明代文人冯梦祯在《快雪堂日记》中留下了大量关于天气的记录。阴晴雨雪之外，“月甚佳”是日记中经常出现的语句。
数百年以后，当我们重新翻看这些记录，一个有意思的问题随之而来——古人记录下来的天气，对今天乃至未来的天气预报是不是有意义呢？
中国气象局地球系统数值预报中心首席科学家陈起英在接受采访时给出了回答。
从古气候资料到近现代更加丰富的历史观测，人们可以通过资料同化等方法，将不同来源的观测数据融合为格点化的再分析产品，用于描述过去的大气状态。历史数据不仅可以帮助研究天气和气候规律，也是检验今天数值模式的一把“尺子”。让模型重新预报一段已经知道结果的历史天气，再比较预测与实际发生情况之间的差异进行准确率验证。
进入AI时代，再分析数据又有了新的用途。陈起英介绍，目前气象大模型训练大量使用再分析数据，例如欧洲中期天气预报中心的ERA5再分析资料，中国也在发展自己的全球和区域再分析产品。
记录过去、理解大气，再计算未来。人类研究天气的方式不断变化，从传统数值模式到今天的气象大模型，天气预报的方法不断演进，对数据与计算能力的需求也随之增长。
2026年9月15日，曙光8000气象领域重大应用成果发布会上，中科曙光与中国气象局地球系统数值预报中心在郑州联合发布曙光8000最新重大应用成果——中国自主研发的MCV数值模式依托全国产十万卡级AI超集群曙光8000，在1小时内完成了全球5公里分辨率、未来10天的预报计算，并通过批量预报质量检验。
把地球大气状态切成数千万个“小盒子”
数值模式似乎距离我们普通人有点远，但我们天天在看天气，究竟数值模式作为一种算法在算什么，和天气预报又有什么关联呢？
陈起英用了一个非常形象的比喻——给大气拍“CT”。
数值模式首先基于质量守恒、动量守恒、能量守恒等物理规律建立一套方程组，各种观测资料就像给大气拍下的“CT照片”，经过质量控制和资料同化后，为模式计算提供初始状态。通过高性能计算机，比如曙光8000把地球大气划分成数千万个“小盒子”，分辨率越高，“小盒子”越多，能够分辨的天气细节也越丰富。模式从这个初始状态出发，计算几分钟之后的大气状况，再不断向未来积分（对描述大气变化的方程进行时间推进），最终得到几天之后的预报。
但模式算出结果，不意味着天气预报就此完成。陈起英以台风预报为例介绍，从观测资料质控、资料同化，到模式预报台风登陆地点和强度，再到暴雨落区预报，实际上是一条完整的链条。模式计算结果还要交给预报员，由预报员在此基础上进行研判和决策，最终形成面向公众的天气预报。
中国气象局地球系统数值预报中心高级工程师蒋沁谷把数值模式比作跑车的发动机——各种数值方法决定怎样构建这个核心“发动机”，再由计算机驱动整个模式运行。
MCV正是中国气象局经过长期自主研发形成，面向下一代公里级全球数值预报的数值模式，其研发强调守恒、高精度、网格适应性和高可扩展等能力。
为什么全球预报追求从十几公里走向5公里乃至公里级？
中科曙光高端计算总工程师卜景德用了另一座“山”来解释。假设现实中存在一座1000米高的山，当网格非常粗时，数字化后的地形可能被大幅平滑，模式看到的“山”可能只有几百米。山体高度不同，对气流运动的影响也不同。提高分辨率后，数字地形能够更加接近真实地貌，一些过去难以解析的中小尺度过程也有机会进入计算。
陈起英介绍，从12.5公里提高到5公里，主要是水平分辨率提升，对中小尺度天气过程的刻画能力随之增强。以暴雨为例，在较粗分辨率下，一些局部强降水过程的强度，可能会被区域均分，难以充分表现局部的实际情况；提高到5公里以后，对暴雨强度的模拟能力有所改善。对于台风，12.5公里分辨率已经能够较好描述路径，但强度预报仍可能偏弱，5公里分辨率有助于进一步改善强度模拟。
可以简单理解为，之前的分辨率最多能告诉我们台风可能往哪里走、经过哪些地区，但对于它究竟会带来多强的风、多大的雨，刻画还不够细。
