過去很長一段時間里，氣候、天氣和地球系統(tǒng)研究，幾乎完全建立在數(shù)值模擬之上。超算負責把物理方程一層層算下去，模型的精度、分辨率和穩(wěn)定性，決定了人類對自然系統(tǒng)能“看清”多少。

而近幾年，隨著算力條件的變化，人工智能開始被不斷引入這些傳統(tǒng)領(lǐng)域。尤其是在氣候和地球系統(tǒng)建模中，AI被寄予厚望：它是否能補足數(shù)值模型難以覆蓋的細節(jié)？是否能在有限算力下，把系統(tǒng)看得更細一點？這些問題，正在成為超算與科學計算領(lǐng)域繞不開的討論。

地球系統(tǒng)模型正是其中最具代表性的場景之一。從全球環(huán)流到局地天氣，從海洋到大氣，從公里尺度到更細微的變化，模型需要處理的過程極其復雜，也幾乎不可能被完全窮盡。正因為如此，關(guān)于AI應(yīng)該如何進入地球系統(tǒng)建模，學界和工程界始終保持著謹慎甚至分歧的態(tài)度。

在GAIR 2025大會上，圍繞人工智能與科學計算的關(guān)系，相關(guān)討論再次被集中提及。付昊桓教授在大會期間做了相關(guān)分享，結(jié)合地球系統(tǒng)模型與超算實踐，討論了數(shù)值模擬與AI之間的邊界與可能性。

作為清華大學深圳國際研究生院教授、國家超級計算深圳中心副主任，他長期同時參與超算平臺建設(shè)和地學計算研究，也因此更關(guān)注這些方法在現(xiàn)實體系中“能不能用、該怎么用”。

在GAIR 2025現(xiàn)場，AI科技評論與付昊桓教授圍繞數(shù)值計算與AI的融合、地球系統(tǒng)模型的復雜性，以及AI在預報體系中的真實位置進行了深入交流，相關(guān)內(nèi)容AI科技評論做了不改變原意的編輯整理：

從地球系統(tǒng)說起

AI科技評論：您現(xiàn)在在超算這邊，最核心想做的事情到底是什么？

付昊桓：其實如果從一個比較抽象的層面來總結(jié)，我們現(xiàn)在最核心想推動的一件事，就是數(shù)值計算和人工智能的深度融合。

地球系統(tǒng)只是一個比較典型、也比較容易被大家理解的例子，但并不是唯一的應(yīng)用場景。類似的問題，其實在很多科學計算領(lǐng)域都會遇到，比如機器人、生物醫(yī)藥、材料科學等等。只不過地球系統(tǒng)的復雜性、尺度跨度和社會影響都非常突出，所以它經(jīng)常被拿出來討論。

我們并不是說要單獨把AI拿出來做一個“更聰明的模型”，也不是簡單地去提升某一個模型的精度，而是希望從根本上去思考：在科學計算這樣一個長期以數(shù)值模擬為核心的方法體系中，AI到底應(yīng)該以什么樣的方式介入，才能真正提升我們理解和預測復雜系統(tǒng)的能力。

AI科技評論：那為什么地球系統(tǒng)會被您反復作為一個核心例子？

付昊桓：因為地球系統(tǒng)本身，幾乎把科學計算中最難的幾個問題都集中在了一起。首先，它是一個典型的混沌系統(tǒng)。我們常說的蝴蝶效應(yīng)，本質(zhì)上講的是系統(tǒng)對初始條件的高度敏感性。哪怕是一個非常微小的擾動，在經(jīng)過足夠長的時間和足夠復雜的相互作用之后，都可能對整體狀態(tài)產(chǎn)生顯著影響。

其次，它是一個極端多尺度的系統(tǒng)。比如說，臺風這種現(xiàn)象，可能發(fā)生在數(shù)百公里到千公里的尺度上；而強對流降水則發(fā)生在公里尺度；龍卷風則是十米到百米尺度；再往下，還有更微觀的過程，發(fā)生在米級甚至更小的尺度上。

更重要的是，這些不同尺度的過程，并不是彼此獨立的，而是相互耦合、彼此影響的。你不能只算大尺度而忽略小尺度，也不能只盯著局部而不看整體。正是這種“所有尺度連在一起”的特性，使得地球系統(tǒng)成為一個非常典型、但也極其困難的研究對象。

