1月，美国国家海洋与大气管理局（NOAA）部署了一套新的由人工智能驱动的全球气象模型^[1]，在节省计算资源的同时，在预报速度、效率和准确度上取得了重大进步。这套模型结合人工智能和基于物理的方法，支持更快地生成预报，改进热带气旋路径指引以及更好地反映预报不确定性，主要包括3种不同的应用。

1、人工智能全球预报系统（AIGFS）。AIGFS是人工智能驱动的天气预报系统，可整合多源数据生成气象预报，其预报能力与全球预报系统（GFS）等传统数值预报系统相当，能够比传统模型更快更高效地提供改进的天气预报，减少了99.7%的计算资源消耗。在预报性能方面，AIGFS提升了大尺度特征的预报技巧，显著降低了热带气旋路径预报误差。在计算效率方面，AIGFS具有人工智能全球预报系统的高效性优势，单次16天预报任务仅需耗费业务GFS 0.3%的计算资源，耗时约40分钟即可完成。在未来优化方面，AIGFS 1.0版本在热带气旋强度预报方面的性能表现有所下降，这一问题将在后续版本中予以解决。

2、人工智能全球集合预报系统（AIGEFS）。AIGEFS是基于人工智能的集合预报系统，提供31个预报成员的可能预报结果。初步结果显示，预报能力相较传统全球集合预报系统（GEFS）有所提升，预报时效可额外延长18~24小时。在预报性能方面，AIGEFS的预报技巧与业务GEFS相当。在计算效率方面，AIGEFS仅需耗费业务GEFS 9%的计算资源。在未来优化方面，AIGEFS将持续改进该集合预报系统生成多样化预报结果的能力。

3、混合全球集合预报系统（HGEFS）。HGEFS是一种开创性的混合“大集合”预报系统，由人工智能驱动的AIGEFS与由物理机制驱动的GEFS融合构建而成，GEFS和AIGEFS各提供31个预报成员。NOAA成为全球首个业务化应用此类物理-人工智能混合集合预报系统的机构。在预报性能方面，通过整合两类不同的预报模式系统，HGEFS构建出规模更大、稳定性更强的集合预报系统，能更有效地表征预报的不确定性。基于多数核心检验指标的评估结果，该系统性能持续优于纯人工智能集合预报系统和纯物理过程集合预报系统。在未来优化方面，将持续开展相关研究，改进HGEFS对飓风强度的预报能力。       

（刘燕飞）