NVIDIA Earth-2 開源氣象模型推出 台灣中央氣象署已導入應用防颱

NVIDIA 發表 Earth-2 開源氣象模型，每個人都可打造「主權AI」氣象系統，台灣中央氣象署也採用於颱風預警與防治應用，提升災害預測效率與準確度。

在人工智慧席捲各產業的當下，NVIDIA（輝達）再次證明 AI 不只能生成文字或圖片，更能預測地球的未來。

此次於休士頓舉辦的美國氣象學會 (AMS) 年會上，NVIDIA正式宣布將其數位孿生平台Earth-2轉型為全面開源的開放模型家族。這不僅僅是釋出幾個模型權重而已，而是提供了一整套從資料處理、模型訓練到推論的工具鏈，目的是要讓全球的氣象單位、研究機構，甚至新創公司，都能在自己的基礎設施上打造「主權AI」氣象系統。

▲預測天候變化已經變得越來越重要

為什麼天氣預報需要AI革命？

傳統的天氣預報高度依賴龐大超級電腦運算物理方程式，不僅耗時且成本極高。NVIDIA氣候模擬研究總監Mike Pritchard指出，隨著極端氣候加劇，天氣預報的賭注越來越高。AI的介入將能帶來100倍，甚至1000倍的預測速度與能源效率提升。

不過，過去許多AI氣象模型是封閉的，開發者難以針對細節進行調整。NVIDIA這次推出的Earth-2開源計畫，包含三個突破性的新模型，涵蓋了從資料同化、全球預報到區域劇烈天氣預警的完整流程。

▲NVIDIA這次推出的Earth-2開源計畫，包含三個突破性的新模型，涵蓋了從資料同化、全球預報到區域劇烈天氣預警的完整流程

Earth-2新增三大核心模型

• Earth-2 Medium Range (中程預報)：採用名為「Atlas」的新架構，這款模型能進行長達15天的全球天氣預報。在標準測試中，針對70多種氣象變數的預測準確度，已經超越了目前領先的開源模型GenCast。這意味著開發者能用更低的算力，獲得比擬甚至超越傳統數值模式的精準度。

▲採用名為「Atlas」的新架構，這款模型能進行長達15天的全球天氣預報。在標準測試中，針對70多種氣象變數的預測準確度

• Earth-2 Nowcasting (即時預報)：這是筆者認為最有趣的應用，其基於「StormScope」架構，利用生成式AI (Generative AI) 技術，直接從衛星雲圖學習風暴動態。不同於傳統物理模型需要長時間運算，Earth-2 Nowcasting能在幾分鐘內，生成未來0到6小時的公里級高解析度雷雨胞預測，對於防災應變、機場調度或能源管理來說，是極具價值的即時資訊。

▲基於「StormScope」架構，利用生成式AI (Generative AI) 技術，直接從衛星雲圖學習風暴動態

• Earth-2 Global Data Assimilation (全球資料同化)：在進行預報前，必須先了解「現在」的地球狀態。傳統的資料同化 (Data Assimilation)非常消耗算力，幾乎會佔據超級電腦約30%的負載。NVIDIA推出的新架構「HealDA」，能在GPU上以「秒」為單位完成全球初始條件的生成，而非傳統的數小時，將能解決氣象預報流程中最大的瓶頸之一。

▲NVIDIA推出的新架構「HealDA」，能在GPU上以「秒」為單位完成全球初始條件的生成，讓全球氣象資料同化

台灣交通部中央氣象署 (CWA) 導入應用

值得注意的是，NVIDIA在發表會中特別點名台灣交通部中央氣象署 (Central Weather Administration, CWA)。

根據NVIDIA說法，台灣中央氣象署利用Earth-2家族中的CorrDiff模型 (一種利用擴散模型進行降尺度運算的技術)，產生更精確的颱風登陸預報。考慮到過去二十年有數百個颱風侵襲台灣，利用AI進行高解析度的災害影響評估，對於資源調度與防災準備極為重要。

▲除了台灣中央氣象署，包含標普全球、AI天候預測服務Brightband、全球最大氣象資料庫The Weather Company、日立能源等業者也已經與NVIDIA合作

訪談：生成式AI與「迷你地球」的未來

在與NVIDIA氣候模擬研究總監Mike Pritchard的交流中，筆者也針對幾個關鍵技術細節進行了提問：

Q：Earth-2的資料更新頻率如何？是否能做到即時反應？

Mike Pritchard：這取決於模型類型。對於中程預報 (Medium Range)，我們預測的是物理狀態變數 (如溫度、風速)，這通常需要先從原始觀測資料進行轉換，會有一定的延遲，但透過我們新的全球資料同化模型 (HealDA)，讓這個過程從數小時縮短到了幾秒鐘。

而對於即時預報 (Nowcasting)，由於它直接從觀測資料 (如地球靜止衛星圖像)中學習，因此其反應速度極快，在觀測資料進來的幾分鐘內就能完成預測，非常適合極短期且劇烈的天氣變化預警。

Q：生成式AI在這裡扮演什麼角色？如何確保資料正確性？

Mike Pritchard：生成式AI是Earth-2 Nowcasting (StormScope)和CorrDiff的核心。傳統模型在解析度不足時會變得模糊，而生成式AI擅長「超解析度」(Super-resolution)，能將粗糙的訊號還原成精細的紋理 (例如颱風眼牆的結構或局部暴雨)。透過學習大量的物理數據與衛星圖像，使得AI能在符合物理特性的前提下，補足傳統運算難以模擬的微觀細節。

Q：Earth-2是否能作為「迷你地球」用於遊戲或環境模擬？

Mike Pritchard：絕對可以。過去這種等級的地球大氣模擬只能在國家級超級電腦上運行，主要用於科學研究。但隨著Earth-2降低運算門檻、開放工具，這種模擬可以用於教育視覺化，甚至整合進遊戲引擎中，創造出動態、真實且可互動的天氣環境，這在過去是難以想像的。

▲目前Earth-2開源模型已經可以透過Hugging Face、GitHub取得，並且以開源形式應用在開發需求

分析觀點：氣象預報的「主權」時代

氣象資料往往涉及國家安全與在地化需求 (例如台灣需要專注於颱風與梅雨，以色列則關注沙漠氣候)。透過提供Earth2Studio這樣的開放工具與PhysicsNeMo框架，NVIDIA不僅賣硬體，更是在建立一個以NVIDIA GPU為核心的氣象AI生態系。

對於台灣這樣深受極端氣候影響的國家來說，能夠基於開源的最先進模型，結合在地的觀測數據進行微調 (Fine-tuning)，將是提升防災韌性的重要一步。