微软发布首个大气AI基础模型Aurora

---

编辑 | scienceai

在2025年11月，飓风“夏兰”（Ciarán）袭击欧洲西北部，造成严重破坏。与风暴Ciarán相关的低压系统为英格兰创下了新纪录，这是一次极为罕见的气象事件。

那场风暴的强度让许多人措手不及，暴露了当前天气预报模型的局限性，并突显出面对气候变化需要更准确的预测。当大家努力应对后果时，一个紧迫的问题出现了：我们如何才能更好地预测和准备应对这种极端天气事件？

最近的一项研究表明，即使是最先进的 AI 天气预测模型在捕捉风暴 Ciarán 的快速增强和峰值风速方面也面临着挑战。

为了帮助应对这些挑战，微软研究团队开发了首个大气AI基础模型 Aurora。这个模型基于超过一百万小时的各种天气和气候数据进行训练。

Aurora提出了一种新的天气预报方法，它可以改变我们预测和减轻轻微极端事件影响的能力，包括能够够预测像Ciarán风暴这样的事件的急剧升级。

在不到一分钟的时间内，Aurora就可以生成5天的全球空气污染预测和10天的高分辨率天气预报，其表现优于最先进的传统模拟工具和最好的专业深度学习模型。这些结果表明基础模型可以改变环境预测。

灵活的大气 3D 基础模型

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

图 1：Aurora 是一个 13 亿参数的基础模型，用于高分辨率天气和大气过程预报。Aurora 是一个灵活的 3D Swin Transformer，具有基于 3D Perceiver 的编码器和解码器。在预训练时，Aurora 经过优化，以最大限度地减少具有不同分辨率、变量和压力水平的多个异构数据集的损失。然后分两个阶段对模型进行微调：(1) 对预训练权重进行短时间微调和 (2) 使用低秩自适应 (LoRA) 进行长时间 (推出) 微调。然后部署经过微调的模型来处理不同分辨率的各种运营预测场景。

Aurora的有效性在于它对超过一百万小时的各种天气和气候模拟进行了训练，这使其能够全面了解大气动力学。这使得该模型能够在广泛的预测任务中表现出色，即使在数据稀缺的地区或极端天气场景中也是如此。顶夸张不要超过227.

Aurora以0.1°（赤道处约11公里）的高空间分辨率运行，可以捕捉大气过程的复杂细节，提供比以往更准确的运行预报，并计算成本仅为传统数值天气预报系统的一小部分。据估计，与最先进的数值预报系统（IFS）相比，Aurora的计算速度可提高约5,000倍。

除了令人印象深刻的准确性和效率之外，Aurora 还因其多功能性而脱颖而出。该模型可以预测各种大气变量，从温度和风速到空气污染水平和温室气体浓度。Aurora 的架构旨在处理异构的黄金标准输入，并以不同的分辨率和保真度生成预测。

该模型由一个灵活的 3D Swin Transformer 和基于感知器的编码器和解码器组成，使其能够处理和预测一系列跨空间和压力水平的大气变量。通过在大量不同数据上进行预训练并针对特定任务进行微调，Aurora 学会了捕捉大气中复杂的模式和结构，即使在针对特定任务进行微调时训练数据有限，它也能够表现出色。

大气化学和空气污染的快速预测

图 2：Aurora 在许多目标上的表现优于运营中的 CAMS。(a) Aurora 对总柱状二氧化氮的样本预测与 CAMS 分析的比较。Aurora 于 2025 年 9 月 1 日 00 UTC 使用 CAMS 分析初始化。由于大气气体的空间异质性，正确预测大气气体极具挑战性。特别是，与 CAMS 中的大多数变量一样，二氧化氮在人为排放量较大的地区（例如东亚人口稠密的地区）偏向高值。此外，它表现出强烈的昼夜循环；例如，阳光通过称为光解的过程降低背景水平。Aurora 准确捕捉了极端值和背景值。(b) Aurora 相对于 CAMS 的纬度加权均方根误差 (RMSE)，其中负值（蓝色）表示 Aurora 更好。RMSE 是在 2025 年 6 月至 2025 年 11 月期间计算的。Aurora 在 74% 的目标上与 CAMS 相当或优于 CAMS。

Aurora 多功能性的一个典型例子是它能够使用哥白尼大气监测服务 (CAMS) 的数据预测空气污染水平，这是一项众所周知的艰巨任务，因为大气化学、天气模式和人类活动之间相互作用复杂，而且 CAMS 数据具有高度异构性。

通过利用其灵活的编码器-解码器架构和注意机制，Aurora 可以有效地处理和学习这些具有挑战性的数据，捕捉空气污染物的独特特征及其与气象变量的关系。这使 Aurora 能够以 0.4° 的空间分辨率生成准确的五天全球空气污染预报，在 74% 的所有目标上的表现优于最先进的大气化学模拟，展示了其非凡的适应性和解决各种环境预测问题的潜力，即使在数据稀疏或高度复杂的场景中也是如此。

