本文源自微信公眾號“生態(tài)學(xué)時(shí)空”，作者為復(fù)旦趙斌，原標(biāo)題為《【AI氣候預(yù)測】一張圖看懂這場革命 | 一起讀頂刊-2026》

長期以來，氣候預(yù)測面臨一大難題：傳統(tǒng)模型依賴超級計(jì)算機(jī)耗時(shí)數(shù)周運(yùn)算，耗電量相當(dāng)于美國家庭一年用量，且僅能分析少數(shù)幾種碳排放情景。

AI的出現(xiàn)徹底改變了這一局面。今天要介紹的《自然》期刊文章聚焦人工智能如何優(yōu)化氣候預(yù)測，其中“AI CLIMATE MODEL WORKS AT SPEED”圖極具代表性?；诖藞D，我們能清晰理解這場革命：AI不僅能復(fù)刻傳統(tǒng)模型的預(yù)測精度，速度更是提升了一百萬倍。

深入解析這張圖：AI與傳統(tǒng)模型的直接較量

這張圖看似復(fù)雜，實(shí)則圍繞三件事展開，可用“老工匠”與“快學(xué)高手”的比喻來理解：

上左：Physics-based model（傳統(tǒng)物理模型）——慢工出細(xì)活的老工匠

這是科學(xué)家憑借數(shù)十年積累的物理知識，手工構(gòu)建的數(shù)學(xué)方程體系。從雨滴形成到海洋環(huán)流，均通過復(fù)雜公式描述。圖中曲線展示了其預(yù)測的2100年前氣溫分布，清晰呈現(xiàn)出-35℃至35℃的溫度區(qū)間。

• 優(yōu)點(diǎn)：可靠性強(qiáng)，是氣候預(yù)測的核心依據(jù)，能為全球氣候政策提供指導(dǎo)。

  
  

  
  

• 缺點(diǎn)：運(yùn)算速度極慢，模擬一個(gè)世紀(jì)的氣候需耗時(shí)數(shù)周，耗電量達(dá)10兆瓦時(shí)（相當(dāng)于美國家庭一年用電量），最多僅能分析5種以內(nèi)的碳排放情景，難以應(yīng)對更多場景。

  
  

  
  

上右：AI-based emulator（AI模擬器QuickClim）——高效學(xué)習(xí)的快學(xué)高手

AI并非重新發(fā)現(xiàn)氣候規(guī)律，而是像擅長“借鑒”的天才：它不求解復(fù)雜方程，而是通過分析傳統(tǒng)模型的輸出結(jié)果，掌握碳排放與氣溫變化的關(guān)聯(lián)規(guī)律。其曲線與左側(cè)傳統(tǒng)模型幾乎重合，表明AI預(yù)測的氣溫分布與超級計(jì)算機(jī)運(yùn)算結(jié)果高度一致。

• 優(yōu)點(diǎn)：速度驚人，普通筆記本訓(xùn)練模型僅需30分鐘，預(yù)測速度比傳統(tǒng)模型快一百萬倍；還能同時(shí)分析數(shù)千種碳排放情景，這是傳統(tǒng)模型無法實(shí)現(xiàn)的。

  
  

  
  

下：Difference（差值）——誤差可忽略不計(jì)

這是關(guān)鍵的驗(yàn)證環(huán)節(jié)，計(jì)算左側(cè)傳統(tǒng)模型與中間AI模型結(jié)果的差距，橫坐標(biāo)為差值范圍（-0.49℃至0.49℃）。

• 大部分差值集中在±0.07℃左右，最大差距僅0.49℃——這種誤差在氣候預(yù)測中微不足道，如同用尺子測量操場時(shí)相差幾毫米，完全不影響決策。

  
  

  
  

• AI并非盲目猜測，而是真正掌握了傳統(tǒng)模型的核心規(guī)律，精準(zhǔn)度達(dá)到實(shí)用標(biāo)準(zhǔn)。

  
  

  
  

AI為何能兼顧速度與精度？

這張圖背后是AI氣候建模的關(guān)鍵方法——模擬器（emulator），文章中的比喻十分形象：

傳統(tǒng)模型如同“依據(jù)物理規(guī)律計(jì)算球的落點(diǎn)”，需考慮投擲力度、角度、轉(zhuǎn)速等因素，逐步解方程；

AI模擬器則像“觀察過一萬次球落地的運(yùn)動(dòng)員”，無需計(jì)算物理公式，憑借經(jīng)驗(yàn)即可精準(zhǔn)預(yù)判落點(diǎn)。

以文章中的QuickClim為例，科學(xué)家用低、高兩種碳排放情景的傳統(tǒng)模型結(jié)果訓(xùn)練它，再讓它預(yù)測“中等碳排放情景”（訓(xùn)練時(shí)未接觸過的情況），結(jié)果完美匹配。更重要的是，訓(xùn)練無需超級計(jì)算機(jī)，普通筆記本30分鐘即可完成，普通人也能操作——這意味著氣候預(yù)測不再是超級計(jì)算機(jī)的專屬領(lǐng)域，中小國家和科研團(tuán)隊(duì)也能負(fù)擔(dān)得起。

