基于国产算力平台的极端天气预报大模型技术研究及示范应用

20251021

水利、环境和公共设施管理业

本项目围绕首都地区极端天气预报与预警需求，系统构建了覆盖探空、短临、短期等多时空尺度的人工智能气象预报模型技术体系，已在北京市气象台、门头沟区气象台等单位实现示范应用，具备良好的成果转化基础。具体来说，本项目形成的转化基础如下： 1）北京城市气象研究院研发的极端降水预报模型研发基础扎实，技术指标达标。项目成功研发了基于探空数据的极端天气AI自动判别模型、区域短时临近降水预报模型和全国短期降水预报模型，均已通过2024年汛期等业务数据检验，满足或优于任务指标。其中，短临模型在>30mm/h、>50mm/h降水预报中的FSS评分分别达到0.22和0.14，短期模型对6小时累计降水>30mm的FSS评分达0.54，具备较强的业务应用能力。 2）京西智谷负责的气象大模型开发平台适配完成，具备国产化部署能力。项目构建了气象大模型软硬件国产智算开发平台，完成昇腾AI全栈适配与深度调优，支持模型从训练到推理的全流程国产化部署。平台提供模型迁移、性能优化、训练管理等工具，支持多模型适配与跨平台部署，具备良好的工程化基础。 3）业务系统对接成熟，运行稳定。各种模型成果已接入北京市气象台 IGrAPS3.0、VIPS5.0 业务系统，实现从数据获取、模型推理、产品输出到前端展示的业务闭环。系统支持每日4次定时运行，具备分钟级响应能力，运行稳定，满足日常业务需求。 4）应用示范成效显著，用户反馈良好。极端天气AI判别模型和短临降水预报模型已在北京市气象台、门头沟区气象台实现业务化运行，成为预报员日常会商和预警决策的重要参考工具。2025年5月，项目成果已通过北京市气象局科技成果业务化评审，获得正式业务化许可，具备全面推广条件。 5）成果转化机制完善，推广路径清晰。项目团队具备持续模型优化与平台维护能力，已形成标准化接口、模型仓库、迁移工具等成果转化支撑体系，具备向其他地区气象台、应急管理部门、城市运行指挥系统等推广的能力与路径。

本成果转化合作旨在推动国产AI气象大模型在地方气象业务中的落地应用，提升极端天气预警能力，服务防灾减灾工作。为实现“基于国产算力平台的极端天气预报大模型技术研究及示范应用”成果的进一步转化与推广应用，合作方应具备以下条件： 1）业务基础和合作意愿：优先考虑具备天气预报、气象服务、防灾减灾、应急管理、水文水利、风光新能源等相关业务基础的单位，具备接收、展示和应用气象AI产品的技术基础和基本能力，能够快速实现定制化训练、成果落地与示范应用。合作方应具备长期合作意愿，愿意与成果方共同推进成果在本地及周边区域的推广应用，参与后续产品迭代与模型优化工作，形成可持续的运行与更新机制。 2）资金支持：合作方需具备稳定的资金投入能力，能够承担数据流制作，模型优化、平台部署、业务系统对接及后续运维相关费用，初步预算不低于300万元，用于支持成果在本地化的适配、测试和业务化运行。北京城市气象研究院不负责前端制作，因此该部分资金需要另外计算。 3）场地和设备保障：本地化定制训练模型需分布式专用机架式服务器及机房设备，设备应具备必要的软件环境、网络环境、电力保障和安全防护条件。模型推理至少需要单节点 4 路机架式服务器，其他需求同模型训练。京西智谷公司研发的基于国产算力的气象大模型开发平台其合作方应具备或有能力采购国产智能计算设备（如昇腾NPU服务器），支持AI模型的高效训练与推理，建议配置不低于单节点8卡昇腾910B或同等算力资源，以满足各种算法开发实时运行需求。 4）人员配备：需配备不少于3人的技术团队，包括1名具有气象人工智能背景的项目负责人、1名算法工程师和1名系统运维人员，能够开展模型部署、调试、优化及日常运行维护工作。另需1名业务对接人员负责其他相关事项。

