从 Pangu、GraphCast 到 GenCast，天气预报正在被时间序列悄悄重写。 这是「时序 ×」系列第 5 期。文末有 「时序 × 气象资料包」，8 份高密度资料免费领。
2023 年，一件在气象圈"不该发生"的事发生了：
华为的 Pangu-Weather、DeepMind 的 GraphCast，这两个完全不含大气物理方程的神经网络，在欧洲中期天气预报中心（ECMWF）自己的主场——中期预报的多项指标上，打赢了跑在超级计算机上的传统模式。
更扎心的是速度。传统数值预报跑一次十天全球预报，要在动辄上万核的超算上算近一个小时；GraphCast 在一块 GPU 上，一分钟就能出结果，精度还更高。
这不是一次侥幸。它标志着一件事：天气，本质上是一个巨大的时空序列预测问题。而这，正是深度学习最擅长的战场。
今天这一期，我们把这场变革从头讲清楚。
全套《气象时序福利包》已整理完毕，内含
回复关键词【B701】
免费领取
一、场景：为什么气象是时序的"珠穆朗玛"
如果说金融时序难在"噪声大"，医疗时序难在"不规则"，那气象时序难在——它太大、太混沌、也太致命。
一次台风路径预报偏差 100 公里，可能就是"要不要让一座千万人口城市停工停产"的差别；一次暴雨漏报，代价可能是生命。同时，大气是混沌系统——洛伦兹早在 1963 年就证明，初始条件的微小误差会指数级放大，这给天气预报划下了一条约 两周 的理论可预报上限。
所以气象既是时序方法的试金石，也是它的珠穆朗玛。
二、数据：天气不是一条曲线，是一段"大气视频"
普通人以为的天气数据是"某地气温随时间变化"的一条线。真正的气象时序完全不是这样——
它是一个时空张量：在地球表面 0.25° 的网格上（约 721×1440 个格点），在几十个垂直气压层上，同时记录温度、气压、风速、湿度……每小时一帧。你可以把它想象成一段分辨率极高、通道极多的"大气视频" 。
这套数据的"黄金语料"叫 ERA5——ECMWF 制作的再分析数据集，覆盖 1979 年至今四十多年，几乎所有 AI 天气模型都吃它长大，堪称气象界的 ImageNet。
它还有几个让时序人头疼的特性：球面几何（地球是圆的，不能当平面图卷积）、多尺度（从 0–6 小时的临近预报到十几天的中期预报，再到季节尺度）、长尾极端（暴雨、台风这类高影响事件极其罕见，却最需要报准）。
三、经典武器：七十年的数值天气预报，和它的两个软肋
在 AI 进场前，统治气象七十年的是 数值天气预报（NWP）。
它的思路极其"物理"：把大气运动写成一组偏微分方程（原始方程组），在全球网格上一步步数值积分，从今天的状态推演出明天。ECMWF 的 IFS 模式（HRES，约 9 公里分辨率、137 个垂直层）是全球公认的"天花板"。为了对付混沌，业务上还会跑集合预报——把初始条件微扰 50 次，跑出 51 个未来，用它们的发散程度来量化不确定性。
局部和临近预报则另有一套：站点级用回归、卡尔曼滤波做统计后处理（MOS），雷达外推用光流/平流方法（如 pySTEPS）。
NWP 极其可靠，但有两个软肋：一是贵，跑一次要烧掉巨量算力；二是慢，从观测到出报有延迟。这两个缺口，恰好被 AI 补上。
四、深度学习：三年三代，一场接力赛
AI 天气模型的崛起，可以拆成清晰的三代：
第一代（2022–2023）· 证明可行。NVIDIA 的 FourCastNet 用傅里叶算子（AFNO）第一个实现了 0.25° 的快速全球推理；华为 Pangu-Weather 用 3D 神经网络显式建模垂直方向，率先在多个指标上追平 IFS，登上 Nature；DeepMind 的 GraphCast 用图神经网络（GNN）把全球网格连成图，拿下中期预报的 SOTA。
第二代（2023–2024）· 更长更准。上海 AI 实验室的 FengWu（风乌） 和复旦的 FuXi（伏羲） 接棒。FuXi 用"级联"结构分别优化短、中、长期，把稳定预报推到 15 天。在东亚—西太平洋的独立评测里，FengWu、FuXi 在台风路径等任务上甚至排在 GraphCast 之前——中国团队在这条赛道上是第一梯队。
临近预报单开一支。从 ConvLSTM、TrajGRU，到 DeepMind 用生成模型做雷达外推的 DGMR（在 50 多位英国气象局专家的盲评里，89% 的情况被评为最优），再到清华把物理演化和深度学习缝合的 NowcastNet（Nature 2023，能在 2048 公里范围内报准 3 小时内的极端降水）——短临降水预报也被深度学习重写了一遍。
五、2025 最新进展：概率、业务化、基础模型
如果说前三代解决的是"准不准、快不快"，2025 年的三条主线，回答的是更成熟的问题。
