本周，IBM和NASA的研究人员发布了一个开源AI气候模型，旨在准确预测天气模式，同时与传统基于物理的模拟相比，消耗的计算资源更少。

该模型名为Prithvi WxC，是一个包含23亿参数的基础模型，由IBM和NASA在美国能源部橡树岭国家实验室的帮助下合作开发。该模型在NASA的Modern-Era Retrospective Analysis for Research and Applications（现代回顾分析研究与应用）第2版（MERRA-2）数据集的40年观测数据上进行了训练。

尽管模型规模较小，但研究人员表示，它能够使用仅包含原始数据5%的随机样本准确生成全球地表温度。他们还认为，该模型特别适用于模拟飓风和大气河流的行为。不过，该模型真正的优势可能是其灵活性。

IBM和NASA并不是唯一尝试使用AI模型进行天气和气候预测的机构。谷歌的研究人员就详细介绍了一种新方法，即通过机器学习增强现有物理模型来提高预测的准确性。与此同时，英伟达也一直在努力扩展其Earth-2气候模型的功能。

IBM和NASA的努力之所以与众不同，是因为Prithvi WxC是一个基础模型，这意味着它可以适应任何数量的用例，从短期天气预报到长期气候预测。

IBM欧洲研究总监 Juan Bernabe-Moreno本周在一份声明中表示：“这一领域已经出现了专注于固定数据集和单一用例的大型AI模型，主要是预测。我们设计了自己的天气和气候基础模型，以超越这些限制，使其能够调整各种输入和用途。”

为了支持基于Prithvi WxC创建新的气候模型，IBM和NASA已将其发布在Hugging Face上，同时还发布了一对经过微调的模型，分别用于气候和天气降尺度以及重力波参数化。

天气降尺度指的是从更大规模的模型中获取低分辨率的输入，如温度、降水或风速，并使用统计或动态概率来生成更高分辨率的预测。另一方面，重力波是一种影响各种大气过程的现象，包括云的形成，甚至飞机湍流。

全球研究人员的目标是能够利用这些模型并根据自己的特定需求进行调整，无论是为了改善恶劣天气的预警时间，还是改善全球气候模拟。

美国宇航局地球科学部主任Karen St Germain在一份声明中表示：“美国宇航局的基础模型将帮助我们生产一种工具，人们可以使用它来预测天气、季节和气候，以帮助决策如何准备、应对和缓解。”

而且，由于Prithvi WxC的规模很小，因此它可能不需要那么多的计算能力，至少与驱动Copilot或Gemini等AI聊天机器人的大型语言模型相比是这样。根据论文，该模型是使用相对较小的64个Nvidia A100集群从头开始训练的。

从理论上讲，对模型进行微调所需的资源应该远少于此，这使得各种气候中心都能够实现，其中许多中心已经在用GPU分区升级其超级计算机集群。

据IBM称，首批使用该模型的是加拿大政府，它已经开始调整该模型，以包括额外的天气预报用例。特别是负责该项目的加拿大环境和气候变化部（ECCC），正计划通过将实时雷达数据输入模型来进行非常短期的降水预测。ECCC还在尝试进行降尺度处理，以生成低至公里尺度的预测。