地球系统的基础模型

可靠的地球系统预测对于减缓自然灾害并支持人类进步至关重要。传统的数值模型虽然功能强大，但计算成本极高。近年来，人工智能（AI）的进步在提升预测性能和效率方面展现出巨大潜力，然而在许多地球系统领域中，这一潜力仍未被充分挖掘。 在本研究中，我们引入了 Aurora —— 一个在超过一百万小时多样地球物理数据上训练的大规模基础模型。Aurora 在空气质量、海浪、热带气旋路径以及高分辨率天气预测方面均优于现有的业务预报系统，并且其计算成本低了若干个数量级。Aurora 可通过较低的代价进行微调，以适应多种应用场景，标志着在实现准确且高效的地球系统预测方面迈出了重要一步。这些成果凸显了 AI 在环境预测中的变革性潜力，并为更广泛获取高质量气候和天气信息铺平了道路。