IBM 聯手 NASA 開源 Prithvi WxC：基於 40 年觀測資料的氣候大模型

Prithvi WxC 是 IBM、NASA 和橡樹嶺國家實驗室聯合打造的氣象與氣候開源基礎模型，現在已經可以在 Hugging Face 上直接下載權重和程式碼。

它不是那種只能輸出明天幾度、下不下雨的單一預測工具，而是一個可適應多種尺度和氣象任務的底座模型，既能跑全球範圍的宏觀模擬，也能微調到某個區域做精準分析。

它能做什麼

大多數現有的氣象 AI 往往盯死在單一預測任務上，而 Prithvi WxC 更像是一個能應對複雜場景的多面手。

在釋出基礎底座的同時，團隊在 Hugging Face 上同步放出了兩個微調版本，分別解決氣象和氣候科研裡的硬骨頭。

第一個微調版本針對資料降尺度。在氣象學裡，把低解析度輸入推算成高解析度結果是日常需求。該模型能把氣溫、降水、地表風場等資料解析度提升最高 12 倍，用來生成非常局地的天氣預報和長期氣候推演。

第二個微調版本用於大氣重力波引數化。重力波在大氣中無處不在，直接影響雲的形成甚至飛機顛簸，但傳統數值氣候模型很難精準捕捉它。這個微調模型能幫助科研人員更準確地估算重力波生成，從而減少氣候推演裡的不確定性。

除此以外，加拿大環境與氣候變化部已經在測試它的靈活性，嘗試把即時雷達資料餵給模型，用來做短時強降水臨近預報，並把 15 公里的全球預報降尺度到公里級別。

在 arXiv 公佈的論文實驗中，Prithvi WxC 還有一個亮眼表現：僅僅隨機抽取全球 5% 的原始地表溫度資料，它就能準確重建出完整的全球地表溫度場，顯示出在資料同化方面的潛力。

怎麼做到的與去哪試

Prithvi WxC 的核心底氣來自資料和算力架構。它基於 NASA Modern-Era Retrospective analysis for Research and Applications 第 2 版，也就是 MERRA-2 積累的 40 年地球觀測資料進行預訓練。

橡樹嶺國家實驗室的國家計算科學中心參與了算力與模型研發支援，最終讓模型具備了支援全球、區域和局地多尺度任務的架構。

基礎模型和重力波引數化版本已經上架 Hugging Face 的 NASA-IBM 組織主頁，降尺度微調模型則託管在 Hugging Face 的 IBM Granite 頁面下。相關的研究論文《Prithvi WxC: Foundation Model for Weather and Climate》也已經在 arXiv 上公開。

為什麼重要

氣象科研機構、防災部門以及需要評估極端氣候風險的能源和農業團隊，最應該關注並測試這個模型。它最大的價值在於省去了從頭預訓練地球級大模型的巨大門檻，讓專業機構能直接基於 40 年的資料底座微調自己的垂直應用。

我們認為，Prithvi WxC 走出了一條和很多商用預測模型不同的路子。它沒有把精力耗在卷短期的刷榜預報上，而是選擇把通用基礎底座和最棘手的降尺度、重力波難題做成開源工具。這種做法不僅實用，也真正拓展了 AI 在地球科學研究裡的邊界。