人工智能技术应用现状与趋势 - 人工智能正以前所未有的速度和深度渗透到经济社会各领域各行业，广泛而深刻地改变着人们的生产生活方式[1] - 人工智能在农业、医疗、物流等多个行业实现应用，例如农业大模型、影像辅助诊断技术和智慧物流手段[1] - 人工智能是推动知识普惠的桥梁，连接专业知识体系与多元用户需求场景，其有效结合能让创新技术更好落地生根，赋能千行百业[1] - 展望未来，当技术与产业双向奔赴、知识与需求有效连接，人工智能有望实现从“可用”到“好用”、从“融入”到“重塑”的跨越，为加快培育新质生产力、推动经济社会高质量发展注入强劲动能[1] 人工智能在气象领域的应用 - 人工智能在气象领域的应用越来越广泛，新应用新场景不断增多，催生了不少人工智能模型，不断赋能气象行业发展[2] - 风和系统是我国首个生成式人工智能气象服务语言模型，是人工智能赋能气象服务行业的一个缩影[1] - 风和系统的研发通过将海量资料转化成知识图谱提升专业水平，并利用场景化问答训练分析能力，面向不同场景搭建各类智能体，精准对接需求，打造“需求—知识—服务”的动态闭环[1] 中国气象局人工智能模型发展 - 在风和之前，中国气象局已推出了风雷、风清、风顺、风宇等应用于气象预报领域的人工智能模型[2] - 风雷模型针对即将发生的雷暴和强降水天气，风清是全球短中期预报系统，风顺是全球次季节—季节预测系统，风宇是空间天气链式预报模型[2] - 2024年，中国气象局启动人工智能天气预报模型示范计划，推动预报模型与气象业务创新融合应用，伏羲、璞云、风乌、盘古等14个天气预报模型脱颖而出[2] 人工智能对气象业务的价值 - 人工智能技术的加入，结合原有的气象预报技术以及预报员丰富的经验，让气象预报更加准确[2] - 在极端降水预测、强对流天气预警、气象资料同化分析、气象观测与数据处理、气象服务与决策支持等领域，也出现了不少人工智能模型[3] - 这些模型有力地推动了气象业务的数字化、信息化和智能化发展，为气象服务更好地助力生产生活提供了重要支撑[3]

人工智能技术应用趋势 - 人工智能技术正以前所未有的速度和深度渗透到经济社会各领域各行业，广泛而深刻地改变着人们的生产生活方式 [1] - 技术应用场景包括实现种植环境精准调控的农业大模型、帮助医生快速识别病灶的影像辅助诊断技术、利用算法优化配送路径的智慧物流手段等 [1] - 人工智能如同一座推动知识普惠的桥梁，连接复杂的专业知识体系与多元的用户需求场景 [1] 人工智能赋能气象行业 - 人工智能在气象领域的应用越来越广泛，新应用新场景不断增多，催生了不少人工智能模型，不断赋能气象行业发展 [2] - 人工智能技术的加入，结合原有的气象预报技术以及预报员经验，让气象预报更加准确 [3] - 在极端降水预测、强对流天气预警、气象资料同化分析、气象观测与数据处理、气象服务与决策支持等领域，也出现了不少人工智能模型 [3] - 这些模型有力地推动了气象业务的数字化、信息化和智能化发展，为气象服务更好地助力生产生活提供了重要支撑 [3] 中国气象局人工智能模型发展 - 中国气象局已推出了风雷、风清、风顺、风宇等多个人工智能模型，主要应用在气象预报领域 [2] - 风雷针对即将发生的雷暴和强降水天气，风清是全球短中期预报系统，风顺是全球次季节—季节预测系统，风宇是空间天气链式预报模型 [2] - 2024年，中国气象局启动人工智能天气预报模型示范计划，推动预报模型与气象业务创新融合应用 [2] - 伏羲、璞云、风乌、盘古等14个天气预报模型在该计划中脱颖而出 [2] “风和”系统的模式与意义 - 风和系统是我国首个生成式人工智能气象服务语言模型，是人工智能赋能气象服务行业的一个缩影 [1] - 其研发过程体现了“需求—知识—服务”的动态闭环模式：一方面把海量资料转化成知识图谱，通过技术训练提升专业水平，深度转化知识；另一方面利用场景化问答训练分析能力，面向不同场景搭建各类智能体，精准对接需求 [1] 未来展望与行业影响 - 展望未来，当技术与产业双向奔赴、知识与需求有效连接，人工智能有望真正实现从“可用”到“好用”、从“融入”到“重塑” [1] - 人工智能将为加快培育新质生产力、推动经济社会高质量发展不断注入强劲动能 [1]

