預測太陽磁暴全球最強！首個空間天氣鏈式AI預報模型亮相WAIC

魚羊 2025-07-29 14:10:33 來源：量子位

允中 發自 凹非寺

量子位 | 公眾號 QbitAI

就在一顆通信衛星以第一宇宙速度飛過我們頭頂的幾分鐘時間里，上百萬人正借助由它所搭建的網絡去鏈接這個世界，而實際上，這樣的衛星有成千上萬顆。

當我們使用方便快捷的衛星網絡服務時，就在網絡的另一邊，一個名叫“風云太空”的系統，卻平靜無聲地向這些為我們提供服務的衛星發送了預警信息，一場因太陽爆發活動所帶來的沖擊即將在大約24小時后到達……在獲取預警信息后，地面運控部門啟動應急預案，并在太陽風暴到來時從容應對，化解了此次空間天氣危機。

這個場景，正是我國空間天氣預報能力邁向智能化的一個縮影，而其背后的核心技術，就是本文的主角——“風宇”模型。

國家衛星氣象中心（國家空間天氣監測預警中心）主任王勁松介紹，這是全球首個全鏈式的空間天氣人工智能預報模型。

世界首個全鏈路空間天氣AI預報模型

當前太陽正處于活動高發期，日珥爆發等隨機事件如同無形的“宇宙海嘯”，時刻威脅著在軌衛星、航空器安全乃至地面關鍵基礎設施的安全。

然而，要精準預報這場跨越1.5億公里的風暴絕非易事。傳統的預報主要依賴數值模型，但空間天氣涉及太陽、行星際、磁層、電離層等多個圈層的復雜物理作用，機制極為復雜。這導致傳統數值模型不僅計算量巨大、耗時長，難以滿足實時響應的需求，也難以精確刻畫完整的物理過程。

面對困局，隨著人工智能（AI）技術的發展，一個全新的解決方案應運而生。2025年7月26日，在世界人工智能大會氣象專會上，由國家衛星氣象中心（國家空間天氣監測預警中心）牽頭，聯合南昌大學、華為技術有限公司共同研發的“風宇”模型正式發布。

王勁松主任認為，“風宇”模型的研發成功，使得空間天氣預報實現了物理模型、數值預報和人工智能三足并立的格局，大大提高了我國空間天氣預報水平。

南昌大學人工智能工業研究院副院長陳洲詳細介紹了“風宇”模型，該模型采用了首創空間天氣上下游智能耦合技術，利用了不同區域感知響應和結構自適應調整，實現了模型之間的協同優化以及全鏈式的小時級快速預報。

華為計算昇騰業務總裁張迪煊表示，“風宇”空間天氣模型基于MindSpore Science套件和昇騰硬件，實現了模型訓練到推理的全流程應用，覆蓋太陽風、磁層和電離層全鏈式耦合訓練，在訓練效率、預測精度、系統適配性方面全面優于傳統平臺。

架構的革命性：從“各自為戰”到“協同作戰”

過去，空間天氣預報領域也曾構建過一些人工智能模型，但它們往往針對特定區域，如太陽風或電離層，彼此獨立。王勁松主任指出，這種“各自為戰”的模式最大的痛點在于，它沒有體現從太陽到地球整個因果鏈的物理關系，這限制了預報水平的提高。

為此，“風宇”模型首創了一種“鏈式訓練結構”，將預報從孤立的環節整合成一個協同作戰的整體。其中包括了三大關鍵技術創新。

第一，國際首次實現全鏈路智能建模。

“風宇”是國際上首次實現從太陽風-磁層-電離層端到端AI建模的系統，包括針對太陽風的“煦風”、針對地球磁場的“天磁”和針對地球電離層的“電穹”等三大空間區域模型。這些區域模型采用鏈式訓練模式和可插拔架構分別建模，未來能夠更加靈活、高效地進行更新和迭代，同時新的太陽、極光等模型也在研發之中。

第二，首創空間天氣上下游智能耦合技術。

“風宇”獨創的“智能耦合優化機制”（也被稱為耦合優化器），是實現三大區域模型協同的關鍵。陳洲特別提出，這是一種基于深度神經網絡的多區域模型耦合優化方法，通過不同區域感知響應和結構自適應調整，從而實現模型之間的協同優化、全鏈式的小時級快速預報。

例如，“煦風”模型的輸出，作為輸入喂給下游的“天磁”和“電穹”模型。而耦合優化器（Coupling Optimizer）則通過計算多個損失函數（Loss1, Loss2, Loss3, LossX1, LossX2）來協同優化所有模型。

