最近的天氣很不“太平”，這一秒是大太陽，下一秒可能就下起了大暴雨。

全球範圍內極端天氣頻發，而人工智能或有望幫助人們應對氣候變化的影響。

谷歌DeepMind高管科林·默多克就表示，人工智能有潛力加速改變世界的創新，例如“無限”的清潔能源和更好的氣象模型。

此前登頂《自然》（Nature）期刊的華爲雲盤古氣象大模型，在7月31日正式上线歐洲中期天氣預報官網，讓世界看到了國產大模型破解氣象領域難題的威力。

AI是如何作用於氣候，市面上目前有哪些值得關注的公司與產品，本文將爲你一一解答。

人工智能如何作用於氣候？

天氣預報

幾十年來，傳統的天氣預報一直依賴於一種稱爲數值天氣預報的系統。由於涉及諸多的數學和物理計算，數值天氣模型需要極高的計算能力，這使得它們的運行既昂貴又耗時。模型所能准確捕捉到的精細過程也具有局限性，例如單個雲的物理性質很難在進行大規模全球預測的模型中進行模擬。

而現在，天氣預報有望引入人工智能預測方法，這些系統可以比傳統模型產生更快、更准確的結果，甚至有潛力改變天氣預測行業。

人工智能模型不需要用傳統大量數學方程的形式來運算實際物理，而是吸收了大量的歷史天氣數據，並學會識別模式。然後，當被提供關於天氣狀況的實時數據時，AI能夠使用識別模式進行預測。

研究人員表示，即使目前的人工智能預測系統並不會取代傳統模型，但其在傳達有關天氣的信息方面仍然很有價值。

節能減排

今天，幾乎每一項人類活動都在一定程度上影響了碳足跡：建造、運輸、供電、飲食、算力。其中，有相當大一部分節能舉措可以有效應用人工智能。

在過去幾年內，數百家世界知名公司公开承諾通過減少排放與購买碳補償實現零碳排放，並相應調整運營計劃。

於是，使用人工智能量化碳排放量，全面了解碳足跡，優化低碳決策，以及構建由人工智能驅動的碳抵消市場成爲新的商業熱點。後者主要是將計算機視覺應用於航空圖像和傳感器數據，自動估算造林儲存的碳，並持續監控其碳抵消項目的數據。

無論是農業還是工業，人工智能都能幫助監測和減少溫室氣體排放，提高能源系統的性能和穩定性。

農業是氣候變化的主要因素，佔世界溫室氣體排放量的10%至15%。現代資源密集型農業往往導致大量資源的浪費，應用AI技術可以提高農業效率，減少碳足跡，同時提高糧食產量。

而在工業上，比如電力無法大規模有效儲存，所以電網必須持續實時平衡供需，AI能夠實現更高效的自動化與更精准的系統化。

模擬決策

准確模擬極端天氣仍然是氣候模型面臨的主要挑战，而利用人工智能技術來模擬氣候系統有助於我們找到合適的治理方案。

氣候模型不同於用於天氣預報的模型，天氣預報的預測範圍是幾天，而氣候模型能在幾十年甚至幾百年裏進行模擬。

我們可以利用深度學習、卷積神經網絡等技術，對海量的氣象觀測數據、衛星圖像、雷達信號等進行快速處理和分析，從中提取有用的特徵和信息，爲氣候模型的輸入和輸出提供更高質量的數據；也可以利用機器學習、強化學習等技術，對傳統的物理方程式或統計方法構建的氣候模型進行優化和改進，從而降低模型的誤差和偏差。

依托人工智能技術來模擬氣候系統可以幫助我們更好地理解氣候系統的復雜性和不確定性，提高氣候預測的准確性和效率，爲氣候變化的適應和減緩提供科學依據和決策支持。

值得關注的公司和產品

硅谷著名風投家查馬斯·帕利哈皮蒂亞曾言，世界新的萬億富豪將在氣候變化中誕生。應對氣候變化不僅是全球人類的當務之急，還蕴含着巨大的商機，同時也是世界命運共同體的必然選擇。

谷歌

谷歌對環境問題歷來重視，作爲一家具有全球影響力的企業，谷歌在積極倡導可持續發展方面做出了重大貢獻。在2023年發布的環境報告中，谷歌強調了如何利用人工智能來危機響應洪水、山火和地震，計算運輸排放量，以及檢測生物多樣性的變化。

在今年5月，谷歌上线了由人工智能驅動的Flood Hub服務，結合了兩個預測模型來估算流入河流的水量和預計影響地區的洪水深度，用戶能夠在洪水來臨前最早7天前獲得谷歌的預報信息。

Flood Hub目前已覆蓋全世界80多個國家，共4.6億人，數據可由個人或組織用於疏散和撤離。

目前，世界上有大約四分之一的人生活在洪水區，隨着海平面上升和氣候變化引起的更大颶風，預計該數字會上升，准確繪制洪水事件地圖的需求不容小覷。

而面對碳排放的壓力，谷歌CEO桑達爾·皮查伊也設定了目標，到2030年，讓Google實現零碳運轉。雖然去年AI的巨大降熱耗水量讓谷歌的環保計劃受挫，但谷歌聲稱自主定制的TPU芯片能耗效率遠高於英偉達同類產品，谷歌擁有“未來芯片的健康管线”。