行业趋势：气象服务智能化转型加速 - 在全球变暖背景下，高温、暴雨、强对流等灾害的突发性与破坏性显著增强，对气象预报预警的精准度、时效性提出更高要求，推动气象服务加速向智能化转型 [1] - 人工智能正深度融入气象服务的全链条，自动化、数字化、智能化的服务范式成为主流 [2] - 人工智能技术以其高效的计算和多源数据融合能力，正成为连接气象预报、灾害预警和应急响应的关键纽带，是突破传统预报局限的关键 [4] - 未来，人工智能预报模型将和数值预报模式形成相互补充、双轮驱动的工作格局 [7] 公司产品：五大AI模型协同发布与升级 - 中国气象局发布新的气象人工智能科学模型“风源”，并实现“风清”、“风雷”、“风顺”3款气象人工智能预报模型的同步升级 [1] - 加上前不久刚刚发布面向气象服务领域的千亿参数语言模型“风和”，五大模型分工协作，加速赋能千行百业 [1] - “风和”是千亿参数语言模型，通过学习海量历史气象数据精准理解大气运动规律，提供基于智能分析的个性化解决方案，覆盖交通、旅游、健康、物流、能源等多个场景 [2] - “风顺”是人工智能全球次季节—季节预测系统，新增日最高/最低气温、太阳辐射等10余项关键气象要素，精准锚定农业、新能源、水利等行业核心需求 [3] - “风清”可精准捕捉台风、暴雨等灾害性天气，输出13层高空要素与11类地面要素预报，已实现业务化部署并向全国推广 [3] - “风雷”模型聚焦雷暴、短时强降水等灾害性天气的临灾预警，其回波预报产品可在几分钟内预测对流系统的新生与消散，强回波预报质量提升超过25% [4] - “风源”模型可直接读取来自卫星、雷达、气象站等实时观测数据并分析，无需经过复杂的数据同化等中间流程，旨在探索AI做天气预报的更多理论可能性 [4][5] 技术能力：提升预报精准度与效率 - “风雷”定量降水预报模型成功预警“6·29”北京突发强对流，并在“6·30”河南南阳极端暴雨过程中，提前2小时预报出超过120毫米的强降雨 [4] - “风清”模型仅需3分钟即可生成未来15天全球天气预报，大幅缩短了预报产品迭代周期，计算效率实现指数级提升，突破传统数值预报的算力依赖 [7] - “风源”模型在预测天气时，不仅能聚焦目标区域，还能智能关联周边相邻区域的气象信息，让预报结果更精准、更合理 [4] 应用场景：赋能多行业高质量发展 - 气象人工智能模型广泛应用于防灾减灾、光伏风电调度、航空运行保障等关键场景 [3] - “风和”模型能为用户提供个性化解决方案，例如为自驾出行提供沿途天气、风险预警及组合建议 [2] - “风顺”模型新增日最高气温判断指标后，应对农业气象灾害的能力将显著提升，以更精细化的气象服务护航农业生产 [3] - 人工智能预报模型为灾害应急响应、实时决策提供了关键时间窗口 [7] 战略规划：推进AI与数值预报深度融合 - 中国气象局发布的《地球系统预报发展战略(2025—2035年)》提到，大力推进数值预报与人工智能的深度融合，开发共性技术和共享平台 [7] - 目标是显著提升对地球系统多尺度、多圈层相互作用的模拟和预测能力 [7] - 人工智能预报模型将为地球系统预报实现更高分辨率、更长预见期、更复杂圈层耦合的跨越式发展提供强大的技术驱动力 [7] - 气象部门将持续优化人工智能预报体系，探索建立一体化的气象人工智能模型，整合各类天气尺度、应用场景的人工智能力量 [7]

