ECMWF称AI预报在地面温度上比物理模型最多提高20%，而印度气象局的2026年季节报告没有提到它5月12日推出的AI季风预报

欧洲中期天气预报中心（ECMWF）在2025年7月1日把一套AI集合预报投入业务运行，一次51个预报，并称它在地面温度上比该中心的物理模型最多好20%。发布稿没有点明这个数字背后的评分方法和模型版本。十五个月之后，关于AI天气模型的公开证据分为三类：开发者给出的数字，外部团队给出的数字，以及，对于印度的首个AI季风预报，一份没有任何准确率数字的发布稿。

欧洲的AI集合预报与物理模型并行运行

集合预报，是从略有差别的初始条件出发的一组预报，所以各预报之间的离散程度，显示了这次预报有多大把握。ECMWF的人工智能预报系统（AIFS）在2025年2月底以单一预报的形式投入业务运行，7月1日又以51个成员的集合预报AIFS ENS投入运行。

ECMWF的发布稿说，AIFS ENS的格点为31公里，其物理集合预报是9公里。它仍然依赖物理系统的资料同化，也就是把观测融入大气初始图像的那一步。ECMWF说，它的运行速度快10多倍，耗能大约少1000倍。该中心预报与服务主任弗洛里安·帕彭贝格尔（Florian Pappenberger）说：“我们认为AIFS和IFS是互补的。”

ECMWF自己的评分表里也有落后之处

在2025年10月那期通讯里，ECMWF的Simon Lang和Linus Magnusson，用中心自己的分析场以及气象站和探空气球的观测，把AIFS ENS与物理集合预报IFS ENS作了比较。高空变量的改进最多达25%。2米气温在每个预报时效上得分都更好，24小时降雨在预报的前半段得分更好。对站点数据的10米风速，IFS ENS技巧更高，而在100 hPa（大气高层的一个层面）的温度上，AIFS ENS更差。

同一篇文章里还有2025年4月的两个个例。4月16日和17日的风暴汉斯（Storm Hans）期间，意大利北部和瑞士南部24小时内降雨最多达446毫米。两套集合预报都再现了降雨的分布，也都低估了峰值，AI集合预报偏差更大。作者点出格点大小，约30公里对约9公里，是一个可能的因素。4月30日，法国遭遇热浪，物理集合预报即使在短时效上也低估了它。AI集合预报更接近，ECMWF说正在调查物理系统为何不足。

2026年5月12日，ECMWF把AIFS v2与新的物理版本50r1一同启用。2026年5月的通讯报道，相对IFS 50r1，有效波高的误差下降了大约10%。通讯还说，更真实的垂直气流运动“并没有直接转化为更好的检验得分”。两套系统都是ECMWF自己建的，自己评分的，所以这些表格出自同一个机构。

谷歌、微软和英伟达发布自己的数字

谷歌DeepMind的GenCast，在2024年12月的一篇文章中随一篇《自然》论文一同介绍，在1,320种变量与预报时效的组合中，有97.2%比ECMWF的物理集合预报更准确，在36小时以后则是99.8%。DeepMind用截至2018年的数据训练它，用2019年的数据测试。2025年11月17日，谷歌宣布了WeatherNext 2，并称它在0至15天的变量和预报时效上，有99.9%胜过自己较早的WeatherNext模型。这个比较的对象是谷歌自己的上一代模型，而不是外部的系统。DeepMind另一个气旋模型，以及它2026年8月6日发表在《自然》上的论文，见我们关于WeatherNext气旋成果的文章。

微软的Aurora，2025年5月21日发表于《自然》，在0.1度格距下，10天内92%的目标上胜过ECMWF的高分辨率物理预报IFS HRES。对于2022年和2023年的风暴，它在五天气旋路径的全部目标上，100%胜过七个业务中心。作者说，在最短的预报时效上，HRES在许多目标上胜过Aurora，Aurora的初始条件仍需要传统的资料同化系统，集合版本也尚未建成。数位作者为微软工作或持有其股票，论文对此作了说明。

英伟达的Earth-2开放模型系列，2026年1月26日宣布，称其中期模型在最常见的变量上，“在标准基准测试”中优于领先的开放模型。这篇文章没有说是哪些基准。它唯一量化的用户成果，来自以色列气象局局长Amir Givati，他报告在2.5公里分辨率下，与在CPU集群上运行的传统物理模型相比，计算时间减少了90%。