① 从"一个未来"到"一片未来"——扩散模型登场。早期 AI 模型只给一个确定性预报，天生"平滑"、爱回归均值，报不好极端。DeepMind 的 GenCast（Nature 2025）用扩散模型在球面上直接生成 50+ 成员的集合，一次给出一整片可能的未来。结果：它在约 97% 的评测目标上超过了 ECMWF 那套跑了几十年的集合预报，还能算出极端天气的概率。天气预报第一次同时拥有了"生成式"的锐利和校准良好的不确定性。
② 从论文走进业务系统。2025 年 2 月 25 日，ECMWF 的 AIFS 正式业务化上线——这是全球顶级气象中心第一次把 AI 模型放进真实的每日预报生产线。象征意义极大：AI 天气模型，从此不再只是"实验室里跑赢 baseline"，而是真的在为全世界发预报。
③ 从"专用模型"到"大气基础模型"。微软的 Aurora 在超过一百万小时的异构地球系统数据上预训练，像 LLM 一样"一次预训练、处处微调"，被下游用到空气质量、海浪等多个任务；Google 的 NeuralGCM 则走物理 + AI 混合路线，把神经网络嵌进传统环流模式，一套模型同时打通天气与气候尺度。气象，正在拥有自己的"基础模型时刻"。
六、开源资源：你需要的全在这
这个领域的开放程度惊人，上手门槛比想象中低：
-
数据：ERA5（Copernicus CDS 免费下载）、WeatherBench 2（统一评测基准）、WEATHER-5K（全球站点时序基准）、HKO-7 / SEVIR（雷达临近预报）。 -
模型权重：GraphCast、Pangu 已开源；AIFS-ENS、NeuralGCM 的 checkpoint 在 Hugging Face 可直接下载。 -
工具框架：ECMWF 的 ai-models、NVIDIA 的earth2studio（一行命令跑多个 AI 模型）。 -
导航：GitHub 上的 Awesome-LWMs汇总了几乎所有大气大模型的论文与代码。
以上完整清单 + arXiv 链接 + 一句话点评，都在文末资料包里。
七、还没啃下的硬骨头，和留给你的问题
热闹之下，真正的难题一个都没消失：
-
极端事件——AI 依然偏"保守平滑"，扩散模型缓解了但没根治； -
物理可信度——神经网络不严格守恒能量与质量，业务化如何取信于预报员？ -
初始场依赖——AI 模型的"今天状态"目前还得靠传统同化系统喂，ECMWF 的 GraphDOP 正尝试直接从观测端到端学习； -
气候外推——把两周的天气模型推到几十年的气候尺度，等于逼它在训练分布之外工作，NeuralGCM 是当前最激进的尝试。
留给你的问题 👇
如果你在气象、能源、农业、保险、航空里做时序预测，你最头疼的是极端事件报不准、长期趋势外推，还是AI 结果不敢直接上业务？评论区聊聊，点赞高的方向，我们单开一期深挖。
「时序 × 气象资料包」（限时领取）
为了让你不用满世界翻资料，这一期我们打包了 8 份开箱即用的干货：
资料 1｜9 大气象 AI 模型对照表（参数/架构/分辨率/是否概率/开源）
资料 2｜气象时序必读 25 篇论文清单（分代整理 + 链接 + 点评）
资料 3｜公开数据集 & Benchmark 导航（ERA5 / WeatherBench2 / 雷达卫星）
资料 4｜开源代码与工具箱速查（ai-models / earth2studio / GraphCast…）
资料 5｜气象时序核心概念速查卡（NWP / 同化 / 集合 / ACC·CRPS·CSI）
资料 6｜"尺度地图"：临近—中期—次季节—气候，各用什么方法
资料 7｜三条上手路线图（ML 工程师 / 气象业务 / 科研）
资料 8｜评测指标与常见陷阱（为什么 RMSE 会"骗"你）
领取方式：公众号后台回复关键词 「B701」，一键打包。
想要更多AI使用技巧？回复关键词
B631：《科研人 AI 工作流实战包 V2》
B636：Codex安装问题解决指南
B640：AI 科研绘图 Prompt 套件
B655：nature-skill功能测试
B663：Codex 科研版长程任务模板包
B675：Codex 使用前必做的几个设置：配置、权限和 Skill 一次讲清楚
B677：Codex接入DeepSeek API Key 申请和使用教程
F424：科研写作与绘图 Skills 汇总推荐
Claude Code 科研进阶指南——Skills 篇
使用 AI 辅助实验优化：Prompt 与技巧指南
科研小白需安装的 11 个 SKills
Codex 科研 Skills
B678：文献下载管理与综述Skill安装包：literature-review-workflow
B685：创新点设计与"可证伪性"检验Skill 安装包：paper-novelty-design
AI 没有取代天气预报员，它把预报的成本、速度和可能性，彻底改写了一遍。 下期我们顺着"风光发电靠天吃饭"这条线，进入下一个万亿级战场——