AI科技評論：那在這種情況下，有沒有可能去做一個真正意義上的數(shù)字孿生？

付昊桓：從現(xiàn)實角度來看，這是基本不可能的。很多人會設(shè)想，未來算力如果足夠強，是不是就可以把所有細節(jié)都模擬出來。但實際上，問題并不只是算力的問題，而是尺度本身是沒有下限的。

你可以說，未來是不是可以模擬一只蝴蝶？那我會反問：樹葉里的水分是怎么蒸發(fā)的？云中的水汽是如何凝結(jié)成水滴的？水滴在不同微環(huán)境中是如何增長、碰并并最終下落的？

這些過程發(fā)生在越來越小的尺度上，而且每一個尺度都會引入新的物理機制。你永遠不可能把所有尺度都納入一個完全精確的數(shù)值模型中。所以從一開始，我們就必須承認：地球系統(tǒng)是一個無法被完全窮盡計算的復雜系統(tǒng)。

「骨骼」與「肌肉」

AI科技評論：在這種前提下，數(shù)值模擬的意義在哪里？

付昊桓：數(shù)值模擬的意義，恰恰在于它是我們目前唯一一套系統(tǒng)性地、基于物理規(guī)律去理解世界的工具。我常用一個比喻來解釋數(shù)值模擬和AI之間的關(guān)系：數(shù)值模擬是骨骼，AI是肌肉。

骨骼代表的是我們已經(jīng)理解得比較清楚的那部分自然規(guī)律，比如守恒定律、動力學方程、熱力學關(guān)系等。這些東西是有明確物理意義的，是可解釋、可追溯的。

而肌肉這一側(cè)，指的是那些我們目前很難用嚴格物理模型去描述、或者算力根本支撐不了的部分。這些地方，AI可能可以發(fā)揮更大的作用。

AI科技評論：能不能用一個更具體的例子來說明這種分工？

付昊桓：比如說臺風預報。當臺風從海上向陸地移動時，在百米甚至公里尺度上，它的整體動力結(jié)構(gòu)是可以用傳統(tǒng)數(shù)值模型來刻畫的。但當臺風進入城市環(huán)境之后，問題就變得非常復雜。

你想知道某一條街道上，風會怎么走？某一個小區(qū)里，降雨會如何分布？這些已經(jīng)進入了十米、甚至一米尺度，而傳統(tǒng)數(shù)值模型在這個尺度上不僅算力不夠，物理參數(shù)化本身也變得非常困難。

在這種情況下，如果完全依賴數(shù)值模擬，成本是無法承受的。但如果完全依賴AI，又會失去物理約束。所以一個更現(xiàn)實、也更有前景的方向，是讓AI在這些“肌肉層面”去補充數(shù)值模型，而不是取代它。

所以我們最終希望看到的，不是數(shù)值模型一套、AI模型一套，而是它們能夠形成一個緊耦合的混合模型。我經(jīng)常用“齒輪”這個比喻，希望這兩個齒輪能夠真正咬合在一起，一起轉(zhuǎn)，而不是各轉(zhuǎn)各的。

從模型到業(yè)務(wù)

AI科技評論：那在數(shù)據(jù)如此稀疏的情況下，AI能發(fā)揮什么作用？

付昊桓：AI非常擅長做的一件事情是：在不完整的數(shù)據(jù)條件下，給出一個合理的推斷。也就是說，你給它一些稀疏的觀測點，它可以在空間和時間上進行補全，給出一個best guess。

這種能力，在地球系統(tǒng)這樣觀測受限的領(lǐng)域里，確實非常有價值。但前提依然是：它必須和數(shù)值模型結(jié)合使用。雷峰網(wǎng)

AI科技評論：那目前這些模型成果，是如何被氣象部門實際采納和使用的？

付昊桓：現(xiàn)在的天氣預報，本身就是一個高度工程化的混合體系。以華南地區(qū)為例，目前常用的是大約一公里分辨率的網(wǎng)格模型。在這個尺度上，動力方程是可以直接計算的；而網(wǎng)格內(nèi)部無法解析的微物理過程，則通過統(tǒng)計參數(shù)化方案來處理。

同時，還會引入多組初始條件、多種模型配置，進行集合預報。最終給出的，并不是單一結(jié)果，而是一種帶有概率意義的預報結(jié)論。在這樣的體系下，目前7天預報是可以實現(xiàn)的，其中3到5天相對比較可靠。