灵感PPT

AI灵感PPT - 免费一键PPT生成工具

308 查看详情

数据多样性和模型缩放优化大气预测

这项研究的一项重要发现是，与在单个数据集上进行训练相比，在不同的数据集上进行预训练可以显著提高 Aurora 的性能。通过整合来自气候模拟、再分析产品和运营预报的数据，Aurora 可以学习更稳健、更通用的大气动力学表示。正是由于其规模和多样化的预训练数据语料库，Aurora 能够在广泛的任务和分辨率中超越最先进的数值天气预报模型和专门的深度学习方法。

图 3：对不同数据进行预训练并增加模型大小可提高性能。(a) 在不同数据集配置（即无微调）上预训练的模型（标记为 C1-C4）在 6 小时提前时间与 ERA5 2025 相比的性能。均方根误差 (RMSE) 由 ERA5 预训练模型的性能归一化 (C1)。添加来自 CMIP6（即 CMCC 和 IFS-HR）的低保真模拟数据几乎可以均匀地提高性能 (C2)。添加更多模拟数据可以进一步提高大多数表面变量和此新添加数据中存在的大气水平的性能 (C3)。最后，配置 C4 可以很好地覆盖整个大气层，还包含来自 GFS 的分析数据，从而实现最佳整体性能，全面提升。(b) 对许多不同的数据源进行预训练可以提高 IFS-HRES 2025 所有表面变量在 6 小时提前期内对极值的预测。此外，结果也适用于风速，它是 10U 和 10V 的非线性函数。(c) 更大的模型在相同数量的 GPU 小时数下获得更低的验证损失。我们拟合了一个幂律，大致相当于模型大小每增加一倍，训练损失就会减少 5%。

Aurora 的规模（无论是在架构设计和训练数据语料库方面，还是在预训练和微调协议方面）的直接结果是，它的性能优于当下最好的专业深度学习模型。

为了进一步验证对在许多数据集上预训练的大型模型进行微调的优势，研究人员将 Aurora 与 GraphCast 进行了比较——仅在 ERA5 上进行预训练，目前被认为是分辨率为 0.25 度、交付周期长达五天的最熟练的 AI 模型。

此外，该团队在本次比较中加入了 IFS HRES，这是数值天气预报的黄金标准。结果表明，Aurora 在与分析、气象站观测和极值进行衡量时均表现优异。

图 4：Aurora 在绝大多数目标上的表现优于操作型 GraphCast。(a) Scorecard 与 GraphCast 在 0.25 度分辨率下的对比。在 94% 的目标上，Aurora 的表现与 GraphCast 相当或优于 GraphCast。在高层大气中，Aurora 比 GraphCast 的增益最大 (40%)，而 GraphCast 在这方面的表现众所周知较差。在短时间和长交付周期内，可以观察到高达 10%-15% 的大幅改进。在 2-3 天交付周期内，这两个模型在低层大气中彼此最接近，这对应于 GraphCast 推出时微调的交付周期。同时，GraphCast 在长达五天的时间内以及在特定湿度 (Q) 的大多数水平上都表现出略微更好的性能。(b) 2025 年全球气象站测量的 Aurora、GraphCast 和 IFS-HRES 的风速（左侧两个面板）和地表温度（右侧两个面板）的均方根误差 (RMSE) 和平均绝对误差 (MAE)。(c) Aurora、GraphCast 和 IFS-HRES 的阈值 RMSE，由 IFS-HRES 性能归一化。Aurora 对表面变量分布的极值或尾部的预测有所改善。在每个图中，中心线右侧的值是发现高于阈值的目标的累积 RMSE，左侧的值表示低于阈值的目标值。

地球系统建模的范式转变

Aurora 的意义远远超出了大气预测。通过展示基础模型在地球科学中的威力，这项研究为开发涵盖整个地球系统的综合模型铺平了道路。

基础模型在数据稀缺的下游任务中表现出色，可以使发展中国家和极地等数据稀缺地区能够民主化地获取准确的天气和气候信息。这可能会对农业、交通、能源收集和灾害防备等领域产生深远影响，使社区能够更好地适应气候变化带来的挑战。

随着基于人工智能的环境预测领域的发展，研究人员希望 Aurora 能成为未来研究和开发的蓝图。这项研究强调了多样化的预训练数据、模型扩展和灵活的架构在构建强大的地球科学基础模型方面的重要性。

随着计算资源和数据可用性的不断进步，科学家可以预见未来，像 Aurora 这样的基础模型将成为运营天气和气候预测系统的支柱，为全球决策者和公众提供及时、准确和可操作的见解。