這樣，“風宇”模型不僅能更真實地再現太陽風影響地球環境的過程，還能描繪出磁場和電離層間復雜的相互作用，從根本上提升了對空間天氣變化過程的理解和預報精度。

王勁松主任認為，“風宇”模型的實踐，也為人類利用不同的數據源，實現人工智能對復雜物理現象的描述和解讀提供了一個很好的范例。

第三，基于自主可控AI框架的算子領域優化技術。

張迪煊介紹，在軟件層面，“風宇”基于MindSpore Science套件構建電離層、磁層等多個空間區域預報模型，并聯合國家衛星氣象中心（國家空間天氣監測預警中心）、南昌大學共同設計的張量并行、流水線并行等并行切分策略，開發適用于3D時空數據的科學計算接口，通過自動圖優化、圖算融合等編譯優化能力，有效提升模型訓練/推理效率。

硬件層面，“風宇”基于昇騰AI集群，在提供業界領先算力的基礎上，通過系統級高可靠設計及軟硬件協同優化技術，實現有效算力全面提升，為大規模歷史氣象資料和高分辨率格點數據的批量訓練提供高效支撐。

數據驅動的基礎：“天地一體化”觀測體系

任何先進的AI模型都離不開海量高質量數據的“喂養”。“風宇”的卓越性能，我國已建成的“天地一體化”空間天氣監測體系功不可沒。

在太空，有“風云系列衛星”具備了監測太陽、磁層、電離層等圈層關鍵要素的綜合能力，“羲和號”和“夸父一號”獲取了的豐富的太陽活動特征。

在地面，則有中國氣象局布局的73個臺站和“子午工程”布局的31個臺站、近300臺設備進行全天候探測。

正是這些海量、立體觀測數據，為“風宇”模型提供了源源不斷的“燃料”。

風宇”模型還創見性地將全鏈式空間天氣數值模式生成的數據與觀測數據相結合，形成了互相補充、相互印證的高質量數據基礎，實現從空間天氣監測、建模到預警的全鏈路智能化。

陳洲特別指出，“風宇”模型中的電離層部分具有彈性特質，它能夠有效地融合來自于不同觀測、不同時間分辨率的數據進行整合。

從預報到防護：“風宇”的應用實例與性能表現

“風宇”不僅在架構上實現了創新，更在實際業務應用中展現出突破性的預報能力。

在長達一年的預測性能測試中，“風宇”在太陽風、磁層和電離層各區域均表現出卓越的24小時短臨預測能力。

特別是在近兩年發生的多次大磁暴事件中，“風宇”在電離層區域的預測性能尤為突出，其對全球電子密度總含量的預測誤差基本能控制在10%左右。王勁松主任介紹，這是當今世界范圍內的最好結果。

目前，“風宇”模型已申請了11項國家發明專利。

應用案例：全方位指導航天器“趨利避害”

“風宇”的能力遠不止于預報。它強大的預測能力可以深入到航天器設計、管理和運行的各個環節。

例如，在衛星的設計階段，就可以依據模型對未來太陽活動強度的預測，來估算衛星在其使用壽命中可能經受的輻射上下限，從而進行針對性的防輻射加固設計。

對于在軌運行的衛星，精準的預報則能幫助其進行軌道管理和任務安全優化。

例如，當預測到空間天氣變化將導致大氣阻力增加時，可以提前規劃衛星燃料的使用、調整飛行姿態，確保任務安全。

下一站，星辰大海中的“邊緣智能”

“風宇”模型的發布，標志著我國空間天氣監測預警能力取得了突破性進展。

正如王勁松主任所說，它在技術架構、數據融合和應用價值上的突破，是AI for Science領域一個典型的成功案例，也為空間科學、機器學習和高性能計算的融合發展也提供了新的參考價值。

但探索永不止步。當前“風宇”是在地面運行的云端大模型，依賴強大的算力支持。而空間智能的下一步，無疑是讓AI更靠近應用前沿。未來，將AI能力直接部署在衛星上，實現星上自主決策，將是航天領域AI應用演進的重要方向。

這為廣大開發者社群描繪出了一條清晰的技術演進路線：從云端大模型到星上邊緣計算。

這意味著，AI模型的輕量化、端側推理優化、高可靠性智能系統設計等，將成為未來航天領域AI應用的新熱點，從而為人類探索星辰大海的征途，點亮一盞更智能、更安全的“指路明燈”。