NVIDIA 上線 Earth-2 氣象微服務：模擬提速最高 5000 倍

如果要給地球的天氣算一筆細賬，傳統超級計算機通常得燒掉海量電力，算上大半天才能給出一張模糊的區域性預報圖。面對颱風、冰雹這種極端天氣，等到結果出來，災害往往已經到了眼前。

在 SC24 超算大會上，NVIDIA 正式為數字孿生平臺 Earth-2 推出了兩個全新的 NIM 微服務：CorrDiff 和 FourCastNet。核心目的就一個，把氣候模擬的速度拉高几百倍甚至幾千倍，同時大幅壓低計算能耗。

拿生成式 AI 做公里級超解析度

氣象預報向來有個兩難：解析度越高，計算量呈指數級暴漲。CorrDiff 的思路很巧妙，它不是從頭硬算流體力學方程，而是用生成式 AI 做「超解析度」，把粗糙的低解析度模擬直接放大。

CorrDiff 基於 WRF 數值模擬訓練，能將天氣格局的解析度提升 12 倍。之前它在 GTC 2024 上展示過對中國臺灣附近颱風的模擬，現在它的執行規模擴大了 300 倍，能覆蓋整個美國本土，精細到公里級別來預測降水、暴雪、冰雹等災害。

根據 NVIDIA 披露的資料，相比傳統的 CPU 高解析度數值天氣預報，CorrDiff NIM 的計算速度快了 500 倍，能效更是提升了 10,000 倍。對於保險和再保險這類極度依賴精準災害損失評估的行業來說，這種降維打擊意味著以前算不起的高畫質氣象圖，現在可以即時生成。

5000 倍提速與千套預報集合

另一個微服務 FourCastNet 解決的是另一個維度的痛點：大範圍和多輪推演。

傳統氣象中心受限於算力，集合預報的數量非常有限。比如歐洲中期天氣預報中心的 IFS 模型通常只能跑 50 組集合預報，美國國家海洋和大氣管理局的 GFS 更是隻有 20 組。集合數量少，就意味著很多小機率但破壞力極大的極端天氣事件容易被漏掉。

FourCastNet 接入了歐洲中心和美國 NOAA 的初始同化資料，可以跑未來兩週的全球中程預報。最誇張的是它的速度：比傳統數值天氣模型快了整整 5,000 倍。有了這種級別的速度，氣候科技公司就能一口氣跑成百上千套不同情境的模擬，把以前很難測算的黑天鵝氣候風險翻出來。

為什麼重要

今年上半年，全球自然災害造成的保險損失高達約 620 億美元，比過去十年的平均水平高出整整 70%。傳統氣象預報體系正面臨算力和氣候變化速度脫節的嚴重危機，NVIDIA 顯然看準了這個關口。

對氣候科技從業者、能源排程機構和保險精算師來說，這兩個 NIM 微服務值不值得現在接入？答案是肯定的。以前做精細化區域氣候評估要租用昂貴的大型超算節點，跑幾天才能出結果；現在呼叫封裝好的 NIM 容器，幾分鐘內就能拿到公里級推演資料，大大拉低了高保真預報的門檻。

從行業競爭來看，NVIDIA 正逐步將 AI 的戰火從寫程式碼、生成圖片，燒向真正昂貴的科學計算腹地。黃仁勳在演講中宣稱算力成本被降低了一百萬倍，雖然有宣傳成分，但把氣象大模型從實驗室論文包裝成開箱即用的 NIM 微服務，確實切中了大機構的部署痛點。

不過在我們看來，隱患也同樣擺在檯面上。CorrDiff 和 FourCastNet 本質上是基於深度學習的資料驅動與超解析度對映，並不能完全替代物理守恆定律。在面臨從未見過的極端極端異常天氣時，純 AI 模型的泛化邊界到底在哪、會不會產生物理上站不住腳的「幻覺預報」，依然需要專業氣象部門在實戰中嚴格檢驗。