参考内容：https://www.microsoft.com/en-us/research/blog/introducing-aurora-the-first-large-scale-foundation-model-of-the-atmosphere/

以上就是微软发布首个大气AI基础模型Aurora的详细内容，更多请关注其它相关文章！

# 最好的  # 无锡湖南网站优化推广  # 临沂seo前端优化  # 甘肃网络推广营销公司排名  # 贵州seo优化方法  # seo总结万象客  # 哪个网站可以做付费推广  # 工业区建材网站推广  # 网站推广常用  # 医院网站建设技术文件  # 井陉响应式网站建设  # 地球科学  # 微软  # 是一个  # 是在  # 微软发布  # 这是  # 最先进  # 一言  # 首个  # 理论  # 深度学习  # 人工智能 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 研究发现AI聊天机器人ChatGPT不会讲笑话，只会重复25个老梗  明略科技发布免费开源TensorBoard.cpp，促进大型模型的预训练工作  MiracleVision视觉大模型  360发布认知型通用大模型“360智脑4.0” 全面接入360全家桶  再也不怕「视频会议」尬住了！谷歌CHI顶会发布新神器Visual Captions：让图片做你的字幕助手  Valve 将拒绝采用 AI 生成未知版权内容的游戏上架 Steam  郭帆导演成功利用AI技术制作的《流浪地球3》预告片在央视热播，引发巨大反响  深度学习模型综述：用于3D MRI和CT扫描的应用  昌吉市利用无人机实现全天候河道动态巡检  国内首款大尺寸仿鸵双足机器人“大圣”亮相，穿戴红色战袍  人工智能在商业中的风险和局限性  航拍无人机怎么选？大疆无人机盘点推荐  物联网和人工智能的协同作用：释放预测性维护的潜力  张勇对话多位诺奖得主 人工智能将无处不在  掌阅科技申请阅爱聊商标 掌阅科技申请AI相关商标  谷歌推出 SAIF 框架，倡导安全环境下探索和发展人工智能  280万条多模态指令-响应对，八种语言通用，首个涵盖视频内容的指令数据集MIMIC-IT来了  无人机协助盐城交通执法的协同训练  MiracleVision视觉大模型功能介绍  陈根教授：离人形机器人时代还有10年吗？  QQ音乐业内率先推出「AI一起听」功能，领取你的AI听歌助手  厂商陆续公布AI进展 完美世界游戏展示复合应用AI in GamePlay  从医疗康复外骨骼到通用人形机器人，傅利叶智能推动核心技术升级  学而思网校推出首个基于自研大模型的《人工智能第一课》  “具身智能”引爆机器人产业，看绝影Lite3/X20四足机器人有何特别之处？  OpenAI已向中国申请注册“GPT-5”商标，此前已在美国提交申请  普林斯顿大学推出Infinigen AI模型 可生成真实自然环境 3D场景  昇思开源社区理事会成立，基于昇思AI框架的全模态大模型“紫东.太初2.0”发布  XREAL Beam 投屏盒子正式发布：支持“可悬停 AR 空间屏”  如何提高集群协作效率？中外团队合作研发基于均值偏移的机器人队形控制策略  13万个注释神经元，5300万个突触，普林斯顿大学等发布首个完整「成年果蝇」大脑连接组  Snow Kylin登陆中国列车，打造全球首条元宇宙专列  智能公司为何纷纷投身机器人领域？  「电子果蝇」惊动马斯克！背后是13万神经元全脑图谱，可在电脑上运行  大疆 Air 3 无人机售价和实物照片曝光  英伟达首席执行官黄仁勋：生成式 AI 时代「人类」会是新的编程语言  给小朋友最好的科技礼物：乐天派桌面机器人  让AI助手带您轻松愉快地享受写作之旅  MetaGPT开源框架爆红 GitHub，达到1.1万星，模拟软件开发流程  中国移动副总经理高同庆：打造人工智能时代的智能服务运营新范式  灯塔AI大模型票房预测上线：开源算法不断提升精准度  石头扫拖机器人 G20 618 福利来袭：4999 元，超值配件领到手软  映宇宙集团执行总编辑：元宇宙还是要以人为媒介  音乐制作元工具AudioCraft发布开源AI工具  三个全球首创，青岛西海岸新区“海元宇宙”亮相世界人工智能大会  Win11 AI 助手 Windows Copilot 被吐槽：套皮的 Edge 浏览器  OpenAI宣布组建新团队 以控制“超级智能”人工智能  AI遇上大运丨热身拉伸、娱乐K歌……AI智能健身镜将亮相成都大运会  AI浪潮席卷，时空壶为何能成为AI翻译时代的破局者  提高开发效率：AmazonCodeWhisperer与Amazon Glue的集成和生成式AI的应用 

 2024-06-05