AI 科技评论：气候和蔼候的贸易价值重要表如今哪里？
以前很长一段时光里，气候、气象和地球体系研究，几乎完全建立在数值模仿之上。超算负责把物理方程一层层算下去，模型的精度、分辨率和稳定性，决定了人类对天然体系能“看清”若干。
而近几年，跟着算力前提的变更，人工智能开端被赓续引入这些传统范畴。尤其是在气候和地球体系建模中，AI 被寄予厚望：它是否能补够数值模型难以覆盖的细节？是否能在有限算力下，把体系看得更细一点？这些问题，正在成为超算与科学计算范畴绕不开的评论辩论。
地球体系模型恰是个中最具代表性的场景之一。从全球环流到局地气象，从海洋到大年夜气，从公里标准到更细微的变更，模型须要处理的过程极其复杂，也几乎弗成能被完全穷尽。正因为如斯，关于 AI 应当若何进入地球体系建模，学界和工程界始终保持着谨慎甚至不合的立场。
在 GAIR 2025 大年夜会上，环绕人工智能与科学计算的关系，相干评论辩论再次被集中说起。付昊桓传授在大年夜会时代做了相干分享，结合地球体系模型与超算实践，评论辩论了数值模仿与 AI 之间的界线与可能性。
作为清华大年夜学深圳国际研究生院传授、国度超等计算深圳中间副主任，他经久同时介入超算平台扶植和地学计算研究，也是以更存眷这些办法在实际体系中“能不克不及用、该怎么用”。
在GAIR 2025 现场，AI科技评论与付昊桓传授环绕数值计算与AI 的融合、地球体系模型的复杂性，以及AI 在预告体系中的真实地位进行了深刻交换，相干内容AI 科技评论做了不改变原意的编辑整顿：
从地球体系说起
AI 科技评论：您如今在超算这边，最核心想做的工作到底是什么？
付昊桓：其实假如从一个比较抽象的层面来总结，我们如今最核心想推动的一件事，就是数值计算和人工智能的深度融合。
地球体系只是一个比较典范、也比较轻易被大年夜家懂得的例子，但并不是独一的应用处景。类似的问题，其其实很多科学计算范畴都邑碰到，比如机械人、生物医药、材料科学等等。只不过地球体系的复杂性、标准跨度和社会影响都异常凸起，所以它经常被拿出来评论辩论。
我们并不是说要零丁把 AI 拿出来做一个“更聪慧的模型”，也不是简单地去晋升某一个模型的精度，而是欲望从根本上去思虑：在科学计算如许一个经久以数值模仿为核心的办法体系中，AI 到底应当以什么样的方法介入，才能真正晋升我们懂得和猜测复杂体系的才能。
AI 科技评论：那为什么地球体系会被您反复作为一个核心例子？
付昊桓：因为地球体系本身，几乎把科学计算中最难的几个问题都集中在了一路。起首，它是一个典范的混沌体系。我们常说的蝴蝶效应，本质上讲的是体系对初始前提的高度敏感性。哪怕是一个异常渺小的扰动，在经由足够长的时光和足够复杂的互相感化之后，都可能对整体状况产生明显影响。
其次，它是一个极端多标准的体系。比如说，台风这种现象，可能产生在数百公里到千公里的标准上；而强对流降水则产生在公里标准；龙卷风则是十米到百米标准；再往下，还有更微不雅的过程，产生在米级甚至更小的标准上。
更重要的是，这些不合标准的过程，并不是彼此自力的，而是互相耦合、彼此影响的。你不克不及只算大年夜标准而忽视小标准，也不克不及只盯着局部而不看整体。恰是这种“所有标准连在一路”的特点，使得地球体系成为一个异常典范、但也极其艰苦的研究对象。
AI 科技评论：那在这种情况下，有没有可能去做一个真正意义上的数字孪生？
付昊桓：从实际角度来看，这是根本弗成能的。很多人会假想，将来算力假如足够强，是不是就可以把所有细节都模仿出来。但实际上，问题并不只是算力的问题，而是标准本身是没有下限的。
你可以说，将来是不是可以模仿一只蝴蝶？那我会反问：树叶里的水分是怎么蒸发的？云中的水汽是若何凝集成水滴的？水滴在不合微情况中是若何增长、碰并并最终下落的？
这些过程产生在越来越小的标准上，并且每一个标准都邑引入新的物理机制。你永远弗成能把所有标准都纳入一个完全精确的数值模型中。所以从一开端，我们就必须承认：地球体系是一个无法被完全穷尽计算的复杂体系。
「骨骼」与「肌肉」
AI 科技评论：在这种前提下，数值模仿的意义在哪里？
骨骼代表的是我们已司懂得得比较清楚的那部分天然规律，比如守恒定律、动力学方程、热力学关系等。这些器械是有明白物理意义的，是可解释、可追溯的。
而肌肉这一侧，指的是那些我们今朝很难用严格物理模型去描述、或者算力根本支撑不了的部分。这些处所，AI 可能可以发挥更大年夜的感化。
AI 科技评论：能不克不及用一个更具体的例子来解释这种分工？
付昊桓：比如说台风预告。当台风从海上向陆地移动时，在百米甚大公里标准上，它的整体动力构造是可以用传统数值模型来描述的。但当台风进入城市情况之后，问题就变得异常复杂。
付昊桓：数值模仿的意义，恰好在于它是我们今朝独一一套体系性地、基于物理规律去懂得世界的对象。我常用一个比方来解释数值模仿和 AI 之间的关系：数值模仿是骨骼，AI 是肌肉。
你想知道某一条街道上，风会怎么走？某一个小区里，降雨会若何分布？这些已经进入了十米、甚至一米标准，而传统数值模型在这个标准上不仅算力不敷，物理参数化本身也变得异常艰苦。
