微软发布地球系统基础模型 Aurora

背景

天气与气候信息通常由业务预报系统持续产生：系统按固定周期处理观测资料并给出预测。基础模型（foundation model）的思路不同，它先在广泛数据上学习通用表示，再适配到具体任务。Aurora 被介绍为地球系统基础模型；其论文于 2025 年 5 月 21 日由 Nature 发表，微软研究院同月对这项工作进行了推广。^[1][2]

在天气预报中，“业务预报”指按业务流程持续运行、可供实际使用的预报，而不是一次性实验。把它作为比较对象，意味着论文关注的是实际业务基线，而不只是学术数据集上的分数。基础模型则强调可复用性：同一套预训练模型可以通过适配进入不同任务，减少每个任务单独建模的成本。^[1]

发生了什么

论文的主张并非只来自某一个狭窄任务的提升，而是建立在四个独立领域同时超过业务预报之上：空气质量、海浪、热带气旋路径和高分辨率天气。^[1] 这四个领域对应不同输出：空气质量对应污染相关场，海浪对应海面波浪状况，热带气旋路径对应风暴移动，高分辨率天气对应精细尺度预报。论文用多个领域的表现来支撑论点，而不是只报一个基准成绩。^[1]

关键细节

成本论证是论文的中心：它报告在算力低几个数量级的情况下取得相同或更好的预报。^[1] 业务预报需要反复运行，计算资源是实际约束，因此“更少算力、同等或更好结果”不只改变精度讨论，也改变能力讨论的条件。微调（fine-tuning）被呈现为通往新应用的路径，使新任务不必从头训练。^[1] 微调一般指从已有模型出发，用较小的任务数据继续调整，而不是从零构建模型。作者还把这项工作框定为拓宽高质量气候与天气信息的获取渠道。^[1]

为什么重要

把上述主张放在一起看，论文并列呈现三件事：四个领域的表现、算力的大幅降低，以及通过微调扩展到新应用。成本与微调并不是附带说明，它们共同支撑“拓宽获取”的论点。^[1] 因此其声称的重要性既是技术上的，也是使用层面的：在多个预报领域取得不逊于业务预报的结果，同时降低计算门槛，并给出无需从头训练就能适配新任务的路径。对地球系统基础模型而言，这一组合是论文向读者和天气气候领域呈现的核心。^[1]