NVIDIA 開源 Earth-2 氣象模型家族：提速 90%，氣象預測能本地跑了

NVIDIA Earth-2 是一套面向氣象和氣候預測的開源 AI 模型家族與全棧工具包。它把原本必須依賴國家級超算叢集執行的傳統物理氣象模擬，轉變成可以在本地基礎設施上執行的 AI 推理與微調工作流，覆蓋從原始觀測資料處理到 15 天全球天氣預報或局地極端風暴預測的全流程。

它包含什麼、怎麼工作

傳統的數值天氣預報依賴超級計算機求解複雜的流體力學方程，計算成本極高且耗時很長。Earth-2 走的是物理 AI 路線，提供了一整套加速軟體棧，包含預訓練模型、定製方案以及專門的推理庫。

這次公開的核心成員包括主打全球預報的 Earth-2 Medium Range，以及針對短臨災害天氣的 Earth-2 Nowcasting。它們與現有的物理降尺度模型 CorrDiff 和中長期預測模型 FourCastNet3 組成了一個完整梯隊。負責整合氣象觀測資料的 Earth-2 Global Data Assimilation 模組也計劃在今年晚些時候推出。

整套框架在相容性上做得很徹底。除了 NVIDIA 自家模型，Earth-2 還直接集成了歐洲中期天氣預報中心（ECMWF）、Google 和微軟等機構的開源氣象模型。如果你需要針對特定區域做二次開發，可以使用配套的開源 Python 框架 PhysicsNeMo 進行大規模微調。

實測提速 90% 與產業落地

把氣象預測搬到 AI 架構後，效率提升非常直接。以色列氣象局在業務環境中測試了 Earth-2 CorrDiff 模型，在 2.5 公里解析度下，相比在傳統 CPU 叢集上跑數值天氣預報，計算時間縮短了整整 90%。在近期一次暴雨實測中，該模型預測的 6 小時累積降水精度擊敗了當地所有的傳統業務模型。

在商業端，氣象 AI 創企 Brightband 已經開始每天呼叫 Earth-2 Medium Range 生成實操級別的全球預報。光伏企業協鑫（GCL）將其部署在光伏發電功率預測系統中，通過提高預測精度來最佳化電網排程。

美國西南電力聯盟（SPP）與日立合作，利用 Nowcasting 和 FourCastNet3 預測日前和日內風電波動。TotalEnergies、Eni 等能源巨頭，以及保險機構 AXA 和標普全球，也正在利用該系列模型評估極端颶風風險與天然氣需求。

怎麼跑起來

在開放程度上，NVIDIA 這次給得比較乾脆。Earth-2 Medium Range 和 Earth-2 Nowcasting 的模型權重與程式碼已經完全開放，開發者可以直接在 GitHub 和 Hugging Face 上獲取，也可以通過官方的 Earth2Studio 平臺呼叫。

需要注意的是，雖然這套軟體棧消除了超算門檻，但執行高解析度全球預測或訓練 PhysicsNeMo 依然需要高效能 GPU 算力支援。負責資料同化的模組目前還沒有正式上線，完整的閉環工作流還需要等到今年晚些時候。

為什麼重要

高精度氣象預報長期被壟斷在少數擁有頂級超算中心的機構手裡。Earth-2 最大的價值在於把一整套經過業務驗證的端到端氣象工具鏈全部開源，無論是區域氣象局、新能源發電廠還是防災減災機構，現在都能在自己的本地伺服器上微調專屬氣象模型，極大地降低了氣象智慧的獲取門檻。

對 NVIDIA 而言，這步棋走得非常務實。氣象與氣候模擬是高效能運算歷史上最消耗算力的領域之一。通過把頂尖的模型架構和工具鏈開源，NVIDIA 既確立了自己在物理 AI 領域的技術標準，又順理成章地將全球氣象和能源上下游的算力需求鎖定在自家的加速硬體生態中。對於從事氣象預測或受天氣影響顯著的能源、農業團隊來說，現在就值得把程式碼拉下來做真實資料驗證。