编辑 | scienceai

在2025年11月，飓风“夏兰”（Ciarán）袭击欧洲西北部，造成严重破坏。与风暴Ciarán相关的低压系统为英格兰创下了新纪录，这是一次极为罕见的气象事件。

那场风暴的强度让许多人措手不及，暴露了当前天气预报模型的局限性，并突显出面对气候变化需要更准确的预测。当大家努力应对后果时，一个紧迫的问题出现了：我们如何才能更好地预测和准备应对这种极端天气事件？

最近的一项研究表明，即使是最先进的 AI 天气预测模型在捕捉风暴 Ciarán 的快速增强和峰值风速方面也面临着挑战。

为了帮助应对这些挑战，微软研究团队开发了首个大气AI基础模型 Aurora。这个模型基于超过一百万小时的各种天气和气候数据进行训练。

Aurora提出了一种新的天气预报方法，它可以改变我们预测和减轻轻微极端事件影响的能力，包括能够够预测像Ciarán风暴这样的事件的急剧升级。

在不到一分钟的时间内，Aurora就可以生成5天的全球空气污染预测和10天的高分辨率天气预报，其表现优于最先进的传统模拟工具和最好的专业深度学习模型。这些结果表明基础模型可以改变环境预测。

灵活的大气 3D 基础模型

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

图 1：Aurora 是一个 13 亿参数的基础模型，用于高分辨率天气和大气过程预报。Aurora 是一个灵活的 3D Swin Transformer，具有基于 3D Perceiver 的编码器和解码器。在预训练时，Aurora 经过优化，以最大限度地减少具有不同分辨率、变量和压力水平的多个异构数据集的损失。然后分两个阶段对模型进行微调：(1) 对预训练权重进行短时间微调和 (2) 使用低秩自适应 (LoRA) 进行长时间 (推出) 微调。然后部署经过微调的模型来处理不同分辨率的各种运营预测场景。

Aurora的有效性在于它对超过一百万小时的各种天气和气候模拟进行了训练，这使其能够全面了解大气动力学。这使得该模型能够在广泛的预测任务中表现出色，即使在数据稀缺的地区或极端天气场景中也是如此。顶夸张不要超过227.

Aurora以0.1°（赤道处约11公里）的高空间分辨率运行，可以捕捉大气过程的复杂细节，提供比以往更准确的运行预报，并计算成本仅为传统数值天气预报系统的一小部分。据估计，与最先进的数值预报系统（IFS）相比，Aurora的计算速度可提高约5,000倍。

除了令人印象深刻的准确性和效率之外，Aurora 还因其多功能性而脱颖而出。该模型可以预测各种大气变量，从温度和风速到空气污染水平和温室气体浓度。Aurora 的架构旨在处理异构的黄金标准输入，并以不同的分辨率和保真度生成预测。

该模型由一个灵活的 3D Swin Transformer 和基于感知器的编码器和解码器组成，使其能够处理和预测一系列跨空间和压力水平的大气变量。通过在大量不同数据上进行预训练并针对特定任务进行微调，Aurora 学会了捕捉大气中复杂的模式和结构，即使在针对特定任务进行微调时训练数据有限，它也能够表现出色。

大气化学和空气污染的快速预测

图 2：Aurora 在许多目标上的表现优于运营中的 CAMS。(a) Aurora 对总柱状二氧化氮的样本预测与 CAMS 分析的比较。Aurora 于 2025 年 9 月 1 日 00 UTC 使用 CAMS 分析初始化。由于大气气体的空间异质性，正确预测大气气体极具挑战性。特别是，与 CAMS 中的大多数变量一样，二氧化氮在人为排放量较大的地区（例如东亚人口稠密的地区）偏向高值。此外，它表现出强烈的昼夜循环；例如，阳光通过称为光解的过程降低背景水平。Aurora 准确捕捉了极端值和背景值。(b) Aurora 相对于 CAMS 的纬度加权均方根误差 (RMSE)，其中负值（蓝色）表示 Aurora 更好。RMSE 是在 2025 年 6 月至 2025 年 11 月期间计算的。Aurora 在 74% 的目标上与 CAMS 相当或优于 CAMS。

Aurora 多功能性的一个典型例子是它能够使用哥白尼大气监测服务 (CAMS) 的数据预测空气污染水平，这是一项众所周知的艰巨任务，因为大气化学、天气模式和人类活动之间相互作用复杂，而且 CAMS 数据具有高度异构性。

通过利用其灵活的编码器-解码器架构和注意机制，Aurora 可以有效地处理和学习这些具有挑战性的数据，捕捉空气污染物的独特特征及其与气象变量的关系。这使 Aurora 能够以 0.4° 的空间分辨率生成准确的五天全球空气污染预报，在 74% 的所有目标上的表现优于最先进的大气化学模拟，展示了其非凡的适应性和解决各种环境预测问题的潜力，即使在数据稀疏或高度复杂的场景中也是如此。

