极端天气频发，气象预报冲向“5公里分辨率”

对气象拍一张“更清晰的照片”，能看见什么？

“就像手机高清像素，模式分辨率提升可以帮助解析以往看不清楚的运动，这对预报对流系统引发的极端暴雨非常有帮助。”在郑州的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说。

近年频发的极端天气已引起全球警醒。如果无法避免极端天气的发生，更准确地预测气象也可以减少灾害。在气象预报领域，达成这一目标的途径，是对分辨率和预报速度的追求。

第一财经记者了解到，5公里分辨率成为当下全球气象预报机构的目标。要让气象变化“看得更清”，已不再是单纯的科学问题，也成为一个计算问题。对科学计算结合AI计算的探索、对万卡大集群的需求，已经摆上了台面。

“看清”5公里

应对极端天气越来越成为一个全球性议题。仅在今年，欧洲极端高温、9月东太平洋罕见的飓风“列车”、尼泊尔泥石流灾害等事件，已经能让普通人感受到极端天气频发带来的重大影响。

“这些天气事件告诉我们一个事实，在全球变暖的大背景下，地球面临着共同的风险，极端天气不分国界，威胁着人类的安全。”蒋沁谷说。

要准确预报天气，绕不开的是“分辨率”。天气预报需结合观测资料，通过计算推演风、温度、水汽等要素的变化。例如5公里分辨率可以理解为用间距约5公里的网格模拟全球大气。网格越细，就越有条件刻画复杂天气过程。

在暴雨预测场景中，分辨率提高才能提高气象预报与地形的吻合度，让原本不作为计算量的场景变成计算量。以郑州暴雨为例，中国气象局地球系统数值预报中心研究员、副主任李兴良说，原来分辨率还是50公里、10公里时无法准确分辨。

“想象郑州西边有一座高度一千米的山，如果气象预报的分辨率只有20公里或30公里，可能会将其高度‘看成’200米，看不到能影响气象预报结果的气流因素。”中科曙光高端计算总工程师卜景德向记者解释。

对台风的预测也类似，中国气象局地球系统数值预报中心首席科学家陈起英说，台风预报中，12.5公里分辨率对路径的预报准确率尚可，但强度预报偏弱，分辨率到5公里后就能更好预测台风的强度。

在全球范围内，追求更高的分辨率已是趋势。李兴良向记者介绍，国际上各机构的气象预报分辨率已经在“往前冲向5公里”，美国目前是12.5公里，欧洲中心是9公里，下一步都是往5公里模式推进。达到5公里分辨率后预报能力产生了质的飞跃。

记者了解到，中国气象局在5公里分辨率预报领域取得了进展。中国气象局地球系统数值预报中心和中科曙光近日发布的成果显示，中国气象局研发的MCV（原创高精度可扩展多矩大气）模式在曙光8000集群上可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。

蒋沁谷称，此次奠定了公里级预报的计算基础，未来还有机会在这个集群上运行MCV模式全球3公里模拟。

用AI、用GPU

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。对比MCV和前一代模式GRAPES，GRAPES的全球分辨率为12.5公里，MCV的目标则指向3~5公里。

全球分辨率像一张覆盖全球的大网，相比之下，区域分辨率这个指标更“细密”，就像把摄像头对准人们生活的某个城市。GRAPES的区域分辨率已细化至1公里，MCV的目标更细，为200~500米。从GRAPES到MCV，区域分辨率从公里级向湍流允许的尺度推进，简单理解，就是能“看见”云、一些湍流的具体形状了。

这不只是气象预测模式的转变，也是计算架构的转变。GRAPES全球预报系统用传统HPC（高性能计算机），而MCV是用异构GPU计算。计算架构的转变是从CPU大规模并行走向异构高性能计算。

为什么只有CPU不够用？原因包括分辨率提升带来的计算量迅猛增长、计算单元间交换数据量暴增，通信、存储和任务分配对效率的影响趋于明显。

“全球CPU架构在可控节点下难以满足需求。大概推算，全球5公里（分辨率）2小时完成计算所需CPU计算接近10万个，实际业务中很难完成。”蒋沁谷说，面向下一代超算的MCV计算路线，国际上的共识是，把模式GPU化是较为有效的路径。

异构计算可以拔高运算效率的上限。计算的内容也在变化。以往GRAPES全球预报系统只在同化、参数化、后处理等环节应用AI，AI只是辅助工具，而在MCV模式里，AI已经进入物理模拟内部。传统科学计算和AI计算的结合摆上了台面，算力层面称为超智融合。

“气象团队从使用计算机之初就在追求准确性。气象可以通过高精度的方式求解。然而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抓取所有温度、湿度、降水数据。因此需要AI的方法来推测合理趋势，通过过往的数据学习提供低分辨率、低精度的内容。”卜景德向记者解释，通过AI将大尺度上的学习能力和传统的数据模式刻画能力结合，是下一步的重要方向。

卜景德说，气象学家更多已经在学习如何将理论变成代码。AI时代到了，如何实现科学智能和传统模式的融合、如何支撑传统的科学计算与AI的计算，也是科学计算需要迈过的坎。

数值天气预报和大模型运算还是存在差异。蒋沁谷告诉记者，数值天气预报是传统的科学计算，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，可推动预报准确率提升。异构算力分工中，CPU用于处理一些逻辑任务，GPU处理计算任务。

暴涨的算力需求

不只是AI数据中心的算力负载增长，气象预报这一偏向科学计算的领域，算力需求也在暴涨。

蒋沁谷介绍，数值天气预报计算时效性约束上有一个标准，参照美国是85分钟预报（未来）一天，即使放宽也不能超过2小时。要同时满足预报时效的要求，在公里级预报上，已遇到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，计算量会增加8倍，如果再进一步把垂直方向的分辨率加密，计算量将增加约16倍。是2的几次方计算量增长公式。”

在分辨率5公里之后，气象预报领域还在推动分辨率向1~3公里乃至更高分辨率演进。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。卜景德告诉记者，背景是计算量随分辨率提升而增加，从传统通用型芯片到面向气象领域的专用芯片，芯片计算性能可有量级的提升，例如原来需要2000多张卡，可能未来只需要几百张卡，系统稳定性、时效性也能有大幅提升。

气象领域的计算基座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，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。

气象预报领域之外，卜景德向记者表示，物探领域的项目需求也很大，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。