艾伦AI研究所推HiRO-ACEv2：以极低成本实现3公里极端天气模拟

随着全球气候危机加剧，强热带气旋、突发暴雨和局部风暴等极端天气事件频发。准确捕捉这些灾害发生的微观动力学过程，通常需要将气象网格缩小到 3 公里以内。然而，传统数值天气预报和气候模拟（GCM）在这一尺度下面临无法承受的算力瓶颈——往往需要庞大的超级计算机集群连续运行数月。

为了解决这一痛点，艾伦人工智能研究所（Allen Institute for AI，Ai2）推出了全新的气象模拟模型 HiRO-ACEv2（High-Resolution Output - AI for Climate and Earth version 2）。该模型能够以传统方案极小比例的计算成本，实现全球 3 公里对流尺度的高分辨率极端天气模拟。

突破算力瓶颈的双层架构

在大气动力学中，3 公里左右的分辨率被称为“对流解析”（Convection-permitting）临界点。在这个尺度下，模型不再需要依靠经验参数来估算积雨云和对流发展，而是能直接解析垂直气流、台风眼壁结构以及局地雷暴等复杂现象。

HiRO-ACEv2 采用分层加速的生成架构：

1. 全局粗分辨率宏观驱动：模型首先利用轻量级的主干神经网络在大尺度上捕捉全球大气环流与天气系统的演变趋势，这一步的计算开销极低。
2. 物理约束的高分辨率增强：随后，高分辨率输出模块（HiRO）结合局部边界条件与地形数据，将大尺度变量实时下采样并解析为 3 公里的超精细网格场，同时保留严格的质量守恒与动力学物理约束。

通过将全局宏观动力学与局地微观物理过程解耦，HiRO-ACEv2 避开了在超大网格上全程求解流体力学微分方程的沉重负担。

性能提升与资源消耗对比

在与传统数值天气预报标杆系统的测试对比中，HiRO-ACEv2 展现出了显著优势：

• 计算成本直降：模拟数周甚至数月的高分辨率气候态演化，传统超级计算机需耗费数百万 CPU 核心小时，而 HiRO-ACEv2 只需在一组现代 GPU 集群上运行数小时，能耗与硬件成本压缩至传统路径的分数水平。
• 极端事件刻画精细：在对强飓风移动路径、最大风速区以及极端短时强降水的还原度评估中，HiRO-ACEv2 的细节丰富度直逼真实雷达观测与卫星遥感数据。
• 集合预报成为可能：由于推理速度极快，科研人员能够利用该模型以较低成本生成数十上百个预报成员组成的“系集预报”（Ensemble Forecast），有效量化未来几周内极端天气的发生概率与不确定性。

全面开源与落地前景

目前，Ai2 已在 Hugging Face 平台全面公开了 HiRO-ACEv2 的模型权重、训练管线与评估基准数据。开源社区和科研团队无需自建超算中心，即可直接调用该模型进行区域极端气候归因分析或开发针对性气象应用。

随着 AI for Science 逐渐深入地球科学的核心地带，HiRO-ACEv2 的落地不仅降低了气候变化前沿研究的门槛，也为发展中国家与高脆弱地区建立快速、低成本的极端天气早期预警系统铺平了道路。