行业背景与转型驱动 - 全球变暖背景下，高温、暴雨、强对流等灾害的突发性与破坏性显著增强，对气象预报预警的精准度和时效性提出更高要求，推动气象服务加速向智能化转型 [2] 核心产品与模型矩阵 - 中国气象局发布新的气象人工智能科学模型“风源”，并同步升级“风清”、“风雷”、“风顺”3款模型，加上此前发布的千亿参数语言模型“风和”，形成5大模型分工协作的体系 [2] - “风和”是面向气象服务领域的千亿参数语言模型，通过学习海量历史气象数据精准掌握大气运动规律，提供高分辨率、高效率、快速响应的智能气象服务 [3] - “风顺”是人工智能全球次季节—季节预测系统，升级后新增日最高/最低气温、太阳辐射等10余项关键气象要素，精准锚定农业、新能源、水利等行业核心需求 [4] - “风清”模型可精准捕捉台风、暴雨等灾害性天气，输出13层高空要素与11类地面要素预报，已实现业务化部署并向全国推广 [4] - “风雷”模型聚焦雷暴、短时强降水等灾害性天气的临灾预警，其回波预报产品可在几分钟内预测对流系统的新生与消散，强回波预报质量提升超过25% [5] - “风源”模型可直接读取来自卫星、雷达、气象站等实时观测数据，无需复杂的数据同化中间流程，能智能关联目标区域及周边气象信息，旨在探索AI做天气预报的更多理论可能性 [5][6] 技术优势与性能表现 - 人工智能技术以其高效的计算和多源数据融合能力，正成为连接气象预报、灾害预警和应急响应的关键纽带 [5] - “风清”模型仅需3分钟即可生成未来15天全球天气预报，大幅缩短了预报产品迭代周期，计算效率实现指数级提升，突破传统数值预报的算力依赖 [7] - “风雷”定量降水预报模型在多次极端天气过程中展现出精准预报能力，例如成功预警“6·29”北京突发强对流，并在“6·30”河南南阳极端暴雨过程中提前2小时预报出超过120毫米的强降雨 [5] 应用场景与行业赋能 - 人工智能深度融入气象服务全链条，自动化、数字化、智能化的服务范式成为主流 [3] - “风和”模型能覆盖交通、旅游、健康、物流、能源等多个与天气密切相关的场景，为用户提供基于智能分析的个性化解决方案 [3] - “风顺”模型新增日最高气温判断指标后，应对农业气象灾害的能力将显著提升，以更精细化的气象服务护航农业生产 [4] - “风清”模型广泛应用于防灾减灾、光伏风电调度、航空运行保障等关键场景 [4] 发展战略与未来展望 - 中国气象局发布的《地球系统预报发展战略（2025—2035年）》提出，大力推进数值预报与人工智能的深度融合，开发共性技术和共享平台 [7] - 人工智能预报模型将为地球系统预报实现更高分辨率、更长预见期、更复杂圈层耦合的跨越式发展提供强大的技术驱动力 [7] - 未来，人工智能预报模型将和数值预报模式形成相互补充、双轮驱动的工作格局，气象部门将持续优化人工智能预报体系，探索建立一体化的气象人工智能模型 [7]

行业趋势与政策驱动 - 全球变暖导致高温、暴雨、强对流等灾害的突发性与破坏性显著增强，对气象预报预警的精准度、时效性提出更高要求，推动气象服务加速向智能化转型 [1] - 中国气象局发布《地球系统预报发展战略（2025—2035年）》，提出大力推进数值预报与人工智能的深度融合，开发共性技术和共享平台，以提升对地球系统多尺度、多圈层相互作用的模拟和预测能力 [7] - 人工智能技术以其高效的计算和多源数据融合能力，正成为连接气象预报、灾害预警和应急响应的关键纽带，是突破传统预报局限的关键技术 [4] - 未来，人工智能预报模型将和数值预报模式形成相互补充、双轮驱动的工作格局，气象部门将持续优化人工智能预报体系，探索建立一体化的气象人工智能模型 [7] 核心产品与技术突破 - 中国气象局发布新的气象人工智能科学模型“风源”，并实现“风清”、“风雷”、“风顺”3款气象人工智能预报模型的同步升级，加上此前发布的千亿参数语言模型“风和”，形成5大模型分工协作的体系 [1] - “风源”模型可直接读取来自卫星、雷达、气象站等实时观测数据，无需经过复杂的数据同化等中间流程，直接分析并给出精准的全球气象预报，旨在探索AI做天气预报的更多理论可能性 [4][5] - “风清”模型可精准捕捉台风、暴雨等灾害性天气，输出13层高空要素与11类地面要素预报，该模型已实现业务化部署并向全国推广 [3] - “风清”模型仅需3分钟即可生成未来15天全球天气预报，大幅缩短了预报产品迭代周期，在计算效率上实现了指数级提升，突破传统数值预报的算力依赖 [7] - “风雷”模型聚焦雷暴、短时强降水等灾害性天气的临灾预警，其回波预报产品可在几分钟内预测对流系统的新生与消散，强回波预报质量提升超过25% [4] - 升级后的“风顺”模型精准锚定农业、新能源、水利等行业核心需求，新增日最高/最低气温、太阳辐射等10余项关键气象要素 [3] - “风和”是面向气象服务领域的千亿参数语言模型，通过学习海量历史气象数据，精准理解和掌握大气运动规律，以提供高分辨率、高效率、快速响应的智能气象服务 [2] 应用场景与业务赋能 - 人工智能正深度融入气象服务的全链条，自动化、数字化、智能化的服务范式成为主流，应用从面向公众的个性化出行、健康指引，到支撑农业、能源、交通等重点领域的精益化运营决策 [2] - “风和”模型能覆盖交通、旅游、健康、物流、能源等多个与天气密切相关的场景，为用户提供基于智能分析的个性化解决方案 [2] - “风清”模型广泛应用于防灾减灾、光伏风电调度、航空运行保障等关键场景 [3] - “风顺”模型新增日最高气温判断指标后，应对农业气象灾害的能力将显著提升，能以更精细化的气象服务护航农业生产 [3] - “风雷”定量降水预报模型已在多次极端天气过程中展现出精准的预报能力，例如成功预警“6·29”北京突发强对流，并在“6·30”河南南阳极端暴雨过程中提前2小时预报出超过120毫米的强降雨 [4]

“妈祖”(MAZU)平台全球推广与落地 - 中国气象局推出的“妈祖”(MAZU)全民早期预警云平台，作为中国气象人工智能方案，正服务于全球防灾减灾与应对气候变化[1] - 该平台已在巴基斯坦、埃塞俄比亚、所罗门群岛、吉布提、蒙古国5个国家实现落地部署与实时应用，并在亚洲、非洲、大洋洲的43个国家和地区开展在线试用[5] - 平台提供多版本服务，包括云端版、基础版、专业版、旗舰版、城市早期预警版、农业早期预警版等，适配多种灾害和风险场景[4] 技术方案与定制化应用 - “妈祖”平台通过建设云端早期预警平台，为各国提供定制化“工具箱”，实现气象风险监测、预警、发布、响应全链条“一站式”解决[3] - 针对巴基斯坦的冰湖溃决洪水、季风爆发、暴雨等灾害定制了预报预警系统，并于2025年10月实现本地部署应用[3] - 为蒙古国接入风云2H气象卫星积雪数据，针对大风、暴雨、沙尘和白灾等设计工作流提示词，生成当地语言避险指引[3] - 为老挝定制了一揽子多语种预警信息发布服务方案，以应对洪水、干旱等灾害[4] - 平台坚持“算法出海，本地调试”模式，以尊重并保护各国的气象数据主权[10] 核心技术突破与研发 - 为攻克极端天气预报难题，国家气象中心研发了时空演变特征捕捉算法，通过样本加权与特征增强技术，提升AI对极端天气的感知与识别能力[8] - 针对生成式AI的“幻觉”问题，采用物理与数据双驱动技术路线，将大气动力学方程和物理约束嵌入神经网络，确保预报符合物理规律[9] - 上海人工智能气象应用创新中心提出“确定式+概率式”级联方案，并设计基于概率匹配的学习方法，让模型重点关注历史案例中的“异常点”[9] - 在网络薄弱地区，采用数据裁切压缩算法大幅减少传输量，提升传输效率[10] - 通过SWAN3.0“智效平台”将AI推理结果转化为直观的决策依据，嵌入一线预报员工作流[10] 产品性能与优势 - “风清”人工智能气象预报系统计算10公里格点的全球预报，仅需半小时出结果，达到国际主流模型水平，而数值预报需要2小时[15] - “风雷”人工智能模型可提前1小时捕捉到伴随大风、小冰雹、短时强降雨的强对流天气信号[15] - 在2025年汛期预报中，“风顺”人工智能模型提前1个月把握住了中国主要雨带的分布特征，超过世界领先的欧洲中心现有数值预报模式水平[15] - 2025年10月发布的“风和”气象服务人工智能模型拥有强大的专业任务解决能力，即将接入“妈祖”云平台[11] 国际合作与能力建设 - 中国气象局通过培训班、访问学者等措施帮助各国培养专业人才，预计2025年至2027年为发展中国家提供2000人次以上短期培训，100人次相关专业本硕博奖学金，资助50名长期访问学者[6] - 2025年，埃塞俄比亚气象局专家与中国团队合作开发出雨季预测模型，准确率达到65%以上[6] - 合作被纳入多项国际倡议与行动，包括中非合作论坛北京峰会“十大伙伴行动”、《早期预警促进气候变化适应中国行动方案（2025—2027）》、中国—阿拉伯国家博览会三项合作举措、中国—东盟气象人工智能模型应用联合创新行动等[15] - 中国气象局正牵头实施世界气象组织首个全球人工智能示范项目，联合国内外20余个气象部门、科研机构及科技巨头共同推进[15] 行业基础与综合实力 - 中国已建成世界最大的气象观测网，风云气象卫星可进行分钟级多要素三维立体监测，数值预报模式实现完全自主可控[14] - 中国自主研发的人工智能气象模型，与欧美发达国家模型共同领跑人工智能技术气象应用[14] - 高水平科技自立自强、业务能力和人才，支撑了全球观测、全球预报、全球服务的能力[14]

核心观点 - 中国气象局通过“妈祖（MAZU）”全民早期预警云平台，将气象人工智能解决方案输出至全球40多个国家，为全球防灾减灾和应对气候变化提供中国方案 [1][2][5] 产品与服务 - “妈祖”平台是一个多灾种、预警、零差距、普惠的全民早期预警方案，提供定制化“工具箱”，实现气象风险监测、预警、发布、响应全链条一站式解决 [3] - 平台服务场景广泛，包括云端版、基础版、专业版、旗舰版、城市早期预警版、农业早期预警版等，适配多种气象灾害和风险场景 [4] - 中国气象局坚持模型开源、平台共享、数据开放，各国可直接云端使用或合作部署落地 [6] - 2024年6月发布的“风清”、“风顺”人工智能气象预报系统已全部接入“妈祖”平台 [4] - 2025年10月发布的“风和”气象服务人工智能模型即将接入平台，为各国提供定制化服务方案 [12] 市场拓展与部署 - “妈祖”已在巴基斯坦、埃塞俄比亚、所罗门群岛、吉布提、蒙古国5个国家实现落地部署与实时应用 [5] - 在亚洲、非洲、大洋洲的43个国家和地区开展在线试用 [5] - 在巴基斯坦，针对冰湖溃决洪水、季风爆发、暴雨定制预报预警系统，并于2025年10月实现本地部署应用 [3] - 在蒙古国，部署了“妈祖”城市多灾种早期预警智能体，集成风险评估、监测预报等四大支柱工具，并于2025年10月完成本地部署 [3][4] - 在老挝，定制了多语种预警信息发布服务方案 [4] - 合作通过多项国际论坛与协议推进，包括中非合作论坛、联合国气候变化大会、中国—阿拉伯国家博览会、中国—东盟气象合作论坛等 [16] 技术能力与研发 - 针对极端天气预报难题，研发了时空演变特征捕捉算法，通过样本加权与特征增强技术，提升模型对极端天气的感知与识别能力 [7][8] - 针对生成式人工智能的“幻觉”问题，采用物理与数据双驱动技术路线，将大气动力学方程和物理约束嵌入神经网络，提升预报科学性 [9] - 提出“确定式+概率式”级联方案，并设计基于概率匹配的学习方法，让模型关注历史案例中的“异常点”，抑制“幻觉”产生 [9] - 为应对网络薄弱地区的挑战，采用数据裁切压缩算法大幅减少传输量，提升传输效率 [11] - 采用“算法出海，本地调试”模式，尊重并保护各国的气象数据主权 [11] - 通过SWAN3.0“智效平台”将人工智能推理结果转化为直观的决策依据，嵌入一线预报员工作流 [11] 性能表现 - “风清”人工智能模型计算10公里格点的全球预报，仅需半小时出结果，达到国际主流模型水平，而数值预报需要2小时 [16] - “风雷”人工智能模型可提前1小时捕捉到伴随大风、小冰雹、短时强降雨的强对流天气信号 [16] - “风顺”在2025年汛期预报中，提前1个月把握住了中国主要雨带的分布特征，超过世界领先的欧洲中心现有数值预报模式水平 [16] - 与埃塞俄比亚合作开发的雨季预测模型，准确率达到65%以上 [6] 行业地位与基础设施 - 中国已实现作为气象“芯片”的数值预报模式的完全自主可控 [15] - 中国自主研发的人工智能气象模型，与欧美发达国家模型共同领跑人工智能技术气象应用 [15] - 拥有世界最大的气象观测网，风云气象卫星可进行分钟级多要素三维立体监测 [14] - 高水平科技自立自强、业务能力和人才，支撑全球观测、全球预报、全球服务 [15] - 牵头实施世界气象组织首个全球人工智能示范项目，联合国内外20余个气象部门、科研机构及科技巨头共同推进 [16] 能力建设与人才合作 - 通过培训班、访问学者等措施帮助合作国培养专业人才 [6] - 2025年，缅甸气象局预报员作为“一带一路”气象访问学者来华交流，未来将共同研发热浪等灾害预报模型 [6] - 预计2025年至2027年，将为发展中国家提供2000人次以上的短期培训，100人次相关专业的本硕博奖学金，资助50名长期访问学者 [6]

卫星与探测技术成就 - 风云三号G星实现全球首次气象卫星区域250米分辨率每分钟连续成像观测，是我国首颗、全球第三颗低倾角轨道降水测量卫星[3] - 风云三号E星是全球唯一在晨昏时段开展观测的民用极轨气象卫星[3] - 风云卫星、北斗探空、天气雷达等探测装备与技术实现高水平自立自强[7] 预报能力与精准度提升 - 建成“无缝隙、全覆盖”的智能数字气象预报业务体系，空间分辨率精细至全球5公里、全国1公里，重点区域达百米级[12] - 暴雨预报准确率较“十三五”时期平均提升10%[12] - 24小时城镇晴雨预报和气温预报准确率达80%以上[12] - 台风24小时路径预报误差降至最小62公里，保持国际先进水平[12] - 灾害性天气监测率提升到83%，强对流天气预警时间提前13%[10] - 能够提前3至7天预报区域性暴雨、高温、寒潮过程，提前15天预测全国性重大天气过程，提前6个月预测全球气候异常事件，提前1年发布气候年景预测产品[10] 气象模型与人工智能应用 - 国内涌现“盘古”、“风乌”、“伏羲”、“风清”等人工智能气象预报模型，实现从无到有的突破[23] - “风雷”、“风清”、“风顺”、“风宇”等气象预报模型达到国际先进水平[7] - 中国气象局制定人工智能气象应用工作方案（2023-2030年）[23] - 发布具有自主知识产权的人工智能训练气象数据集，向全社会提供公共数据产品[23] 服务覆盖与经济社会效益 - 气象服务覆盖国民经济70余个行业大类[13] - 生活气象服务指数增至70余种，精细化服务涵盖衣食住行游购娱，覆盖全国5万多个景点[21] - “十四五”时期，因气象灾害造成的经济损失占GDP比例平均下降0.12个百分点[14] - “十四五”以来冬小麦干热风预警助力粮食增收83亿斤[15] - “一路三方”预警联动机制使优化提升路段交通事故数量同比下降51%[15] - 全国人工增雨、雪作业累计增加降水约1677亿吨[14] 数据共享与全球服务 - 向全社会共享12类100余种气象数据产品，服务全球153个国家和地区、全国21个行业近130万用户[25] - 首次向全球发布和共享长达176年的全球地面气候数据集，以及空间精细程度为10公里的全球大气再分析产品[25] - 已发放气象数据身份标识98万多个[25] 预警与城市治理 - 实现17个行业82种预警信息汇聚共享与快速发布，预警信息可在1分钟内快速送达应急责任人[18] - 各省、市、县气象部门都已建立高级别预警“叫应”机制[18] - 北京、上海、重庆等地数字气象服务系统融入“城市大脑”[21] - 高温、花粉过敏等17类健康气象预警产品受到百姓欢迎[21]