在这种情况下，假如完全依附数值模仿，成本是无法遭受的。但假如完全依附 AI，又会掉去物理束缚。所以一个更实际、也更有前景的偏向，是让 AI 在这些“肌肉层面”去弥补数值模型，而不是代替它。
所以我们最终欲望看到的，不是数值模型一套、AI 模型一套，而是它们可以或许形成一个紧耦合的混淆模型。我经常用“齿轮”这个比方，欲望这两个齿轮可以或许真正咬合在一路，一路转，而不是各转各的。
从模型到营业
AI 科技评论：那在数据如斯稀少的情况下，AI 能发挥什么感化？
付昊桓：AI 异常善于做的一件工作是：在不完全的数据前提下，给出一个合理的揣摸。也就是说，你给它一些稀少的不雅测点，它可以在空间和时光长进行补全，给出一个 best guess。
这种才能，在地球体系如许不雅测受限的范畴里，确切异常有价值。但前提依然是：它必须和数值模型结合应用。雷峰网
AI 科技评论：那今朝这些模型成果，是若何被气候部分实际采取和应用的？
付昊桓：如今的气象预告，本身就是一个高度工程化的混淆体系。以华南地区为例，今朝常用的是大年夜约一公里分辨率的网格模型。在这个标准上，动力方程是可以直接计算的；而网格内部无法解析的微物理过程，则经由过程统计参数化筹划来处理。
同时，还会引入多组初始前提、多种模型设备，进行集合预告。最终给出的，并不是单一成果，而是一种带有概率意义的预告结论。在如许的体系下，今朝 7 天预告是可以实现的，个中 3 到 5 天比拟较较靠得住。
AI 科技评论：AI 的引入，在这个别系中具体带来了哪些变更？
付昊桓：从今朝的测试成果来看，AI 确切在一些方面带来了晋升。比如，它可以应用更多类型的数据，晋升某些变量的预告精度；在部分场景下，也确切可以延长可预告时光的长度。但与此同时，问题也异常明显。
起首，AI 对极端气象的猜测才能仍然不足。极端事宜本身在数据中出现得就不多，而 AI 往往更善于进修“常态”。
此外，传统数值模型天然包含不肯定性评估机制，而 AI 原生并不具备这一才能。这在实际营业中，是一个异常关键的差别。
AI 科技评论：所以您认为，数值模仿依然是弗成替代的？
付昊桓：是的，我认为数值模仿必定是全部别系的 backbone。它承载的是人类已司懂得的物理规律，是可解释、可验证的。AI 的角色，不是颠覆这一体系，而是在这个基本上去弥补、去加强，甚至在经久成长中，赞助我们慢慢“打开黑盒”。
回到人本身：关于科研、选择和时光
AI 科技评论：如今越来越多科技公司进入气候和蔼候范畴，您怎么看？
付昊桓：这个赛道确切开端变得异常“卷”。但从另一个角度看，这也说来岁夜家广泛认为，这个范畴将来还有很大年夜的冲破空间。气候和蔼候并不是一个“已经被解决的问题”，相反，它仍然存在大年夜量基本性的挑衅。
第二，是能源体系。风电、光伏之所以难以稳定应用，很大年夜程度上是因为它们的不肯定性。假如预告更准，能源调剂和成本控制都邑产生根本性的变更。
第三，是碳达峰和碳中和。地球体系模型才能的晋升，会对全部高低游家当链产生深远影响。
AI 科技评论：算力和模型范围的赓续扩大，真的带来了科学价值吗？雷峰网("大众,"号：雷峰网)
付昊桓：从汗青上看，每一轮重大年夜技巧变革在初期阶段，往往都邑伴跟着某种情势的泡沫。这并非有时，而是技巧潜力、本钱预期与实际落地之间动态博弈的成果。互联网的成长过程在必定程度上已经出现过类似情况。但泡沫过后，必定会留下真正有价值的才能。从经久来看，AI 很可能会像计算机一样，慢慢进入所有行业，并在这个过程中，改变我们解决问题的方法。
AI 科技评论：如今学界越来越强调交叉学科，您怎么看？
付昊桓：我认为这并不是一个新趋势，而是科学本身的属性。学科是成熟常识的沉淀，而真正的新发明，往往产生在学科交叉的处所。
AI 科技评论：将来三年，您小我最等待哪方面的冲破？
其次，AI 的输出成果往往偏腻滑，这在视觉上可能看起来“合理”，但会掩盖一些真正重要的极端特点。
付昊桓：我小我最等待的是3 到 6 个月标准的预告才能冲破。这是今朝气象预告和蔼候猜测之间的一个灰区，也是实际中异常重要、但今朝还难以解决的问题。
付昊桓：我认为至少表如今三个方面。第一，是季候标准预告的金融属性。假如你能提前知道某一年、某一季的大年夜致气候情况，会直接影响农业产量、大年夜宗商品价格等。
AI 科技评论：最后，您想给预备进入这个范畴的年青人什么建议？
付昊桓：最重要的一点，是先想清楚：你为什么要做科研。假如没有内驱力，科研会变成一种消费。我更欲望年青人是主动享受这个过程，而不是被情况推着走。
第三，它是一个黑盒。对于一线预告员来说，当模型给出一个成果时，他们很难像应用传统数值模型那样，追溯每一步计算的物理原因。
讲座完全视频，详见链接：https://youtu.be/dw4tRbvoENY
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
发表评论 取消回复