《AI 天气预报的"两周魔咒"》——九个模型，一年长跑，三种崩法

1. 🌍 两周之后，模型开始说胡话

AI 天气预报已经赢了。

在15天以内的中期预报上，基于机器学习的模型全面超越了传统的数值求解器。Pangu、GraphCast、FourCastNet、Aurora——这些名字在气象圈已经不需要注释了。它们更快、更便宜、更准。

但有一个问题，所有人都在回避。

超过两周呢？

你把一个 AI 气象模型的输出，接到它自己的输入上。让它自己喂自己。6小时一步，一步步往后推——一个月、三个月、一年。它还能继续预报天气吗？

ETH Zurich 的 Fanny Lehmann 和她的同事们把这个实验做了。九个顶级模型，两年长跑，14,600步自回归推演。

结果：三个模型跑到了终点。六个中途崩了。

---

2. 📊 三种崩法

论文做了一件之前没人做的事：给 AI 气象模型的失败模式分类。

第一类：爆炸（blow-up）。模型的预测开始以指数速率偏离物理现实。温度骤升到几千度，风速飙到超音速。几分钟前还在计算一道冷锋，几分钟后就在计算地狱。

FourCastNet——曾经是 AI 天气预报的先锋——撑了大约8天。对多数变量而言，一周之后它的输出就已经失去物理意义。GraphCast 撑得久一些：大约300天，然后某些变量开始指数发散。

第二类：漂移（drift）。模型不爆炸，但慢慢偏离。它预报的季节还在，但每个季节的温度都在悄悄地往某个方向移——每年差一点点，十年后的"冬天"已经比原来暖了好几度。不是崩溃，是缓慢中毒。

第三类：失季（loss of seasonality）。最微妙的一种。模型不爆炸也不漂移——它停止了变化。Pangu 就是这样。经过大约180天的推演，它的全球气温预测"冻结"了——不再有夏冬之分，进入一个永恒的、时间不变的状态。

为什么 Pangu 会失季？论文给了直接答案：它没有时间嵌入（time embedding）。模型不知道"现在是几月"——它只能从大气的物理状态推断季节。推演久了，信号衰减，季节消失。

这个发现本身就是一个设计教训：如果你想让模型跑一年以上，你得告诉它今天是什么日子。

---

3. 🧹 稳定模型的秘密：它们是去噪器

最反直觉的发现在这里。

论文研究了为什么 Aurora 和 SFNO 能在两年长跑中保持稳定。方法很简单：往模型的输入里加高斯噪声，然后看模型的输出怎么变化。

结果：Aurora 和 SFNO 是去噪器。 你把输入信噪比破坏掉，它们会一点一点地把噪声滤掉，恢复到物理上合理的天气状态。不是恢复到某一天的记忆样本——而是恢复到"这个季节本该有的状态"。

GraphCast 和 AIFS 恰恰相反：它们是噪声放大器。一点点的初始扰动，会被逐步放大，最终吞噬整个预测。

论文还做了更极端的测试——把 Aurora 的输入全部替换成纯白噪声，然后让它推演。结果是：它从完全的随机噪声中，生成了有季节循环的、物理上合理的天气轨迹。不同的噪声初始化会产生不同的轨迹——没有两个是完全一样的。

这不是"记住了训练数据"。

论文用距离比验证了这一点：在一年长的推演中，Aurora 和 SFNO 的每个输出状态，到"最相似的训练样本"的距离，和到"第二相似的训练样本"的距离——几乎一样。如果模型在背诵，第一邻居会显著更近。它不是。

它们是真正在生成——基于一个初始条件和季节信号，生成天气。

---

4. 🔬 消融实验：稳定性不是某个魔法模块

论文不只是测现有模型。它从头训练了多个小型 Aurora 变体（AuroraS，1.13亿参数），逐一改变架构组件，验证哪些设计决定了稳定性。

不决定稳定性的：注意力窗口大小、是否用窗口偏移（window shifting）、patch大小、归一化层类型（LayerNorm vs RMSNorm）、大气层数（13层 vs 3层）、是否使用静态变量（地形、土壤类型）。

全部改了，模型还稳。

只决定季节性的：时间嵌入。去掉它，模型不崩——但失去季节循环。能跑两年，但每天都是同一天。

决定稳定性的：是时空分辨率。用1.5°粗分辨率和24小时步长训练的模型，比用0.25°精细分辨率和6小时步长训练的模型更稳。高分辨率意味着更多高频噪声——高频噪声在自回归中会被放大。

这就解释了为什么气候仿真器（climate emulator）普遍比天气预报模型更稳定：气候仿真器牺牲了精细空间尺度，换来了十年级的推演能力。

---

5. 📈 极端天气：能捕到，但不敢大胆预测

论文做了最后一个测试：稳定模型能否正确推演极端天气事件的统计分布？

答案：能——但保守。

用 Aurora、SFNO、DLESyM 三个最稳定的模型各跑十年。然后统计全球五个区域的极端温度事件（超过90分位或低于10分位）。

每个模型都产生了极端事件。频率和量级——没有一个模型能完美匹配 ERA5 的参考值。Aurora 和 DLESyM 系统性低估了极端高温——它们的"最热日"比 ERA5 记录的最热日凉了几度。SFNO 在某些区域高估了极寒。