外部测试发现差距在极端事件上

Zhongwei Zhang、Erich Fischer、Jakob Zscheischler和Sebastian Engelke在2026年的《科学进展》上撰文，把GraphCast、Pangu-Weather和Fuxi这三个确定性AI模型，与ECMWF的HRES比较，对象是创纪录的高温、低温和大风。几乎在所有预报时效上，HRES的误差都更低。AI模型低估了创纪录事件发生的频率，也低估了它们的幅度，并且低估了高温纪录，高估了低温纪录。作者写道，这些模型在单独用于预警之前，还需要更多的检验。他们2025年8月的预印本说，其大部分分析只依据一个测试年份，即2020年，而且没有测试概率模型。

2025年5月，Y. Qiang Sun、Pedram Hassanzadeh等人发表在PNAS上的一篇论文，把FourCastNet模型重新训练，剔除了1979至2015年的全部3至5级热带气旋，然后用2018至2023年的20个5级风暴来测试。它没有预报出这些风暴的增强。对飓风“李”（Lee），预测的最低气压从未低于980 hPa，而参照数据是960 hPa。作者说，这项研究只涉及一个模型和一种极端事件。

在物理一致性方面，同一团队报告说，FourCastNet的风场和气压场违反了梯度风平衡，这是二者之间的一个基本联系。ECMWF的通讯列出了AIFS ENS第1版的相关缺陷，包括山区上空的气压值异常，以及干燥地区出现微弱的虚假降雨。

印度2025年的一次公布了评分的试验

2025年，印度农业和农民福利部向13个邦的3800万农民发送了每周的季风开始概率预报。Colin Aitken等人2026年3月9日的预印本介绍了方法，作者中有Michael Kremer、Pedram Hassanzadeh和William Boos。它把谷歌的NeuralGCM和ECMWF的AIFS，与一个依据印度气象局（IMD）过去雨量计记录建立的、反映农民预期的统计模型融合起来。2026年2月3日的一篇配套预印本说，在样本外测试中，AI模型能提前数周熟练地预测一项开始指数。

这些数字来自2000至2024年的留一年检验。在一周时效上，融合模型的布赖尔评分（衡量概率预报误差的指标）比仅用农民预期的模型改进了大约15%，比单纯的气候平均改进了25%。技巧随预报时效下降，但直到四周仍为正值。2025年，季风自5月29日起停滞了两周多，融合模型的得分比气候平均好约20%。

作者列出了一些注意事项。2000至2018年的测试年份与AI模型的训练年份重叠，这可能夸大准确率。事后挑选表现最好的模型，可能使评分偏高。2025年只有28个格点（每个宽2度）得到了预报。

印度2026年的发布，以及季节报告涵盖的内容

2026年5月12日，地球科学部国务部长吉滕德拉·辛格（Jitendra Singh）推出了地球科学部的两项产品，由IMD、浦那的印度热带气象研究所（IITM）和国家中期天气预报中心（NCMRWF）联合研制。印度新闻信息局（PIB）把第一项描述为IMD的首个AI驱动系统。它每周三发布季风推进的概率预报，最长提前四周，面向16个邦、3,000多个分区的农民。它结合了AI模型、延伸期预报系统和统计方法。

第二项是北方邦的一个试点，生成最长提前10天、分辨率1公里的降雨预报。它采用对雨量计、气象站、多普勒雷达和卫星数据的AI降尺度。PIB的发布稿没有给出这两项产品的准确率数字。稿中仅有的准确率数字描述的是常规预报，比如部长称过去十年里恶劣天气的预报准确率提高了近40%。IMD的气旋登陆误差是怎么变化的，见我们关于印度气旋预警的文章。

2026年7月23日，部长在联邦院的书面答复中说，实时运行的全球模型是IMD的GFS和NCMRWF的Mithuna，分辨率都是12公里，而巴拉特预报系统（Bharat Forecast System）是6公里。答复把这些称为数值天气预报系统。

IMD在2026年9月30日的季节报告里，把90%至92%长期平均的季节预报，与87%的实际结果作了对照评分。报告记录说，5月26日的喀拉拉邦开始日期预报（误差幅度为四天）没有命中6月4日的实际日期，这是2005年开始业务性开始日期预报以来的第二次落空。这个季节是如何展开的，见我们关于2026年季风的文章。报告没有提到AI季风推进产品。