5公里因此不只是一个算力指标，它意味着数值模式正在用更细的“像素”观察地球。
5公里分辨率背后，不是简单的算力加码
分辨率提高的代价也非常直接——计算量和数据量快速增加。数值天气预报还有一个和普通科研计算不同的硬约束——结果必须及时出来。
蒋沁谷介绍，参考国际业务模式的时效要求，预报一天的计算时间约为8.5分钟，10天预报需要在约85分钟内完成。即便适当放宽，通常也不能超过两小时。
过去一年多的时间，中国气象局地球系统数值预报中心与中科曙光围绕MCV在曙光8000上的异构迁移和性能优化展开了联合攻关。
卜景德介绍，MCV包含大量计算模块，迁移过程中涉及代码依赖、计算正确性验证、编译环境以及多层语言转译等问题。双方对编译和软件环境持续优化，并将部分迁移工作系统化，使相似计算模块再次出现时可以复用已有成果，提高迁移和优化效率。
规模进一步扩大后，还有来自通信和存储的瓶颈。
团队通过优化GPU之间的数据通信、减少经CPU进行不必要的数据搬运，同时对通信进行打包，并让部分通信与计算过程协同进行，以提高大规模并行条件下的扩展效率。
在计算和通信之外，还有一个经常被忽视的瓶颈——计算产生的数据还要及时写入存储。卜景德介绍，MCV运行过程中存在每10秒写入约200GB数据的需求。如果计算已经完成，却要等待数分钟才能将结果写入存储，前面通过GPU获得的时间优势就可能被I/O重新消耗掉。
这也是曙光8000系统设计中ParaStor分布式全闪存储发挥作用的地方。面向气象等高带宽科学计算负载，曙光8000采用多级存储设计，引入BurstBuffer（突发缓冲）等能力，以承接计算过程中短时间集中产生的大规模数据，并通过数据通路和软硬件协同优化提高IO效率。
卜景德介绍，经过联合优化，数据写入过程由此前约6分钟缩短至约10秒，进一步压缩计算结果输出对整体预报时效的影响。
因此，全球5公里预报背后真正工作的是一整套系统：异构计算负责大规模数值运算，高速网络承担节点和加速卡之间的数据交换，ParaStor等存储系统及时承接计算产生的数据，软件和编译环境则让原有科学代码能够有效运行在新的国产异构平台上。
曙光8000也正是在这样的背景下强调“超智融合”。其采用全精度异构计算体系，希望在同一基础设施上兼顾传统科学计算与人工智能计算，支撑不同类型的科学计算负载。
国产算力与国产模式走到一起
中科曙光董事长历军在现场回顾，数值天气预报与高性能计算已经相伴演进70多年，“每一次预报都是算法创新与算力跃升双轮驱动的结果”。
双方的关系也在发生变化。
过去十余年，中科曙光与中国气象局持续合作；如今，合作进一步从国产计算基础设施适配，走向围绕MCV模式的联合开发和优化。历军将其概括为中科曙光从“算力供应商”向“联合创新伙伴”的变化。
此次全球5公里、未来10天预报在1小时内完成，意味着自主数值模式在国产异构算力上已经达到国际主流业务计算时效要求。
用中国气象局地球系统数值预报中心研究员副主任李兴良表示，气象预报是一条完整链路。目前打通的重要环节是模式计算，未来还需要继续推进资料同化等环节，模式本身也需要不断迭代。真正的业务化还意味着每天、多轮次、多组预报持续稳定运行，对整个计算系统的可靠性和资源保障提出更高要求。
这或许也是此次成果更值得关注的地方——国产模式与国产算力强强联合，不是终点，而是下一阶段的起点。
最后
几百年前，不知有多少人抬头望月，又有多少人在日记里无意写下一笔“月甚佳”。
从文字记录阴晴雨雪，到用仪器观测大气，再到今天用MCV数值模式和曙光8000 AI超集群推演未来。国人认识天气的方式也在不断变化，天空还是同一片天空，我们理解它、计算它的尺度，却已经从一笔阴晴，走向全球5公里。
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表