结论很直白：稳定模型捕到了极端事件的"形状"，但没有捕到"幅度"。 它们知道夏天会有热浪——但说不出有多热。

这对气候变化研究的意义是双重的。好消息：AI 气候模型已经能在十年尺度上保持物理一致性——这是五年前不敢想象的。坏消息：它们倾向于平滑极端值——而气候研究最关心的恰恰就是极端值。

---

6. ⚖️ 用猫图初始化地球

论文里有一个实验我不想让它被淹没。

他们问：如果不用真实的天气数据初始化 Aurora，而是用一张猫的照片——把猫图的像素值映射到大气变量上——模型会怎么推演？

结果是：模型在几天之内把猫图"去噪"回了物理上合理的大气状态。从一只猫，推演出了冬天。

这不是说 Aurora 理解猫和天气的关系。这说的是它的去噪能力足够强——不管给它什么离谱的初始状态，它都会往"地球大气该有的样子"那条轨道上收敛。

这种能力在物理学里有个名字：吸引子（attractor）。一个动力系统可能有无数种初始状态，但所有真实轨迹最终都会收敛到一个低维流形上——在大气科学里，这个流形就是"气候"。

论文证明了：Aurora 内部有一个隐式的气候吸引子。猫可以被推回冬天。

---

7. 🏗️ 诚实地说：这篇论文没回答的事

第一：为什么偏是这几个架构稳定？ 论文发现 SFNO（基于球谐函数的傅里叶算子）和 3D Swin Transformer（Aurora/Pangu）最稳，但 GraphCast（图神经网络）和 AIFS（图 Transformer）容易放大高频噪声。为什么图结构在小尺度上不稳定？论文没有给出理论解释。这是一个开放的机制问题。

第二：气候变化。 所有模型都是用历史数据训练的（1979-2020）。在气候变暖的分布偏移下，它们的稳定性是否还能保持？论文坦承：没测。这篇论文只是第一步——先搞清楚在训练分布内谁能跑得远。分布外的泛化是下一步。

第三：为什么 24 小时步长比 6 小时步长更稳？ 论文测了四种时空分辨率组合——步长越长、分辨率越粗，越稳。但机制不明。可能是因为长步长过滤了高频动力学，也可能是因为长步长改变了训练信号的特性。

第四：极寒极热的系统性偏差来源。 为什么 Aurora 总是低估高温？是因为训练数据中极端事件本来就不足？还是因为去噪机制天然偏向均值？论文没有分析偏差的成因。

---

8. 💭 气象学正在一分为二

这篇论文在我脑子里留下了一个画面。

气象学正在分裂成两条路。一条路是用 AI 代替数值求解器——更快、更便宜的短期预报。这条路已经通了。第二条路是用 AI 代替气候模型——十年、百年尺度的模拟。这条路还在修。

这两条路的技术要求完全不同。

短期预报追求精确度：台风路径偏20公里就是事故。长期气候模拟追求稳定性：一百年内不能漂移、不能爆炸、不能失季。前者要高频细节，后者要低频保真。

这篇论文本质上在说：这两件事是矛盾的。 把你短期预报的精度提高（0.25°分辨率、6小时步长），你的长期稳定性就下降。把它们放宽（1.5°分辨率、24小时步长），你能跑几十年。

这不只是 AI 的问题。传统的数值天气预报和气候模型也存在同样的权衡。但 AI 模型让这个矛盾变得肉眼可见——FourCastNet 能在15天内击败 ECMWF，但在第9天就物理崩溃。

---

9. 🏁 几个数字

FourCastNet 撑了 8 天。

GraphCast 撑了大约 300 天——然后在某些变量上爆炸。

Pangu 没爆炸，但在第 181 天忘记了夏天。

Aurora、SFNO、DLESyM——跑完了 730 天。Aurora 甚至从纯白噪声中恢复了季节循环。

不是说另外六个模型不好。是说好与好之间有道坎。那道坎的位置，取决于模型怎么处理小尺度上的高频能量：是压制它，还是放大它。

这篇论文画出了那道坎。第一次，量化地、系统地、跨模型可比地。

之后的 AI 气象模型——如果它想做气候——都得从这道坎上跨过去。

---

参考文献：

1. Lehmann et al., "Can AI Weather Models Predict Beyond Two Weeks? A Quantitative Benchmark and Analysis of Long Rollouts", arXiv:2605.30184, 2026. 2. Bodnar et al., "Aurora: A Foundation Model for the Earth System", Nature, 2025. 3. Bonev et al., "Spherical Fourier Neural Operators: Learning Stable Dynamics on the Sphere", ICML 2023. 4. Kochkov et al., "Neural General Circulation Models for Weather and Climate", Nature, 2024. 5. Bi et al., "Pangu-Weather: Accurate Medium-Range Global Weather Forecasting with 3D Neural Networks", Nature, 2023.

#AI气象 #长程推演 #自回归稳定性 #极端天气 #气候仿真 #智柴气象台🌍⚡🎙️