可国（境）内外转让

1）社会效益预期：未来，在成果进一步转化推广的情况下，本项目所研发的国产 AI 气象大模型有望在首都区及气象部门及其他省市气象部门及其他相关机构中实现定制化模型或者业务化部署，为极端天气预报预警的时效性与准确性提供人工智能方面的支撑，增强全社会对暴雨、强对流等灾害性天气的防御能力。成果将参与到实时天气预报制作流程，间接服务于更多重大活动保障、城市运行调度、公众出行安全等公益性场景，推动人工智能在气象公共服务中的深度应用，进一步夯实“AI+气象”在社会治理现代化中的基础支撑作用。同时，依托京西智谷等国产智算平台，成果将持续拓展昇腾国产AI生态在气象、水利、交通、能源等重点行业的融合应用，助力形成可复制的国产化行业解决方案，提升我国关键行业自主创新水平和安全保障能力。 2）经济效益预期：京西智谷公司等相关企业将依托成果转化，拓展AI气象服务产品在保险、农业、能源、交通等垂直行业的商业化应用，预计每年可形成持续的技术服务收入。北京京西智谷科技有限公司正在依托该项目建立门头沟区气象数据专区。使气象数据得以系统化管理和资产化，广泛应用于公共安全、农业、城市运行和生态监测，并通过数据资产服务中心创造经济价值。本项目开展的 “AI+气象” 路径通过精准预报、精准保险风险评估、个性化服务、模型优化及智能决策支持等应用，提升气象服务的深度与广度，从被动观测走向主动智能预测，在多个领域催生新价值。北京城市气象研究院项目团队则可以在本项目研发成果的基础上进一步拓展成果的应用范围，针对水利电力、风光新能源行业预测等场景开展定制化气象预报模型开发。预计模型和平台方面单个软件开发项目收益不少于 300 万元。

基于国产算力平台的极端天气预报大模型技术研究及示范应用

北京市科学技术委员会;中关村科技园区管理委员会

近年来，人工智能技术在气象领域的应用取得了显著进展，尤其在短期天气预报方面，展现出了巨大的潜力。本项目面向首都地区的降水等强天气预报与预警需求，构建了覆盖探空、短临、短期的完整时空范围的人工智能气象预报模型技术体系。研究内容包括基于探空数据的极端天气AI自动判别模型、区域短时临近降水预报模型、全国短期降水预报模型、气象大模型软硬件国产智算开发平台的建设，以及技术难点的突破。首先，基于秒级探空数据，项目建立了一个首都附近多个站点的高标准的极端天气数据集。自动提取位温、假相当位温、风廓线等关键垂直结构特征，并结合专家标注实现了“极端降水+强对流”两类极端天气的自动判别与快速匹配。其次，针对首都超大城市的0-2小时分钟级防灾需求，项目构建了基于 Vision-Transformer 的多源异构数据融合的深度学习模型。该模型整合了雷达反射率、三维流场、自动站、卫星降水与地形等数据，空间分辨率为1公里，时间步长为10分钟，并通过引入信息平衡损失函数，显著提高了强降水预报准确度。项目针对0-15天范围内的降水预报开发了短期降水预报模型，采用了编码器-解码器-上采样三段式架构，融合了 Moganet token mixer, 3D-CNN与2D-CNN混合卷积策略，有效地提高了降水预报的精度。项目提出了信息量加权损失（IQWLoss）策略。通过动态调整稀有强降水的损失权重，成功提升了短期和短临降水预测中的强降水预报评分，且推理时间未受影响。最后，项目还构建了气象大模型软硬件国产智算开发平台，完成了昇腾AI全栈适配与深度调优，提升了训练与推理性能，并支持气象行业大模型的训练，确保了从模型迁移到国产NPU的无缝对接。