/s41586-023-06184-4

https://www.huaweicloud.com/news/2023/20230706011424580.html