AI科技評論：AI的引入，在這個體系中具體帶來了哪些變化？

付昊桓：從目前的測試結(jié)果來看，AI確實在一些方面帶來了提升。比如，它可以利用更多類型的數(shù)據(jù)，提升某些變量的預報精度；在部分場景下，也確實可以延長可預報時間的長度。但與此同時，問題也非常明顯。

首先，AI對極端天氣的預測能力仍然不足。極端事件本身在數(shù)據(jù)中出現(xiàn)得就不多，而AI往往更擅長學習“常態(tài)”。

其次，AI的輸出結(jié)果往往偏平滑，這在視覺上可能看起來“合理”，但會掩蓋一些真正重要的極端特征。

第三，它是一個黑盒。對于一線預報員來說，當模型給出一個結(jié)果時，他們很難像使用傳統(tǒng)數(shù)值模型那樣，追溯每一步計算的物理原因。

此外，傳統(tǒng)數(shù)值模型天然包含不確定性評估機制，而AI原生并不具備這一能力。這在實際業(yè)務(wù)中，是一個非常關(guān)鍵的差異。

AI科技評論：所以您認為，數(shù)值模擬依然是不可替代的？

付昊桓：是的，我認為數(shù)值模擬一定是整個體系的backbone。它承載的是人類已經(jīng)理解的物理規(guī)律，是可解釋、可驗證的。AI的角色，不是推翻這一體系，而是在這個基礎(chǔ)上去補充、去增強，甚至在長期發(fā)展中，幫助我們逐步“打開黑盒”。

回到人本身：關(guān)于科研、選擇和時間

AI科技評論：現(xiàn)在越來越多科技公司進入氣象和氣候領(lǐng)域，您怎么看？

付昊桓：這個賽道確實開始變得非?！熬怼薄５珡牧硪粋€角度看，這也說明大家普遍認為，這個領(lǐng)域未來還有很大的突破空間。氣象和氣候并不是一個“已經(jīng)被解決的問題”，相反，它仍然存在大量基礎(chǔ)性的挑戰(zhàn)。

AI科技評論：氣象和氣候的商業(yè)價值主要體現(xiàn)在哪里？

付昊桓：我覺得至少體現(xiàn)在三個方面。第一，是季節(jié)尺度預報的金融屬性。如果你能提前知道某一年、某一季的大致氣候情況，會直接影響農(nóng)業(yè)產(chǎn)量、大宗商品價格等。

第二，是能源系統(tǒng)。風電、光伏之所以難以穩(wěn)定利用，很大程度上是因為它們的不確定性。如果預報更準，能源調(diào)度和成本控制都會發(fā)生根本性的變化。

第三，是碳達峰和碳中和。地球系統(tǒng)模型能力的提升，會對整個上下游產(chǎn)業(yè)鏈產(chǎn)生深遠影響。

AI科技評論：算力和模型規(guī)模的不斷擴張，真的帶來了科學價值嗎？雷峰網(wǎng)

付昊桓：從歷史上看，每一輪重大技術(shù)變革在初期階段，往往都會伴隨著某種形式的泡沫。這并非偶然，而是技術(shù)潛力、資本預期與現(xiàn)實落地之間動態(tài)博弈的結(jié)果?；ヂ?lián)網(wǎng)的發(fā)展過程在一定程度上已經(jīng)呈現(xiàn)過類似情形。但泡沫過后，一定會留下真正有價值的能力。從長期來看，AI很可能會像計算機一樣，逐步進入所有行業(yè)，并在這個過程中，改變我們解決問題的方式。

AI科技評論：現(xiàn)在學界越來越強調(diào)交叉學科，您怎么看？

付昊桓：我覺得這并不是一個新趨勢，而是科學本身的屬性。學科是成熟知識的沉淀，而真正的新發(fā)現(xiàn)，往往發(fā)生在學科交叉的地方。

AI科技評論：未來三年，您個人最期待哪方面的突破？

付昊桓：我個人最期待的是3到6個月尺度的預報能力突破。這是目前天氣預報和氣候預測之間的一個灰區(qū)，也是現(xiàn)實中非常重要、但目前還難以解決的問題。

AI科技評論：最后，您想給準備進入這個領(lǐng)域的年輕人什么建議？

付昊桓：最重要的一點，是先想清楚：你為什么要做科研。如果沒有內(nèi)驅(qū)力，科研會變成一種消耗。我更希望年輕人是主動享受這個過程，而不是被環(huán)境推著走。

講座完整視頻，詳見鏈接：https://youtu.be/dw4tRbvoENY