AIMIP第一阶段：测试AI气候模型的新基准

新一代AI模型模拟地球气候的效率远超传统系统。然而该领域一直缺乏严格、共享的方法来检验这些模型是否真正准确可靠。这正是AIMIP（AI模型比对项目）旨在弥补的空白。这是一项社区努力，旨在支持对气候预测AI模型的科学理解与开放评估。

AIMIP汇集了包括英伟达、谷歌研究院在内的多个建模团队，围绕共享的基准实验与数据集展开合作。思路很简单：给每个人相同的测试，然后在公共输出和评估标准上比较结果。这有助于建立对模型评估方式的信心。

随着第一阶段完成，团队已发布了该基准实验的AI天气与气候模型预测数据集，以及一份报告与评估结果。研究结果显示，AI模型在关键气候指标上具有竞争力，但在某些领域仍存在问题。

利用天气与气候预测领域的革命

AI气候模型相对较新，但它们建立在近些年利用AI预测短期天气模式的快速进展之上。与其天气预测同类模型一样，它们依赖覆盖整个大气层的ERA5历史观测数据集。这些AI驱动的预测在1-10天预测的关键技能指标上，如今已经常超越传统天气模型（如WeatherBench所示）。而且它们以令人惊叹的速度和极少的计算资源完成预测。

跃升至气候建模, , 模拟大气在数十年或数世纪内的变化, , 则面临一系列挑战。直到近期，能像传统模型那样处理气候时间尺度的AI模型仍寥寥无几。与WeatherBench不同，评估这些模型的基准与指标远非显而易见。

气候模型与MIPs

基于物理的气候模型已存在数十年。它们通过物理定律在短时间尺度上预测天气，并重复全球过程，来模拟地球在特定场景下数十年或数世纪的气候。由此产生平均值与极端情况，如特定地点的平均温度与降水，或热浪、热带风暴的可能性。

这些模型还必须考虑海洋与海冰随时间的变化，因为在长时间尺度上这些因素会显著影响天气。它们还需评估一系列可能的风险与场景，如温室气体排放上升。

为评估气候模型，科学界依靠模型比对项目（MIPs）。MIP是一组标准化实验，气候模型必须执行并提供公共输出以供评估。正在进行的耦合模型比对项目（CMIP）一直是开发温室气体排放效应精确模型预测的推动力。

AI气候建模提供了与AI天气预测相同的潜力：以革命性的速度和效率进行预测，计算量仅为基于物理模型的千分之一。这能为更广泛的用户解锁科学发现。但直到大约两年内，来自多个团队、采用不同架构的AI模型才展示了其在数十年至数世纪内做出稳定、高保真预测的能力。它们能否正确响应不同气候场景仍基本未知。

AIMIP第一阶段：规格与提交

AIMIP第一阶段是该项目的首个共享基准实验。它旨在共同设置下比较AI气候模型，同时将范围控制在足够窄以容纳广泛参与。模型必须预测1979-2024年全球大气状态，输出频率为月度和日度。它们只能使用1979-2014年的ERA5历史观测数据进行训练，最后十年作为测试数据。AI架构的选择由参与者决定。

海洋与海冰状态由历史观测值预设。在这个早期阶段，目标是集中关注大气行为。在未来的AIMIP阶段，AI或许能通过耦合气候模型模拟海洋、海冰及其他地球系统组件。

在第一阶段，模型必须输出大气中七个层面的温度、湿度与风，以及地表温度、降水和其他关键天气变量。它们还必须使输出兼容典型的CMIP格式规范，以方便与传统模型及评估工具进行比较。

共有8个模型模拟提交，来自Ai2气候建模团队及五个外部团队：ArchesWeather团队、英伟达、华盛顿大学、马里兰大学和谷歌研究院。

历史气候的忠实再现，但预测变化仍面临挑战

团队评估了AI气候模型模拟历史气候及其过去数十年变化的能力。他们发现，无论架构选择如何，AI模型在模拟平均历史气候模式方面表现极佳，通常优于传统的基于物理模型。最精确的AI模型将如近地表气温等场域的时间平均误差降低了2倍。

一项更具挑战性的测试是，模型是否能捕捉历史记录中可见的长期变暖趋势，尤其是在训练期外和ERA5数据最后十年的保留区段中。情况好坏参半。有些模型很好地追踪了变暖趋势，而另一些则显著低估。泛化至未来条件是气候变化预测的关键，尽管对于其他用途（如信息学或在AI模型训练期间抽样气候风险因素）可能不那么至关重要。

研究人员还评估了模型模拟对厄尔尼诺海洋条件的响应能力、逐日大气变异性，以及一次真正的样本外冲击：全球海洋表面瞬间升温2或4摄氏度。这一场景物理上不太可能，但有助于理解AI模型如何泛化至未见过条件。不出所料，模型在此样本外情况的预测差异显著，有些产生的结果物理上似乎不合理。

未来方向：开放数据集与社区评估

AIMIP第一阶段数据集托管在德国气候计算中心（DKRZ），计划发布至地球系统网格联盟（ESGF），以便气候科学界广泛访问。科学家已在利用该数据集进行进一步评估，团队的工作作为持续研究的切入点。

第一阶段结果表明，AI气候模型的核心挑战之一是稳健响应一系列气候场景。泛化能力对于这些模型是否被广泛采用至关重要。特别是，研究人员需要信任AI气候模型在未见过温室气体排放场景下的行为。传统气候模型输出可能为其中一些案例提供训练数据，但可能还需要额外的AI特定方法。

如果第一阶段证明有价值，且AI气候建模继续以当前速度发展，未来的AIMIP阶段将随之而来。这些阶段可能扩展到更复杂的耦合建模，包括海洋与海冰动态，以及更广泛的场景如温室气体排放路径，并设置更广泛的输出要求与评估。