NVIDIA 开源 Earth-2 气象模型家族：提速 90%，气象预测能本地跑了

NVIDIA Earth-2 是一套面向气象和气候预测的开源 AI 模型家族与全栈工具包。它把原本必须依赖国家级超算集群运行的传统物理气象模拟，转变成可以在本地基础设施上运行的 AI 推理与微调工作流，覆盖从原始观测数据处理到 15 天全球天气预报或局地极端风暴预测的全流程。

它包含什么、怎么工作

传统的数值天气预报依赖超级计算机求解复杂的流体力学方程，计算成本极高且耗时很长。Earth-2 走的是物理 AI 路线，提供了一整套加速软件栈，包含预训练模型、定制方案以及专门的推理库。

这次公开的核心成员包括主打全球预报的 Earth-2 Medium Range，以及针对短临灾害天气的 Earth-2 Nowcasting。它们与现有的物理降尺度模型 CorrDiff 和中长期预测模型 FourCastNet3 组成了一个完整梯队。负责整合气象观测数据的 Earth-2 Global Data Assimilation 模块也计划在今年晚些时候推出。

整套框架在兼容性上做得很彻底。除了 NVIDIA 自家模型，Earth-2 还直接集成了欧洲中期天气预报中心（ECMWF）、Google 和微软等机构的开源气象模型。如果你需要针对特定区域做二次开发，可以使用配套的开源 Python 框架 PhysicsNeMo 进行大规模微调。

实测提速 90% 与产业落地

把气象预测搬到 AI 架构后，效率提升非常直接。以色列气象局在业务环境中测试了 Earth-2 CorrDiff 模型，在 2.5 公里分辨率下，相比在传统 CPU 集群上跑数值天气预报，计算时间缩短了整整 90%。在近期一次暴雨实测中，该模型预测的 6 小时累积降水精度击败了当地所有的传统业务模型。

在商业端，气象 AI 创企 Brightband 已经开始每天调用 Earth-2 Medium Range 生成实操级别的全球预报。光伏企业协鑫（GCL）将其部署在光伏发电功率预测系统中，通过提高预测精度来优化电网调度。

美国西南电力联盟（SPP）与日立合作，利用 Nowcasting 和 FourCastNet3 预测日前和日内风电波动。TotalEnergies、Eni 等能源巨头，以及保险机构 AXA 和标普全球，也正在利用该系列模型评估极端飓风风险与天然气需求。

怎么跑起来

在开放程度上，NVIDIA 这次给得比较干脆。Earth-2 Medium Range 和 Earth-2 Nowcasting 的模型权重与代码已经完全开放，开发者可以直接在 GitHub 和 Hugging Face 上获取，也可以通过官方的 Earth2Studio 平台调用。

需要注意的是，虽然这套软件栈消除了超算门槛，但运行高分辨率全球预测或训练 PhysicsNeMo 依然需要高性能 GPU 算力支持。负责数据同化的模块目前还没有正式上线，完整的闭环工作流还需要等到今年晚些时候。

为什么重要

高精度气象预报长期被垄断在少数拥有顶级超算中心的机构手里。Earth-2 最大的价值在于把一整套经过业务验证的端到端气象工具链全部开源，无论是区域气象局、新能源发电厂还是防灾减灾机构，现在都能在自己的本地服务器上微调专属气象模型，极大地降低了气象智能的获取门槛。

对 NVIDIA 而言，这步棋走得非常务实。气象与气候模拟是高性能计算历史上最消耗算力的领域之一。通过把顶尖的模型架构和工具链开源，NVIDIA 既确立了自己在物理 AI 领域的技术标准，又顺理成章地将全球气象和能源上下游的算力需求锁定在自家的加速硬件生态中。对于从事气象预测或受天气影响显著的能源、农业团队来说，现在就值得把代码拉下来做真实数据验证。