气象预报升级5公里分辨率 更精准解析天气变化

气象观测能否拍出“更清晰的照片”？在郑州国家超算互联网核心节点，中国气象局地球系统数值预报中心高级工程师蒋沁谷给出解释：这就如同手机的高清像素，模式分辨率的提升有助于解析过去无法看清的运动过程，对预报对流系统引发的极端暴雨具有重要价值。

近年来，极端天气频繁出现，已引发全球关注。在无法阻止极端天气发生的前提下，提高气象预测的准确性同样能够降低灾害损失。在气象预报领域，实现这一目标的关键在于不断提升分辨率和预报速度。当前，5公里分辨率已成为全球气象预报机构追逐的目标。让气象变化“看得更清”，已不仅仅是科学层面的问题，更是一个计算层面的挑战。如何将科学计算与AI计算相结合、如何构建万卡大集群，已成为亟待解决的课题。

应对极端天气正日益成为全球性议题。今年欧洲出现的极端高温、9月东太平洋罕见的飓风“列车”以及尼泊尔泥石流灾害等事件，已让公众切实感受到极端天气频发所带来的严重冲击。蒋沁谷指出，在全球变暖的大背景下，地球面对的是共同的风险，极端天气不受国界限制，对人类安全构成威胁。

准确预报天气，核心要素之一就是“分辨率”。天气预报需要结合观测数据，通过计算推演风、温度、水汽等要素的变化。以5公里分辨率为例，可以理解为用间距约5公里的网格来模拟全球大气。网格越精细，就越有能力刻画复杂的天气过程。在暴雨预测中，分辨率的提高能够增强气象预报与地形的匹配度，使原本不纳入计算的情景变为可计算的内容。以郑州暴雨为例，当分辨率仅为50公里或10公里时，无法准确分辨相关细节。中科曙光高端计算总工程师卜景德解释：设想郑州西侧有一座高约一千米的山，如果气象预报分辨率只有20公里或30公里，这座山的高度可能被“识别”为200米，从而无法捕捉到影响预报结果的气流因素。

台风的预测也面临类似情况。中国气象局地球系统数值预报中心首席科学家陈起英表示，在台风预报中，12.5公里分辨率对路径预报的准确率尚可接受，但强度预报偏弱；当分辨率提升至5公里后，台风的强度就能得到更好的预测。放眼全球，追求更高分辨率已成为趋势。国际各机构的气象预报分辨率正在“向5公里冲刺”，美国目前为12.5公里，欧洲中心为9公里，下一步均计划推进至5公里模式。达到5公里分辨率后，预报能力将实现质的飞跃。

中国气象局在5公里分辨率预报方面已取得进展。中国气象局地球系统数值预报中心与中科曙光近日发布的成果表明，中国气象局研发的MCV模式在曙光8000集群上能够在1小时内完成全球5公里分辨率、未来10天的预报计算，达到国际主流的业务时效标准，验证了高分辨率气象预报模式在国产算力上运行的能力。蒋沁谷表示，此次工作奠定了公里级预报的计算基础，未来还有望在该集群上运行MCV模式的全球3公里模拟。

中国气象局研发的MCV是一种数值模式，定位为区域百米级、全球公里级的高精度大气模式。与上一代模式GRAPES相比，GRAPES的全球分辨率为12.5公里，而MCV的目标则指向3至5公里。全球分辨率如同一张覆盖全球的大网，而区域分辨率这一指标更为“细密”，好比将摄像头对准人们生活的某个具体城市。GRAPES的区域分辨率已细化至1公里，MCV的目标更为精细，达到200至500米。从GRAPES到MCV，区域分辨率从公里级向湍流允许的尺度推进，简单来说，就是能够“看见”云以及某些湍流的具体形态。

这不仅是气象预测模式的转变，也是计算架构的转变。GRAPES全球预报系统采用传统HPC，而MCV使用异构GPU计算。计算架构的转变意味着从CPU大规模并行走向异构高性能计算。为何仅靠CPU不够用？原因包括：分辨率提升导致计算量急剧增长、计算单元间数据交换量大幅增加，通信、存储和任务分配对效率的影响日益显著。蒋沁谷表示，全球CPU架构在可控节点下难以满足需求。粗略估算，全球5公里分辨率2小时完成计算所需的CPU数量接近10万个，实际业务中很难实现。面向下一代超算的MCV计算路线，国际共识是模式GPU化是较为有效的路径。

异构计算能够提升运算效率的上限。计算的内容同样在发生变化。过去GRAPES全球预报系统仅在同化、参数化、后处理等环节应用AI，AI只是辅助工具；而在MCV模式中，AI已进入物理模拟内部。传统科学计算与AI计算的结合已被提上日程，算力层面称之为超智融合。卜景德解释，气象团队从使用计算机之初就追求准确性，气象问题可以通过高精度方式求解。但气象的初始场在真实世界中是不确定的，不可能布下天罗地网的监测器来获取所有温度、湿度和降水数据。因此需要借助AI方法来推测合理趋势，通过历史数据学习提供低分辨率、低精度的内容。将AI在大尺度上的学习能力与传统数据模式的刻画能力相结合，是下一步的重要方向。

数值天气预报与大模型运算之间存在差异。蒋沁谷告诉记者，数值天气预报属于传统科学计算，使用双精度64位或32位；大模型应用则追求GPU低精度16位、8位浮点精度。但全精度的计算单元可以同时支持传统科学计算和AI应用，有助于推动预报准确率提升。在异构算力分工中，CPU负责处理逻辑任务，GPU负责处理计算任务。

不仅AI数据中心的算力负载在增长，气象预报这一偏向科学计算的领域，算力需求同样在急剧攀升。蒋沁谷介绍，数值天气预报在计算时效性上存在标准约束，参照美国的标准是85分钟预报未来一天，即使放宽也不应超过2小时。在满足预报时效要求的同时，公里级预报已面临分辨率升级后计算量指数级增长的挑战。MCV模式分辨率每提升一倍，水平可点数增加4倍，计算量增加8倍；若进一步加密垂直方向的分辨率，计算量将增加约16倍，这是以2的幂次增长的计算量公式。在5公里分辨率之后，气象预报领域还在推动分辨率向1至3公里乃至更高水平演进。蒋沁谷表示，未来有可能走向万卡算力集群。

中国气象局下一步针对MCV模式，还计划定制专用计算机芯片。卜景德表示，其背景是计算量随分辨率提升而增加，从传统通用型芯片转向面向气象领域的专用芯片，芯片计算性能可实现量级提升，例如原来需要2000多张卡，未来可能仅需几百张卡，系统稳定性和时效性也能大幅改善。气象领域计算基座的变化，反映了前沿科研计算需求的变化。

曙光8000于今年7月推出，为全国产十万卡AI超集群，采用CPU加GPU异构体系，支持全精度计算。除气象预报外，郑州国家超算互联网核心节点曙光8000集群还在蛋白质研究、分子动力学、湍流模拟等领域运行多项计算负载，下游应用于新药研发、新材料研制、科学智能、AI大模型、具身智能等场景。卜景德表示，物探领域的项目需求同样很大，未来对十万卡集群有需求，科学智能大模型、材料发现和研制也需要用万卡来快速迭代。