伏羲团队新模型FuXi-Weather：首个预报精度超越HRES的全球天气循环同化和预报系统

atmos85

https://mp.weixin.qq.com/s/s-gS5FQ3T97rMg5BD6whEQ
AI气象大模型  2025年07月20日

        伏羲团队最新的论文，A data-to-forecast machine learning system for global weather在Nature Communications发表。伏羲团队开发了第一个业务可用的从真实观测（卫星亮温数据等）到预报的高精度全球天气循环同化和预报AI预报系统。

        该系统可以实现真实观测数据高速循环同化，相对于数值模式（NWP）的同化系统，速度提升千倍以上，仅100ms就可以实现一次数据同化。NWP同化系统流程复杂，计算成本高，并且对数据有苛刻的要求，领先的NWP同化系统数据利用率仅10%左右。FuXi-Weather首次实现了卫星观测数据的全网格、全表面（陆地和海洋）、全通道和全空（all-grid, all-surface, all-channel, and all-sky）的资料同化，极大的简化了资料同化流程，并且模型可以自动提取有用信息，极大降低了对数据质量的要求。基于FuXi-Weather的特点，可以大规模实时同化各种观测，并且可以实现更高频次的预报。比如接入各种小卫星数据，实现每半小时的同化和预报。

        FuXi-Weather将预报模型和同化模型联合优化，直接对预报结果做端到端优化。仅仅用三颗极轨和部分掩星数据，从白噪声开始循环同化，实现了全球的高精度天气预报。大部分变量有效预报天数超过了ECMWF HRES，Z500有效预报时长9.5天，超越NWP系统。

FuXi Weather与传统NWP（ECMWF HRES）有效预报时长比较

        虽然FuXi-Weather没有同化近地面的观测，但是在非洲等缺少观测的区域预报精度仍能明显超过HRES预报结果。

        今年我们在上述工作的基础上同化了更多真实观测数据，研发了新的FuXi-Weather 2.0模型，精度上有了更大幅度的提升，敬请期待。

论文链接：
https://www.nature.com/articles/s41467-025-62024-1

伏羲团队博士后招聘：
https://mp.weixin.qq.com/s/6bdwMZWOGwm4X6W70KJQEQ