灵感PPT

AI灵感PPT - 免费一键PPT生成工具

308 查看详情

数据多样性和模型缩放优化大气预测

这项研究的一项重要发现是，与在单个数据集上进行训练相比，在不同的数据集上进行预训练可以显著提高 Aurora 的性能。通过整合来自气候模拟、再分析产品和运营预报的数据，Aurora 可以学习更稳健、更通用的大气动力学表示。正是由于其规模和多样化的预训练数据语料库，Aurora 能够在广泛的任务和分辨率中超越最先进的数值天气预报模型和专门的深度学习方法。

图 3：对不同数据进行预训练并增加模型大小可提高性能。(a) 在不同数据集配置（即无微调）上预训练的模型（标记为 C1-C4）在 6 小时提前时间与 ERA5 2025 相比的性能。均方根误差 (RMSE) 由 ERA5 预训练模型的性能归一化 (C1)。添加来自 CMIP6（即 CMCC 和 IFS-HR）的低保真模拟数据几乎可以均匀地提高性能 (C2)。添加更多模拟数据可以进一步提高大多数表面变量和此新添加数据中存在的大气水平的性能 (C3)。最后，配置 C4 可以很好地覆盖整个大气层，还包含来自 GFS 的分析数据，从而实现最佳整体性能，全面提升。(b) 对许多不同的数据源进行预训练可以提高 IFS-HRES 2025 所有表面变量在 6 小时提前期内对极值的预测。此外，结果也适用于风速，它是 10U 和 10V 的非线性函数。(c) 更大的模型在相同数量的 GPU 小时数下获得更低的验证损失。我们拟合了一个幂律，大致相当于模型大小每增加一倍，训练损失就会减少 5%。

Aurora 的规模（无论是在架构设计和训练数据语料库方面，还是在预训练和微调协议方面）的直接结果是，它的性能优于当下最好的专业深度学习模型。

为了进一步验证对在许多数据集上预训练的大型模型进行微调的优势，研究人员将 Aurora 与 GraphCast 进行了比较——仅在 ERA5 上进行预训练，目前被认为是分辨率为 0.25 度、交付周期长达五天的最熟练的 AI 模型。

此外，该团队在本次比较中加入了 IFS HRES，这是数值天气预报的黄金标准。结果表明，Aurora 在与分析、气象站观测和极值进行衡量时均表现优异。

图 4：Aurora 在绝大多数目标上的表现优于操作型 GraphCast。(a) Scorecard 与 GraphCast 在 0.25 度分辨率下的对比。在 94% 的目标上，Aurora 的表现与 GraphCast 相当或优于 GraphCast。在高层大气中，Aurora 比 GraphCast 的增益最大 (40%)，而 GraphCast 在这方面的表现众所周知较差。在短时间和长交付周期内，可以观察到高达 10%-15% 的大幅改进。在 2-3 天交付周期内，这两个模型在低层大气中彼此最接近，这对应于 GraphCast 推出时微调的交付周期。同时，GraphCast 在长达五天的时间内以及在特定湿度 (Q) 的大多数水平上都表现出略微更好的性能。(b) 2025 年全球气象站测量的 Aurora、GraphCast 和 IFS-HRES 的风速（左侧两个面板）和地表温度（右侧两个面板）的均方根误差 (RMSE) 和平均绝对误差 (MAE)。(c) Aurora、GraphCast 和 IFS-HRES 的阈值 RMSE，由 IFS-HRES 性能归一化。Aurora 对表面变量分布的极值或尾部的预测有所改善。在每个图中，中心线右侧的值是发现高于阈值的目标的累积 RMSE，左侧的值表示低于阈值的目标值。

地球系统建模的范式转变

Aurora 的意义远远超出了大气预测。通过展示基础模型在地球科学中的威力，这项研究为开发涵盖整个地球系统的综合模型铺平了道路。

基础模型在数据稀缺的下游任务中表现出色，可以使发展中国家和极地等数据稀缺地区能够民主化地获取准确的天气和气候信息。这可能会对农业、交通、能源收集和灾害防备等领域产生深远影响，使社区能够更好地适应气候变化带来的挑战。

随着基于人工智能的环境预测领域的发展，研究人员希望 Aurora 能成为未来研究和开发的蓝图。这项研究强调了多样化的预训练数据、模型扩展和灵活的架构在构建强大的地球科学基础模型方面的重要性。