系统发布与意义 - 中国气象局在京发布人工智能气象服务系统“风和” 该系统通过自主设计集中攻关显著提升智慧气象服务能力 [1] - “风和”具备数据融合复用 人机实时交互 工具智能调用等功能 其发布代表中国气象服务能力和水平迈上新台阶 [1] 核心功能与服务场景 - 用户可通过小程序或网页版输入天气相关问题自动获取答案 服务范围涵盖科普问答 天气查询 风险预警建议等 [3] - 系统可提供与天气密切关联的交通 旅游 健康 物流 能源等多个场景的基于智能分析的个性化建议 [3] - 例如在自驾游场景中 “风和”可为从上海自驾前往白洋淀的家庭自动推送雷暴时段避开高速积水路段及备选室内景点的组合建议 [3] 系统架构与核心能力 - “风和”拥有气象知识中心 模型广场 气象AI工具箱 智能体工厂 评估实验室等五大模块 [4] - 系统具备气象服务需求理解 气象服务内容生成 气象推理与决策 气象工具调用等四大核心能力 [4] 技术框架与创新 - 系统独创“1+1+N”技术框架 包括1个深度融合通用模型与专业气象知识的基座模型 [5] - 基座模型通过5500亿tokens的气象领域增量预训练实现对气象标准灾害机理的准确理解 [5] - 框架包括1个智能体开发平台 可实时调用人工智能临近预报系统“风雷”和人工智能全球中短期预报系统“风清”等气象数据 [5] - 框架包含N个智能体服务场景 针对公众 行业等服务场景开发出具备专项推理能力的场景应用智能体 [5] - 关键技术突破包括建立千亿级大规模气象服务语料库 利用基于LoRA的气象服务知识增训和场景微调技术 基于人类反馈机制强化学习的深度推理技术 以及面向气象服务场景的多智能体协同技术 [5] - 这些技术使系统得以提升需求理解能力和场景适应能力 可完成对复杂气象服务任务的自主规划与执行 [5]

模型概述与技术特点 - 模型为国内首个千亿级参数气象服务垂域模型，基于通用大语言模型自主研发，通过深度融合气象专业知识与人工智能技术重构传统气象服务模式[1] - 模型是专门用于气象服务的生成式人工智能系统，以千亿级参数的强大模型为核心，具备极强的学习和表达能力，能够捕捉细微复杂的大气现象[2] - 通过多模态融合和生成式人工智能技术，模型可提供高分辨率、高效率和快速响应的智能气象服务[2] 模型定位与差异化优势 - 与面向气象系统内部的预报系统（如"风清"、"风雷"、"风顺"）不同，该模型是面向公众及行业的气象服务大模型[3] - 模型能够解决现有通用大模型对气象服务需求理解不够精准、生成内容不够专业、应用场景不够深入等问题，实现通用大模型所无法达到的专业性、精准度、安全性和成本效益[3] - 前端短、中、长期预报和空间天气预报为模型提供支撑，使其能提供可靠、可用、可信的气象决策信息[3] 应用场景与服务能力 - 未来基于模型研发的智能体可有效支持灾害预警、交通运输、旅游出行、卫生健康、商贸物流、能源电力等场景的交互式服务需求，提供定制化、精细化的气象信息服务[4] - 对公众出行将发挥革命性作用，提供前所未有的精准化、精细化、场景化的出行决策支持，例如对山区、湖泊等微气候复杂区域进行超高分辨率模拟[5] - 服务实现从"区域预报"到"点对点预报"、从"被动接收"到"主动智能干预"的转变，未来可与各类客户端和智能设备深度结合，主动提供最优出行决策建议[6]