NASA 联手 IBM 推出太阳大模型 Surya：提前 2 小时预报耀斑

Surya 是 NASA 联手 IBM 等机构打造的开源太阳物理基础模型，专门用来分析海量太阳观测数据，并预测剧烈太阳活动。

它最直接的用途，是给卫星运营商和科研人员提供预警。遇到强烈的太阳爆发时，模型能帮你提前判断耀斑和高能辐射什么时候来，降低电网跳闸、通信中断或低轨卫星轨道骤降的风险。

它能做什么

Surya 目前最大的突破在于太阳耀斑预测。它不仅能给出数值判断，还能直接生成未来 2 小时的太阳耀斑视觉演变预测画面。

在早期的测试结果里，Surya 的预测表现超过了现有的基准水平 16%。对于一直难以捉摸的太阳物理预报来说，这个提升幅度相当扎实。

除了预测耀斑，它还能用来追踪太阳表面的活动区、推算太阳风速度，以及分析太阳紫外线辐射对地球高层大气的影响。

架构上它还支持融合不同观测站的数据，比如欧洲航天局与 NASA 联合研制的 SOHO 探测器，以及帕克太阳探测器的最新观测。

怎么做到的

Surya 的底气来自 NASA 太阳动力学天文台（SDO）长达 9 年的高质量观测数据。

SDO 自 2010 年升空以来，每 12 秒就会拍摄一组多波段太阳图像，并记录精准的磁场测绘数据。这套横跨完整太阳活动周期的长序列数据，让 AI 能捕捉到传统短周期样本里看不到的细微物理规律。

机制上，Surya 采用基础模型架构，直接从未经人工标注的原始太阳物理数据中自监督学习。

传统的气象和物理 AI 通常需要大量人工标注特征，而 Surya 可以直接理解原始图像与磁场规律，然后快速微调适配到不同下游任务。

在算力上，这项训练获得了美国国家人工智能研究资源（NAIRR）试点的支持，接入了由美国国家科学基金会（NSF）与英伟达等机构提供的算力基础设施。

怎么获取和尝试

NASA 和 IBM 已经把整个项目完全开源。

模型的权重已经上传到了 Hugging Face，配套的代码仓库也已在 GitHub 上公开。同时，训练所用的基础数据集也是完全开放的。

如果你是空间科学、气象物理或 AI 交叉领域的研究者，可以直接从 Hugging Face 拉取模型权重，或者在 GitHub 上参考官方工作流进行下游微调。

为什么重要

我们认为，Surya 的开源标志着科学基础模型正在从地球上的通用语言和图像，走向深度的空间物理场景。以往空间天气预报大多依赖传统数值模拟或单点统计，算力消耗大且响应慢，Surya 证明了直接从海量连续物理观测中预训练大模型完全走得通。

对于空间科学领域的开发者和研究机构来说，这省去了从头处理近十年 PB 级原始卫星数据的巨大工程成本，值得立刻下载体验。不过在现阶段，把 2 小时的视觉预测直接投入商用卫星自主规避等实操生产线，依然需要更多极端耀斑事件的实战检验。