AI 把 100 公里气候模拟锐化到 3 公里，成本只要三百分之一

高分辨率地球系统模拟贵得惊人。要算清一场飓风眼壁里的风怎么切、一场暴雨落在哪座山头，传统物理模型得把全球网格切得很细，算力账单随之暴涨。艾伦人工智能研究所（Ai2）在 2026 年 10 月 14 日发布的两阶段 AI 模拟器 HiRO-ACEv2，想用另一条路绕开这笔账。

它的做法是先粗后细。模型先吃进分辨率约 100 公里的气候与天气模拟，再把它锐化到约 3 公里。到了这个尺度，飓风的结构、风的走向、雨的分布都开始显形，这些是原来那张粗网格完全吞掉的信息。

成本方面，HiRO-ACEv2 的运行开销约为它所模仿的物理模型的三百分之一（1/300）。换句话说，过去跑一次要烧掉的算力，现在大约能跑三百次。

图1：HiRO-ACEv2 把约 100 公里网格锐化到约 3 公里，显现风暴与降水细节

两阶段设计是这套系统的核心。第一阶段学粗模拟长什么样，第二阶段学怎样把它补成细图。这种拆解让 AI 不必从零生成天气，而是站在物理模型的肩膀上做放大，既借了物理规律的可信度，又省了重算的力气。

对极端天气预警来说，分辨率每提升一档，落区判断就准一截。台风登陆前哪片海岸先吃风、山区哪条沟谷会成灾，往往就卡在几公里的差异上。把成本压到三百分之一，意味着原本只够跑几套方案的机构，如今能多跑很多套，给不确定性留出余量。

但得把话说准：HiRO-ACEv2 是研究成果，不是已经接进业务预报系统的产品。它模仿的是物理模型，误差来源、边界表现、对罕见事件的可靠性，都还需要在更多场景里被反复检验。把它说成明天起台风预警就靠它，是跳了步。

更现实的位置，是当作高分辨率模拟的加速器：用便宜的 AI 先把细节铺开，再把最关键的少数情形交给昂贵的物理模型精算。这种分工，正是一段时间里气候与天气领域反复试探的方向。

关联推荐

• 海洋热浪前后那几个月，一直被算漏了 — 高分辨率模拟能补上的，正是这些被粗网格漏掉的时间段。
• 台风预警窗口能多出一天：AI 把路径和强度一起算准了 — 同样在用 AI 给极端天气预警加宽余量。
• 异戊二烯：连接植物与全球气候的隐形分子 — 气候模拟里那些不起眼却关键的变量。

参考来源：Ai2 发布 HiRO-ACEv2，2026-10-14；参见 explainx.ai 2026-10-14 AI 研究简报。