复旦大气学科十年专题| 穆穆团队:AI如何读懂风云海洋

精彩看点：

人工智能正在从“算得更快的预报员”走向“帮助发现规律的科研伙伴”。复旦大学相关研究以伏羲、羲和和大禹为代表，覆盖大气、海洋与云系统，并进一步延伸到数据同化、混合建模、可预报性、因果分析和多模态科学智能。

明天会不会下雨？台风将向哪里移动？海洋中的涡旋会怎样演变？云层何时发展成强对流？这些看似日常的问题，背后都需要对复杂地球系统进行计算和判断。长期以来，大气和海洋预报主要依靠数值模式：把大气和海洋的运动规律写成方程，再由超级计算机一步步向前积分。

如今，人工智能正在为这套传统预报体系打开一条新路径。它可以从海量观测、再分析资料和数值模拟数据中学习大气海洋状态的演变关系，以远低于传统模式的计算成本快速生成预报。同时，AI的作用也不再局限于“给出答案”，而开始进入数据同化、预报订正、误差诊断和科学发现等环节。

复旦大学戴国锟、李昊、穆穆、王桂华、仲晓辉、张峰、梁湘三，以及同济大学秦博在《大气科学进展》发表观点性文章，系统梳理了人工智能在大气海洋预报与研究中的发展，并以复旦大学相关工作为切入点，讨论AI如何从一种高效预报工具逐步成长为理解地球系统的科学工具。

文章以伏羲（FuXi）、羲和（Xihe）和大禹（DaYu）为代表，勾勒出复旦大学人工智能大气海洋研究的三条主要脉络。它们并不是简单地给传统模式“提速”，而是面向不同对象和时间尺度，探索新的预报与分析方式。

例如，伏羲系列不仅包括中期天气预报，还进一步发展了集合预报和次季节预报。集合预报不是只给出一个“唯一未来”，而是同时生成多个可能情景，用来刻画天气发展的不确定性。羲和则把关注点转向海洋，在更精细的网格上追踪海流、温盐结构和中尺度涡旋。大禹则从卫星“眼睛”出发，将云、降水和辐射联系起来，让AI既能识别云的物理属性，也能预测云系的后续演变。

一次完整的预报并不只是“运行一个模型”。它通常包括观测资料进入系统、确定初始状态、向前预测、订正误差以及形成面向用户的产品。文章指出，AI正在逐步进入这条链条的多个环节。

这种变化意味着，未来的智能预报系统可能不再是一个孤立模型，而是一套从观测、分析到预测和决策支持的完整生态。不过，目前直接建立在伏羲和羲和输出之上的成熟下游应用仍然有限，如何将核心模型与降尺度、不确定性量化和行业服务连接起来，是下一步的重要方向。

预报准确并不等于真正“理解”天气。面对一个AI模型，气象学家还会追问：它为什么这样判断？哪些区域和变量最重要？初始场中一个微小误差会怎样放大？如果增加某个区域的观测，能否显著改善预报？

为回答这些问题，文章讨论了可解释性、可预报性和因果分析三类研究。可解释性方法试图打开AI的“黑箱”，寻找模型关注的关键区域和变量；可预报性研究考察误差如何随时间增长，并利用条件非线性最优扰动等方法识别对台风、厄尔尼诺和海洋异常最敏感的状态初始结构；因果分析则进一步区分“同时发生”与“真正影响”，帮助研究者寻找复杂气候事件背后的关键驱动因素。

更进一步，EarthLink、FuXi-Uni等研究开始把自然语言、三维气象场和科学计算流程连接起来。未来的科研人员或许可以用自然语言提出问题，由AI调用数据、运行模型、检查结果，并帮助形成新的科学假设，促使人机协作成为新的研究方式。

AI发展迅速，但它也同样存在着短板。首先，纯数据驱动模型可能无法自动满足质量、能量和动量守恒等物理约束；一些生成式模型给出的结果在统计上看似合理，却可能在局地或时间连续性上不够真实。其次，极端事件在训练资料中样本稀少，台风快速增强、极端降水等“少见但重要”的现象尤其难以学习。

此外，AI在熟悉气候背景下表现良好，并不保证它能应对未来气候、罕见环流或长期积分。训练资料中的观测空白和再分析偏差也可能被模型继承甚至放大。尽管AI推理很快，大模型的训练、更新和维护仍需要可观的计算与能源投入。