英偉達

英偉達則在人工智能與數字孿生的共同作用處下了狠功夫。

創始人兼CEO黃仁勳在今年7月3日舉辦的“地球虛擬引擎計劃（EVE）”柏林峰會上強調了英偉達的超級計算機Earth-2能夠對氣候模擬作出的卓越貢獻。

Earth-2，顧名思義，是地球的數字孿生，能夠在Omniverse（英偉達虛擬世界模擬引擎）中以百萬倍的速度運行Modulus（人工智能物理模擬框架）創建的AI物理環境。

這有點像哆啦A夢給大雄的暑假作業研究找到的道具“創世組件”，可以觀測地球型行星的變遷，不同於傳統的天氣模擬，能從物理、化學和生物學等方面對大氣、水資源、陸地進行若幹年的可視化模擬。

Earth-2能實現三方面的奇跡：一是以足夠快的速度和高達千分尺分辨率模擬氣候，預測對土壤粒度的影響；二是使用AI實現高保真度模擬，並實現與PB級氣候數據的實時交互，還能以多種方式預計算海量數據；三是能與Omniverse平台交互，將數據可視化，交由決策者、企業、公司和科學家使用。

IBM

IBM及其子公司The Weather Company 早前曾被評爲“全球預報最准的天氣服務提供商”，旗下產品有开源智能模型IBM GRAF，能夠在全球範圍內提前12個小時預測像雷暴的小規模天氣現象，以及一套AI驅動的環境智能軟件，主要爲企業提供環境解決方案。

就在幾天前，IBM與开源AI平台Hugging Face以及美國宇航局NASA發布了全球最大开源AI基礎模型Prithvi，以幫助分析衛星圖像。

Prithvi由NASA提供過去一年在美國大陸範圍內的Harmonized Landsat Sentinel-2(HLS)衛星遙感數據，並基於洪水和山火區域的標注數據進行了優化，在IBM的watsonx.ai基礎模型上預訓練與進一步微調而成。

NASA預測，到2024年，科學家將需要在研究中面臨25萬TB的數據，因此與IBM籤訂了《太空行動協議》（Space Act Agreement），共同利用AI改善這一情況。

該模型可以適應森林砍伐追蹤、作物產量預測和溫室氣體檢測等各種任務，旨在有效應對氣候變化挑战，並爲地球的可持續未來作出貢獻。

華爲

國產氣象大模型同樣在最近取得了重大突破。

就在今年7月，國際頂級學術期刊《自然》（Nature）發表了華爲雲盤古大模型研發團隊獨立研究成果——《三維神經網絡用於精准中期全球天氣預報》，認爲華爲雲盤古氣象大模型讓人們重新審視氣象預報模型的未來。

華爲從2020年开始立項做華爲雲盤古大模型，到2021年4月發布，最新成果僅僅用了1.4秒就完成了未來24小時的全球天氣預測，比現有方法快了一萬倍。

其他基於人工智能的預測模型，比如英偉達的FourCastNet，雖然能夠快速實現天氣預報，但預測的准確性遠低於傳統的NWP方法。因此，團隊創造性地提出了適應地理位置的三維神經網絡來處理復雜的氣象數據，並且使用分層時間聚合算法來減少累計預測次數。

華爲雲盤古氣象大模型已經正式上线ECMWF（歐洲中期天氣預報中心）官網，任何人都可以免費查看盤古對未來10天全球天氣的預測。盤古氣象大模型優於所有現有的天氣預報系統，也是首次在精度和速度方面超越傳統數值預測方法，爲天氣預報與人工智能的結合創建了新的範式。

風烏

此外，還有另一個值得關注的氣象大模型——風烏。風烏的名字源自東漢時期張衡研制出的世界上最早的測風儀器——相風銅烏。

鳳烏大模型由上海人工智能實驗室聯合中國科學技術大學、上海交通大學、南京信息工程大學、中國科學院大氣物理研究所及上海中心氣象台共同研發。風烏大模型首次實現高分辨率上對核心大氣變量進行超過10天的有效預報，並在80%的評估指標上超越谷歌發布的模型GraphCast，能在30秒內生成未來10天全球氣象高精度預報結果。

風烏大模型目前已經用於國內台風路徑預報，比如在近日的“杜蘇芮“台風上就實現了准確預測路徑，優於歐美權威機構。

綠色未來，就在前方

毫無疑問，我們人類正面臨着當今世界最嚴峻的挑战之一，極端的氣候變化已經對我們造成了巨大的威脅。幸運的是，人工智能憑借其驚人的潛力，成爲了我們應對氣候變化的重要夥伴，使得我們不再“孤軍奮战”。

需要注意的是，人工智能本身並不是完美無缺的，這種技術也會消耗大量的能源和資源，產生一定的環境影響。

但根據國際能源署（IEA）的數據，目前全球電力總量的1%就足以滿足全球數據中心的能源需求。而且，隨着技術的進步和創新，人工智能的能效和性能也會不斷提高，其對環境的負面影響也會逐漸降低。

在可持續發展的道路上，我們需要充分利用人工智能的技術優勢，以超前的意識和責任感去創造一個更加美好、更加綠色的未來。

【聲明】：本文爲元宇宙之心運營團隊原創，未經允許嚴禁轉載，如需轉載請聯系我們，文章版權和最終解釋權歸元宇宙之心所有。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。

---

標題：當AI遇上氣候變化:一場科技與自然的博弈

地址：https://www.torrentbusiness.com/article/56905.html

標籤：