2026年1月26日，NVIDIA在美国气象学会年会上正式发布了Earth-2开放模型家族，标志着AI气象预测技术进入了一个全新的时代。这是全球首个完全开放、加速的气象AI软件栈。
在气候变化日益严峻的今天，准确、快速的天气和气候预测变得至关重要。NVIDIA Earth-2作为革命性的行星数字孪生系统，利用生成式AI和加速计算技术，以前所未有的速度和规模预测天气和气候，真正实现了气象AI的民主化。
从传统到AI的范式转变
传统气象预报一直依赖于运行物理模型的超级计算机，这种方法虽然准确，但计算成本高昂、时间消耗巨大。AI驱动的气象预报技术能够显著节省计算时间和成本，使更多国家、气象企业和商业机构能够运行针对特定应用的预测系统。
NVIDIA Earth-2的推出，使得生产级气象AI首次能够被各类组织完全访问、微调和部署在自己的基础设施上。
Earth-2平台架构
核心组件
Earth-2 AI工具箱包含两个主要的开源Python库：
- • PhysicsNeMo：用于训练AI物理模型的库，涵盖天气模型以及流体动力学等其他应用领域
- • Earth-2 Studio：专门为AI天气推理流程提供组件的库，托管在GitHub上，社区可以贡献代码、报告问题并共同改进平台
核心模型家族
Earth-2 Medium Range（中期预报模型）
采用全新的Atlas架构，实现高精度气象预测，适用于全球范围的天气变量预报。提供15天全球预报，覆盖风速、温度、湿度等多种气象要素。
Earth-2 Nowcasting（临近预报模型）
基于StormScope架构的生成式AI，利用卫星和雷达数据进行训练。能够进行国家级尺度的高分辨率短期预报，预测真实的云系统和降雨系统演化，学习如何预测风暴的发展和组织过程。
Earth-2 Global Data Assimilation（全球数据同化模型）
采用HealDA架构，为气象预测提供初始条件，处理来自卫星、雷达等各类观测数据的复杂模式，生成高质量的初始场。
Earth-2 CorrDiff
使用生成式AI架构进行降尺度处理，将粗分辨率的大陆级预报提升至高分辨率。
Earth-2 FourCastNet3
为风、温度和湿度等多种气象变量提供高精度预报，是平台的经典全球预测模型之一。
其他支持模型
平台还集成了AIFS（欧洲中期天气预报中心的AI预报系统）、Aurora（微软研发）等第三方预训练模型。所有模型都定义了统一的接口，可以轻松切换、组合甚至集成自定义模型。
Earth-2 Studio核心优势
1. 灵活的数据源支持
Earth-2 Studio提供了多种数据源来初始化天气预测：
- • ERA5（历史再分析数据）
- • IFS（欧洲中期天气预报中心综合预报系统）
- • GFS（全球预报系统）
- • GOES（地球静止环境卫星）
- • 以及更多数据源
切换数据源只需要修改一行代码，这使得实验、测试和基准测试变得非常简单。
2. 统一接口设计
无论使用哪个模型或数据源，API保持一致，这大大降低了学习曲线，提高了开发效率。
3. 标准化的数据输出
输出数据可以写入Zarr和NetCDF格式，并可以使用xarray等标准工具进行进一步处理，完美融入现有的科学计算工作流。
快速上手使用
硬件要求
- • 具有至少80GB显存的NVIDIA GPU（如A100或更新型号）
- • Python 3.11或更高版本
第一步：导入必要组件
from earth2studio import data_sources, io_backends, models, workflow第二步：加载模型
# 加载FourCastNet3全球预测模型model = models.FourCastNet3.load_model()每个模型接口都定义了一个load_model类方法，预训练模型具有默认包，会从Hugging Face存储库中提取所需数据。
第三步：定义数据源和输出格式
# 使用欧洲中期天气预报中心的IFS分析数据data_source = data_sources.IFS()
# 将输出写入NetCDF格式io_backend = io_backends.NetCDF()第四步：运行工作流
from datetime import datetime
# 设置起始时间start_time = datetime(2026, 1, 15, 0, 0)
# 运行预测（4个时间步）workflow.deterministic( start_time=start_time, n_steps=4, model=model, data_source=data_source, io_backend=io_backend)在NVIDIA GPU上的推理速度极快，仅需几秒钟即可完成！
第五步：可视化结果
import xarray as xr
# 使用xarray打开输出文件data = xr.open_dataset('output.nc')
# 查看未来四天的2米温度预测
切换模型
# 使用ECMWF的AIFSmodel = models.AIFS.load_model()
# 或使用微软的Auroramodel = models.Aurora.load_model()切换数据源
# 使用GFSdata_source = data_sources.GFS()
# 或基于ERA5进行历史分析data_source = data_sources.ERA5()切换输出格式
# 使用Zarr格式io_backend = io_backends.Zarr()
# 或在内存中处理io_backend = io_backends.InMemory()除了基本的确定性工作流，Earth-2 Studio还提供：
- • 集成预测工作流：生成多个可能的未来场景
- • 模型耦合工作流：结合两个模型的优势
- • 自定义工作流模板：作为开发自定义工作流的起点
- • 定制化：支持用户根据特定需求微调模型
获取方式
NVIDIA提供了多种方式帮助开发者快速上手：
Earth-2 Medium Range和Nowcasting模型现已通过Earth2Studio、Hugging Face和GitHub开放获取，Global Data Assimilation模型也即将发布。
最 后
NVIDIA Earth-2开放模型家族的发布，标志着气象AI技术从封闭走向开放，从少数人掌握到全球共享。这不仅是技术的进步，更是理念的革新。
通过将生成式AI与加速计算相结合，Earth-2不仅提供了前所未有的预测速度和规模，还通过简洁的API和统一的接口设计，让这项强大的技术变得触手可及。无论是气候科学家、机器学习工程师，还是对AI天气预测感兴趣的开发者，只需几行代码和几秒钟的时间，就可以运行复杂的全球天气预测模型。
在全球气候变化日益严峻的今天，让更多机构和研究者能够获得先进的气象预测能力，将有助于人类更好地应对气候挑战。