随着计算资源和数据可用性的不断进步，科学家可以预见未来，像 Aurora 这样的基础模型将成为运营天气和气候预测系统的支柱，为全球决策者和公众提供及时、准确和可操作的见解。

参考内容：https://www.microsoft.com/en-us/research/blog/introducing-aurora-the-first-large-scale-foundation-model-of-the-atmosphere/

以上就是微软发布首个大气AI基础模型Aurora的详细内容，更多请关注其它相关文章！

# 人工智能  # 南阳seo网站优化公司  # 鲤城网站建设公司  # 梅州搜索引擎关键词排名怎么做  # 网站建设帝国php  # 城市党建网站排名优化  # 地球科学  # 最好的  # 是一个  # 是在  # 微软发布  # 这是  # 最先进  # 一言  # 首个  # 理论  # 深度学习  # 微软  # 网站快速建设软件有哪些  # 内蒙seo多少钱  # 济南企业seo外包  # 密山网站关键词排名  # 橙汁营销推广文案怎么写 

相关栏目： 【 行业新闻62819 】 【 科技资讯67470 】

相关推荐： 比尔盖茨：AI确实存在风险，但可控  提升工作效率的智能工具：Zapier 让工作变得更简单！  人工智能赋能无人驾驶：商业化进程再提速  Meta发布"类人"AI图像创建模型，能解决多出手指等Bug  2025年深圳举办的SUSECON 创新峰会开始接受报名  人工智能产业协同创新中心：全产业链资源在这里汇聚  马斯克：将来机器人比人类多！特斯拉机器人亮相人工智能大会  首家承认ChatGPT影响其收入的公司Chegg选择拥抱AI ，裁减4%员工  科技数码圈的新物种 乐天派桌面机器人 AI +安卓+机器人 首发价1799元  时隔 4 年：谷歌更新安卓机器人 LOGO，形象更立体  今年，全球客服中心支出将增长 16.2%，迎接对话式 AI 的浪潮，根据 Gartner 报告  图像生成过程中遭「截胡」：稳定扩散的失败案例受四大因素影响  利用AI探索抗体“钥匙”、加速药物研发——访百图生科团队  AI大模型时代，数据存储新基座助推教科研数智化跃迁  学界业界大咖探讨：AI对数字艺术创新的推动力  为AI而服务设计：构建以人为本的AI创新方法  智能手机应用中的人工智能的重要性  腾讯自主研发机器狗 Max 升级，可“奔跑跳跃”完成避障动作  Midjourney创始人：AI应该成为人类思想的延伸  小米发布CyberDog2 - 他们的第二代仿生四足机器人展示  AI工具助力公司实施每周4.5天工作制，带来巨大效益  “世界上最像人的机器人”接入 Stable Diffusion ，现场完成作画  央视报道车载人机交互技术！MWC上海魅族表现亮眼，现场热火朝天  网友自制 AI 版《流浪地球 3》预告片，登上 CCTV6  iPhone两秒出图，目前已知的最快移动端Stable Diffusion模型来了  衡水市冀州中学机器人社团在世界机器人大赛中斩获佳绩  开创全新虚拟现实体验的Pimax Crystal VR头显  类GPT模型训练提速26.5%，清华朱军等人用INT4算法加速神经网络训练  商业智能决策技术助力降本增效，世界人工智能大会举办商业AI高峰论坛  用人工智能技术，亚马逊为用户生成产品评论摘要，帮助他们轻松选购  寻求能源转型最优解  技术如何使人变得懒惰？  网易加速行业AI大模型应用，将覆盖100多个应用场景  Valve 将拒绝采用 AI 生成未知版权内容的游戏上架 Steam  新华三集团总裁兼首席执行官于英涛：人工智能时代需要想象力，更需要精耕务实  张勇对话多位诺奖得主 人工智能将无处不在  调研海尔智家：AI名，家电命？  马斯克的幽默“现实”：AR眼镜与20美元“增强现实”哪个真实？  如何用AI重塑你的工作流（一）  云深处与昇腾CANN携手合作：开设ROS四足机器狗开发训练营  发布最新版本的 PICO OS 5.7.0：支持VR头盔录屏并跨平台分享至微信  套娃不可取：研究人员证实用AI生成的结果训练AI将导致模型退化  构建AI绘画网站的方法：使用API接口和调用步骤  探索AI前沿理念 2025全球人工智能技术大会在杭州开幕  借力AI！PCB全球巨头，有爆发潜质吗？  7/8上海 | 2025世界人工智能大会分论坛:科技与人文-共筑无障碍智能社会  AI与5G的强强联合：唤醒数字时代的无尽潜能  RoboNeo安装教程  优化J*a与MySQL合作：分享批处理操作的技巧  ​布局智能物联新时代,中国移动“5G+物联网”亮相2025 MWC