因此，评价一个AI预报系统不能只看平均误差，还要考察物理一致性、极端事件能力、分布外泛化、长期稳定性和可重复性。这些问题决定了AI能否真正走向可信和可持续的业务应用。

未来更值得期待的方向不是让AI与物理模式彼此取代，而是让二者形成互相促进的循环：AI帮助发现模式偏差、提取复杂关系和改进参数化；更加可靠的地球系统模式则生成更丰富的数据，用于训练新的AI模型。由此形成的“AI—物理双螺旋”，有望支持从短时天气到次季节、季节乃至气候尺度的无缝预测。

从复旦大学视角看，伏羲、羲和和大禹已经连接起大气、海洋、云与卫星观测等多个方向。下一步需要进一步加强这些研究线之间的耦合，并把预测系统与不确定性量化、因果诊断、机制探索和行业应用结合起来。

人工智能的价值不仅体现在“把天气算得更快、更准”，也在于帮助人类提出更好的问题、看见隐藏在海量数据中的规律，并以新的方式认识复杂的地球系统。

戴国锟（第一作者）

复旦大学大气与海洋科学系副教授，2017年毕业于中国科学院大气物理研究所。

主要研究方向为高影响天气和气候事件的可预测性，探讨了大气初始不确定性、边界不确定性等因素对极端天气事件生成和预报的影响，并提出了有效的目标观测方案，以减小预报不确定性。已在国际SCI期刊上发表论文40余篇，主持了国家自然科学基金青年项目和面上项目各一项，作为核心骨干参与了国家自然科学基金基础科学中心项目、重大项目以及科技部重点研发项目等多个国家级科研项目。

李昊（通讯作者）

上海科学智能研究院地球科学负责人、复旦大学研究员、上海创智学院全时导师。

致力于人工智能技术应用落地与AI for Science，主持构建了无缝隙端到端的“伏羲”气象预测大模型体系，入选2025年度中国十大气象科技进展（位列各项进展首位）。发表人工智能学术顶会60余篇，以第一/通讯作者身份发表Nature Communications、Science Advances等期刊论文20余篇。获2025年度中国十大气象科技进展（第一完成人）、“2024-2025年度人工智能天气预报模型示范计划”综合评估总分第一名（第一完成人）、2025国际基础科学大会科学前沿奖（获奖论文通讯作者）、世界人工智能大会SAIL奖（卓越人工智能引领者奖）TOP 30榜单（第一完成人）等奖励。

穆穆（通讯作者)

中国科学院院士、发展中国家科学院院士、中国气象学会会士、中国工业与应用数学学会会士、中国运筹学会会士、博士生导师、复旦大学特聘教授。

现任国际气象学和大气科学协会(IAMAS)执委会委员与IAMAS中国委员会主席，《Advances in Atmospheric Sciences》共同主编、《中国科学:地球科学》与《Science China: Earth Sciences》副主编。已发表学术论文 200 余篇，2020-2024年爱思唯尔中国高被引学者(大气科学)。作为第一完成人，获2001年度中国科学院自然科学一等奖与2023年度国家自然科学奖二等奖。2010年获何梁何利基金科学与技术进 步奖(气象学奖)。主要研究方向为天气与气候可预报性、大气海洋动力学、气候预测与资料同化、集合预报、目标观测、地球流体动力学等。

大气科学进展

《大气科学进展(英)》(Advances in Atmospheric Sciences，简称AAS)—中国大气科学领域学术水平最高的英文期刊之一，1984年创刊，1999年被SCI收录。最新影响因子5.0，JCR分区表一区。入选中国科技期刊卓越行动计划一期梯队项目、二期领军项目。

《大气科学进展》致力于发表大气动力学、大气物理、大气化学及包含大气的耦合地球系统过程研究的原创性前沿研究成果。本刊发表文章类型包括：研究论文、快报、评论与回复、数据论文、新闻与观点（研究亮点、项目进展、会议报道）、综述及展望。

AAS由国际气象学和大气科学协会（IAMAS）中国委员会、中国科学院大气物理研究所、中国气象学会主办，由Springer和科学出版社共同出版，是国际IAMAS的唯一合作期刊。来自10个国家和地区的110多位优秀科学家编委全程监督审稿过程。

更多信息，欢迎登录AAS官方网站了解：

https://www.iapjournals.ac.cn/aas/