AI大模型驱动气候风险感知范式变革，行业首个次季节气候大模型亮相迪拜COP28大会

12月8日，复旦大学浩清教授漆远受邀参加第28届联合国气候变化大会(以下简称：COP28), 代表上海科学智能研究院、复旦大学和中国国家气候中心在中国馆《气候变化风险应对：技术创新与金融支持》论坛上介绍了行业内首个次季节气候大模型——伏羲次季节大模型。

上海科学智能研究院院长、复旦大学浩清教授  漆远

全球当前主流的AI气象预测模型主要集中于中短期天气预测（一般0-15天）。针对中短期天气预测，此前上海科学智能研究院联合复旦大学已打造出了“伏羲中短期大模型”，预报精度超过了欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF）确定性预报结果，并达到了集合预报的水平，而预报速度由小时级提升到10秒内，实现了千倍加速。

此次迪拜联合国第28次缔约方气候变化大会，伏羲中短期大模型将其在气候变化领域的工作推向新的高度——行业内首个气候大模型正式亮相。

据雷峰网(公众号：雷峰网)了解，次季节大模型预测时间范围比典型的中短期天气预测大模型更长，达到了45天的预测周期，由于次季节尺度初值和外强迫信号不足，存在明显的预报间隙等，一直是气候变化领域更及时、更精准感知气候风险的技术难题。而次季节尺度气候异常是造成高影响气候事件的重要原因，提升次季节（S2S，sub-seasonal to seasonal)）预测能力，既是气候科学迫切的发展需求，也是国际前沿的科学技术问题。

国家《气象高质量发展纲要（2022—2035年）》里也明确指出，要逐步实现提前1个月预报重要天气过程的能力。 伏羲次季节大模型由上海科学智能研究院、复旦大学、中国国家气候中心联手打造，实现了基于Transformer架构的集合预报架构，能够生成与国际最权威的欧洲中期天气预报中心（ECMWF）基于数值模式的S2S预测相媲美的结果。

值得一提的是，伏羲次季节大模型显著增强了预测马登-朱利安振荡（MJO）的能力，将预测MJO的时间从30天延长到了36天，这一结果超过了公认权威的ECMWF S2S的预测能力。而MJO的准确预测对于农业、交通、能源、金融等领域的灾害预警有着至关重要的作用。

这种对于长周期极端气候气象事件的预测能力是气候风险应对最大的挑战，此次伏羲次季节大模型的突破令人鼓舞。

注：MJO是一种大气现象，其特征是在赤道附近云层和降雨的准周期性向东传播，通常每30到90天重现一次。准确预测MJO对于农业规划、灾害预警以及长期气候研究非常重要。 

漆远教授表示，中国和很多发展中国家都需要在日益严峻的全球气候风险面前找到更有效的技术创新路径来应对。

而AI在气候变化的风险管理领域有着诸多的想象空间，不仅能够改变气候科学的基础研究范式，突破气候复杂系统模式预测的局限性，在更精细的空间尺度、更长周期的时间尺度上实现对气候风险的精准刻画，也在产业经济领域中有着一系列进一步深化应用的方向，降低我们在低碳转型中面临的各类资产价值风险、市场波动风险和能源系统风险等。

伏羲次季节大模型通过在强高温/强降温/强降水等主要天气过程的次季节预测，实现了传统技术手段无法达到的高精度。随着其自身领先的AI能力不断迭代发展，必将在更多气候风险挑战上取得突破性进展，为赋能可再生能源发展、新型电力系统建设、保障农业粮食安全、实现社会经济可持续转型方面做出贡献，帮助人类更好地应对气候变化带来的挑战。