速度提升一百萬倍，究竟有何價(jià)值？

很多人會(huì)問：速度提升這么多，真的重要嗎？答案是肯定的！

氣候變化決策最擔(dān)心信息不足。例如制定減排政策時(shí)，需了解減排10%與30%分別會(huì)導(dǎo)致氣溫上升多少、極端天氣減少多少。傳統(tǒng)模型僅能計(jì)算5種情景，政策制定者只能在有限選項(xiàng)中選擇；而AI能計(jì)算數(shù)千種情景，可精準(zhǔn)找到成本最低、效果最佳的方案，為決策提供更細(xì)致的參考。

文章提到，QuickClim未來能幫助政策制定者快速探索多種情景，無需等待數(shù)周甚至數(shù)月——在氣候變化日益緊迫的今天，每一秒都至關(guān)重要。

不止模擬器：AI氣候建模的另外兩大核心方法

這張圖聚焦的模擬器只是AI的方法之一，文章還提到另外兩種更具潛力的方法，簡單介紹如下，幫助理解AI氣候建模的全貌：

1. 基礎(chǔ)模型（Foundation Model）：如微軟的ClimaX，先學(xué)習(xí)1850年至2015年的全球氣候數(shù)據(jù)，掌握通用規(guī)律，再通過微調(diào)即可完成多種任務(wù)（如預(yù)測氣溫、降雨、臺(tái)風(fēng)），實(shí)現(xiàn)“一專多能”；

   
   

   
   

2. 混合模型（Hybrid Model）：AI僅彌補(bǔ)傳統(tǒng)模型的“短板”——例如云形成、積雪等小尺度過程，傳統(tǒng)模型難以精確計(jì)算，由AI接手，既保證可靠性，又提升效率。

   
   

   
   

但無論哪種方法，核心邏輯與這張圖一致：AI并非要取代傳統(tǒng)模型，而是通過高效學(xué)習(xí)能力，解決傳統(tǒng)模型在效率和細(xì)節(jié)上的難題。

不可忽視的不足：AI的局限性

盡管這張圖令人振奮，文章也客觀指出了AI面臨的挑戰(zhàn)，避免過度樂觀：

1. 黑箱難題：AI如何學(xué)習(xí)規(guī)律、為何做出特定預(yù)測，難以解釋——?dú)夂蝾A(yù)測關(guān)乎全球命運(yùn)，“知其然不知其所以然”，難以獲得廣泛信任；

   
   

   
   

2. 未來驗(yàn)證困難：氣候是混沌系統(tǒng)，未來與歷史可能存在巨大差異，AI在歷史數(shù)據(jù)上表現(xiàn)精準(zhǔn)，不代表能預(yù)測從未出現(xiàn)過的極端氣候；

   
   

   
   

3. 無法替代傳統(tǒng)模型：AI模擬器是學(xué)習(xí)傳統(tǒng)模型的結(jié)果，根基仍是物理規(guī)律——沒有傳統(tǒng)模型的基礎(chǔ)，AI也無法發(fā)揮作用。

   
   

   
   

AI與傳統(tǒng)模型的協(xié)同合作

這張圖的意義在于開啟了人機(jī)協(xié)作的氣候預(yù)測新時(shí)代：傳統(tǒng)模型確定物理框架，保證可靠性；AI負(fù)責(zé)提升速度、補(bǔ)充細(xì)節(jié)、擴(kuò)展情景，讓預(yù)測更具實(shí)用性。

文章提到，科學(xué)家的終極目標(biāo)是：通過AI輔助，打造地球數(shù)字孿生體，能精準(zhǔn)模擬到公里級的天氣細(xì)節(jié)，如某城市的暴雨強(qiáng)度、某海域的浪高，且能快速輸出結(jié)果。如今，這一目標(biāo)已逐步清晰可及。

氣候預(yù)測革命的本質(zhì)是效率革命

氣候變化刻不容緩，傳統(tǒng)模型的緩慢運(yùn)算實(shí)際上是在浪費(fèi)應(yīng)對氣候變化的時(shí)間。這張圖告訴我們：AI并非來“搶飯碗”，而是來“搭快車”——它讓氣候預(yù)測從少數(shù)超級計(jì)算機(jī)的專利，轉(zhuǎn)變?yōu)槿巳丝捎玫墓ぞ撸瑤椭咧贫ㄕ吒煺业阶顑?yōu)解，讓我們更早做好防災(zāi)準(zhǔn)備。

科技的價(jià)值從來不是顛覆，而是讓復(fù)雜的事情變得簡單，讓遙遠(yuǎn)的希望變得切近。當(dāng)AI的速度遇上傳統(tǒng)模型的精準(zhǔn)，我們應(yīng)對氣候變化的底氣又增添了一分。

解讀文獻(xiàn)：

• https://doi.org/10.1038/d41586-024-00780-8