AI 科普 | AI for Earth:聆听海洋的「脉搏」,新一代AI大模型精准预测十年气候脉动

我爱免费

作者：微信文章

---

将 ScienceAI 设为星标

第一时间掌握

新鲜的 AI for Science 资讯

---

作者 | 论文团队

编辑 | ScienceAI

地球的未来，写在海洋的每一寸波澜里。近日，一篇发表于《Science Advances》的重磅研究，为我们破译海洋这部「天书」提供了一种全新的视角。

由上海人工智能实验室、复旦大学、南京信息工程大学等多家国际顶尖机构联合攻关，该研究构建了一个名为 ORCA-DL 的数据驱动全球海洋模型。它不再仅仅是传统物理模型的优化，而是一种范式级的革新 —— 让 AI 直接学习海洋自身的演化逻辑，从而实现了从季节到长达十年的超高精度全球海洋预测。

这一突破性成果，标志着我们应对气候变化的能力，进入了一个由 AI 驱动的新纪元。



论文地址： https://www.science.org/doi/10.1126/sciadv.adu2488

代码地址： https://github.com/OpenEarthLab/ORCA-DL

根本性挑战：

为何精准预测海洋是气候科学的「圣杯」？

地球上的气候变化，本质上是一部由海洋驱动的宏大叙事。作为地球系统中最主要的热量与记忆的承载者，海洋储存了 90% 以上的全球变暖热量，其内部缓慢而深刻的流动，主宰着全球能量的重新分配，决定着区域旱涝、全球冷暖。

因此，能否精准预测海洋的动态，尤其是其覆盖全球、深入千米的立体结构，是整个气候科学能否从「解读过去」迈向「预见未来」的关键，是领域内最核心的挑战之一。

然而，近半个世纪以来，我们赖以预测气候的传统物理模型正面临本质性的瓶颈。这些模型试图用有限的计算资源求解无限复杂的流体力学方程，不可避免地要在分辨率与算力成本间做出妥协，并引入对关键物理过程的「近似」参数化方案 。这导致了长期存在的系统性偏差和预测能力上限，使我们对厄尔尼诺、海洋热浪等重大气候事件的长期预警能力始终受限。

ORCA-DL 的诞生：

从「求解方程」到「学习海洋变化」

面对这一经典难题，ORCA-DL 绕开了传统路径，开创了一条全新的「数据驱动」的认知范式。它的核心思想不再是求解预设的方程，而是将海量的、包含了真实海洋运行规律的数据作为「第一性原理」，其核心理念在于：

站在巨人的肩膀上学习： 精准的海洋观测数据在时空上是稀疏的。为了让 AI 能够看到大量的海洋演化过程，团队让 ORCA-DL 学习了全球 20 个顶级气候模式（CMIP6）积累的数百年模拟数据。这使得 ORCA-DL 能够汲取全人类关于海洋物理知识的精华，像在多元宇宙中理解海洋的演化原理，从而集众家之所长，学习到更接近真实海洋的、不确定性且物理一致的规律。

为海洋的时空演变设计分而治之的神经网络： 海洋是一个包含数百万网格点、多变量、多层次相互作用的超高维系统。ORCA-DL 借鉴了传统海洋环流模式的思想，设计了专用的海洋编码器，让模型同时「看到」并理解全球不同区域、不同深度的海洋信号是如何相互关联，并引入时间多专家模块，仿照常微分方程的形式进行近似求解，从而让模型自我感知不同变量（如温度、盐度、流速）之间跨越时空的复杂内在关联。



图 1. ORCA-DL 对全球海面温度（SST）和海面环流（SSC）的精准模拟。无论是宏大的洋流体系（如南极绕极流、赤道流系），还是精细的温度分布，ORCA-DL 的模拟结果（B）都与真实世界的观测（A）高度吻合，且显著减少了传统模型的系统性偏差（C-E）。

从预见未来到了解边界：

ORCA-DL 的深远影响与前沿思考

ORCA-DL 的性能是进一步提升的。它不再像之前的 AI 模型关注的是某个指标的微小提升，而是在全球三维海洋建模上作了进一步的突破。它贯通了海洋预测的多个尺度，它既能捕捉海洋次表层热浪这类猛烈而迅速的极端事件 ，又能稳稳地维持住驱动长期气候变化的深海「记忆」，实现了长达十年的稳定模拟，其累积误差甚至低于多数物理模型。特别是它将厄尔尼诺现象的有效预报时长推进至 20 个月 ，这为全球社会应对极端天气提供了更长的准备时间。



图 2.(A) 全球最强气候信号 —— 厄尔尼诺（ENSO）的预测技巧对比。ORCA-DL 不仅全面超越了顶级的物理模型，甚至优于专为 ENSO 设计的 AI 模型，将有效预测延伸至惊人的 20 个月。(B) 全球七个典型海域的海洋热浪（MHWs）预测技巧。ORCA-DL 在所有区域都显著优于传统物理模型以及持续性预测，展现了其捕捉极端事件的强大能力。(C) ORCA-DL 长达十年的稳定模拟。

然而，正如所有颠覆性的科学探索一样，ORCA-DL 在开辟新大陆的同时，也清晰地标示出了当前认知的边界。研究团队以严谨的科学态度，指出了模型通向真正「数字孪生地球」之路所面临的挑战。

首先，模型的智慧源于对现有气候模式数据的深度学习，但这些数据本身也含有偏差，这构成了模型能力的「天然」上限。

其次，模型能完美再现季节循环，但这更多来自对历史数据统计规律的「记忆」，而非对太阳辐射等外部驱动力的实时物理响应。这意味着，在面对未来由人类活动引发的、前所未有的气候变化情景（如二氧化碳浓度急剧升高）时，它的预测能力仍需通过引入相应的物理过程来进一步增强。

正是这些清晰的边界，定义了前行的方向。未来，通过融入人类活动（如碳排放）等外部强迫数据，ORCA-DL 有望演化为一个更加强大的「气候模拟器」，为我们推演不同减排路径下的地球未来。它甚至可以作为一个高效的「虚拟实验室」，让科学家以极低的成本进行「如果…… 将会怎样」的科学实验，探索气候系统的因果链条。

从仰望星空的「风乌」到俯瞰深海「虎鲸（ORCA）」，人类探索世界的工具正在经历一场智能革命。ORCA-DL 所代表的，正是这场革命中最激动人心的浪潮之一 —— 一个由 AI 驱动的、能够与我们共同思考地球未来的「数字孪生」时代，正悄然到来。

人工智能 × [ 生物 神经科学 数学 物理 化学 材料 ]

「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。

欢迎关注标星，并点击右下角点赞和在看。

点击阅读原文，加入专业从业者社区，以获得更多交流合作机会及服务。