中国工业报记者 耿鹏飞

天气预报的精度，正在成为衡量一个国家计算能力与地球科学综合实力的标尺。

9月15日，在郑州国家超算互联网核心节点，中国气象局地球系统数值预报中心与中科曙光联合宣布：依托全国产十万卡AI超集群曙光8000，中国自主研发的MCV数值模式在1小时内完成了全球5公里分辨率、未来10天的天气预报计算，达到国际主流业务时效标准，并通过批量预报质量检验。

这一成果的“含金量”，需要放在全球数值预报的竞争格局中才能被真正读懂。

一道必须跨过的时效门槛

数值预报的精度提升，从来不是简单的“把网格画细一点”。分辨率从12.5公里提升到5公里，水平格点数增加约4倍，积分步长需要缩短一半，计算量随之增长8至16倍。更关键的是，分辨率提高后，计算单元之间的数据交换量急剧膨胀，通信、存储和任务分配对整体效率的制约越来越显著。即便堆叠更多处理器，整场预报也未必能按比例提速。

这正是全球气象界共同面对的挑战。欧洲中期天气预报中心（ECMWF）目前的业务预报水平分辨率约为9公里，美国下一代模式计划在13公里配置下开展研发，主流模式团队都在向公里级推进，但“算得出”和“算得快”之间横亘着一道业务化的门槛。

中国气象局地球系统数值预报中心研究员副主任李兴良在群访中给出了一个清晰的坐标：美国当前业务模式分辨率为12.5公里，欧洲中心为9公里，下一步全球都在往5公里推进。“5公里分辨率，我们整个预报能力有一个质的飞跃，不是简单的分辨率提升，整个物理描述有大幅提升。”他同时强调，业务层面必须考虑算力成本与效率的平衡，科学研究可以做到1至3公里甚至更高，但业务化需要综合权衡。

MCV模式此前在中国气象局现有CPU平台上运行全球5公里预报，单次计算耗时约21小时，距离业务时效要求存在数量级的差距。中国气象局地球系统数值预报中心高级工程师蒋沁谷展示了一组对比数据：在同一时期，国际上主流业务模式开启下一代研发，全球13公里分辨率下各家模式都能达标，但一旦聚焦全球3公里，“几乎所有的模式都与运行标准有很大的差异”。

在曙光8000上，团队将全球5公里预报计算时间压缩到1小时以内。中国气象局地球系统数值预报中心首席科学家陈起英在回答记者提问时，用了一个普通人能感知的尺度来解释分辨率提升的意义：“原来12.5公里的时候，暴雨的强度上不去，预报的量级一般只到中雨，分辨率提高到5公里以后，就可以报到暴雨的强度以上，准确性有很大提高。对台风预报来说也是，12.5公里对路径报得还可以，但强度预报偏弱，到5公里以后，台风的强度就能报得比较好。”

对比的意义不在于数字本身，而在于它验证了一条路径：国产异构计算架构有能力承载世界级科学计算应用。当中国气象局的自主模式与中科曙光的国产算力在同一套系统上完成适配，国产数值预报从“能用”走向了“好用”。

“算得对”比“算得快”更难

GPU加速数值预报模式，国际上有共识，但真正落地远非易事。MCV模式包含动力框架、物理过程、插值、同化等近百个模块，代码积累跨越十几年。蒋沁谷在发布会上坦言，GPU硬件芯片多样，CUDA生态成熟但闭源，“把代码重写一遍，成本非常高，后期维护也非常困难”。

去年5月份，中国气象局与中科曙光签署了战略合作协议，推进MCV模式在曙光异构加速卡上面的应用。“在这一年多的时间里，双方紧密合作，联合攻关，在这个过程中，我们攻克了很多难题，有一些亮点工作：设备内存管理优化，减少设备运行的管理开销；通信算法优化，减少数据传输问题；专属技术创新，多个单位联合研制适配国产异构计算平台的方案。”蒋沁谷介绍说。

但真正的考验在于“算得对”。中科曙光高端计算总工程师卜景德在采访中举了一个计算机世界的经典难题：“A+B+C”在数学上等于“A+C+B”，但在浮点运算中，由于精度损失，结果可能不同。数值预报是一个生产系统，结果偏差在长期积分中会被放大，可能导致完全错误的预报结论。团队将“标准化移植”作为第一要务，在编译器优化、数值依赖处理、内存管理等多个层面反复校验，最终实现了不同计算单元运行结果严格一致。

卜景德透露了一个关键数字：“每十秒要写200GB的数据。”此前写入一轮数据需要约6分钟，优化后压缩到10秒。这意味着计算单元的“等待时间”被大幅削减，硬件算力真正转化为有效产出。

耦合器的突破同样关键。“耦合器是支撑地球系统模式构建与运行的核心部件，它是实现不同分量模式之间信息交换与协同运行的基础平台。时空分辨率匹配信息交换协同并行运行。全球公里分辨率耦合技术，过去是串行思维，到公里分辨率下面，已有耦合器启动速度慢、消耗特别多。我们研发的C-Coupler耦合器实现全球公里分辨率耦合模式快速启动，速度比欧美耦合器快10倍以上。”清华大学教授刘利说道，在支撑MCV模式的需求上面，从2018年开始的串行，到2019年通用并行框架。公里分辨率高效耦合技术，2021年全球公里级大规模并行试验，到2024年多圈层耦合，2025年实现了区域同化系统。

AI将改变数值预报的方法论

气象模式是检验算力平台综合能力的“试金石”。卜景德解释，很多科学计算场景可以灵活安排运算时间，但气象模式是一个生产系统，必须在规定时间内稳定、可靠、高效地交付结果。这也是曙光8000在系统设计之初就面向应用做深度优化的原因。

超智融合全精度架构、低延时高带宽网络、冷热分级存储体系、液冷散热与智能化运维——这些设计并非事后适配，而是在机器建设的同时启动了应用专项，汇集国内顶尖应用团队联合攻关。卜景德介绍，曙光8000提供了从64位到32位、16位、8位的全精度计算单元，一个系统既能跑传统科学计算，又能跑人工智能训练和推理，“在一个系统内既有数值预报模块，也有人工智能模块，相互协作，推进预报准确率的提升”。

面向未来，团队已经完成了全球3公里分辨率模拟试验，虽然尚未进入业务应用，但为下一代大气模拟的持续演进提供了先期验证。更远的布局指向三个方向：MCV模式深度优化，让算法与硬件进一步融合；地球系统分量全面移植，从大气模式走向多圈层耦合的地球系统模式；以及下一代计算架构的探索——建立MCV性能评估模型，设计面向气象领域的定制专用芯片。

“未来系统的稳定性、时效性等一系列问题都可以极大的提升。”卜景德说道。

AI的引入正在改变数值预报的方法论。大气运动有方程可以求解，但初始场是混沌的，不可能通过观测完全确定。传统数值模式在高精度求解上具有优势，而AI擅长从历史数据中学习规律、推测合理趋势。“通过AI提供低精度的初始场信息，模式里面又有高精度的求解能力，结合在一起，就可以形成超智融合的模式预报。”