近年来，人工智能技术在社会各领域加速渗透。传统大气环境预测方法虽已成熟，但在极端天气与复杂污染过程频发的背景下，其时效性不足、计算资源消耗大、对复杂机理依赖强等问题日益凸显。为突破瓶颈，全球气象与环境科学界正推动AI技术与数值模式的深度融合，积极探索更智能高效的预报新路径。

在11月25日落幕的2025现代化生态环境监测技术交流专题会上，华风爱科首席科学家、扶摇智能负责人姬晟轩介绍了“碧霄AI大模型”。姬晟轩是南京大学王体健教授团队成员，联合南京大学、南京信息工程大学、金陵科技学院共同研发“碧霄AI大模型”。此次介绍意味着该模型将全面赋能大气环境监测与污染防控产业，推动环保业务迈向智能化新阶段。其卓越的实战能力将为区域大气污染防治提供更精准的业务支撑。

当前主流气象AI大模型虽在计算效率与资源优化层面展现出显著优势，其纯数据驱动的特性也为突破传统数值模式的理论性能瓶颈提供了全新路径。然而现有气象AI模型仍普遍受限于分析场数据的完整性与质量，在关键预报要素的覆盖度与业务适配性方面存在明显不足，难以满足精细化、业务化的预报需求。这一局限已成为制约AI技术在大气环境领域规模化应用的核心挑战。

“碧霄AI大模型”直面上述行业痛点，以业务需求为导向精准切入，以技术创新为驱动突破局限，展现出四大核心优势：

• 符合业务：不同于微软Aurora的污染要素缺失，碧霄可以完全符合我国空气质量污染防治要求，提供6种污染物的预测结果；

• 观测同化：相对于传统资料同化方法，需要使用多种数值模式、卫星、观测等多种数据进行融合。碧霄模型直接使用观测数据进行推理，直接、高效；

• 高速计算：相比数值模式动辄使用成百上千核进行大规模并行计算，碧霄模型使用1块GPU即可在30秒内完成未来7天预测；

• 更加准确：实际预报效果，已经超越欧洲气象预报中心（ECMWF）的CAMS模式预报水平，以及超越经典大气环境预报模式WRF-Chem。

“碧霄AI大模型”的发布不仅是一次技术突破，更开启了大气环境预测的智能化新篇章。其落地能力源于三大技术支撑：

• 当地数据：模型基于当地“国控”与“省控”站点的高精度观测数据，确保输入信息的准确性；

• 本地模型：支持训练本地化“专属碧霄”模型，有效适配不同区域的特征与结构；

• 运行部署：采用轻量级云端部署方案，降低业务应用门槛，实现高效、灵活的预测服务。 三大能力协同发力，共同为“精准预报、科学治污”构建起坚实可靠的技术基座。

华风爱科期待与广大致力于环境保护的企业展开深度合作，共同推动AI技术在大气治理领域的创新应用，以科技守护绿水青山，携手共建清洁美丽的生态环境。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com