“世界模型预测气候”很容易让人想到一个 AI 看过卫星图后，直接说出几十年后的天气。这个想象混合了三个不同问题：明天是否下雨，未来十年平均气候如何变化，以及在某种外部强迫下地球系统会呈现什么统计分布。
机器学习确实正在改变天气与气候建模，但它不是水晶球。在这个领域，“世界模型”更接近一个学习到的动态模拟器：给定当前大气海洋状态或外部条件，估计系统下一步怎样演化。能否把短期预测滚动到长期，取决于物理约束、误差累积和训练范围。
## 先分清天气、气候与代理模型
天气预报关心某个具体初始状态接下来几小时到十几天如何演化。大气具有混沌性，初始观测中的微小误差会逐渐放大，因此预报通常需要多组初始条件形成集合。
气候投影不试图说出 2050 年某天的具体风雨，而是研究多年平均、季节循环、极端事件频率和区域分布在不同外部强迫下如何变化。它依赖大气、海洋、陆面、冰雪和生物地球化学过程的长期耦合。
气候代理模型则学习复现某个高成本物理模型的输入输出。它能快速近似大量实验，但首先继承教师模型的假设与偏差。代理跑得快，不代表比原模型更接近真实地球。
## 世界模型到底学了什么
一个天气 AI 常把地球表面和不同高度层上的温度、风、湿度、气压等变量编码成网格或图结构，再学习六小时后这些变量的变化。反复把输出作为下一步输入，就得到一条时间轨迹。
GraphCast 使用图神经网络在多尺度网格上传播信息，研究论文报告了十天中期预报的广泛指标。它展示了数据驱动模拟器能够快速学习大尺度大气动力，但任务仍是从已知初始状态进行天气预报。
真正用于气候的模型还要在数月、数年乃至更长时间内保持统计稳定，正确响应温室气体、气溶胶、太阳辐射或海表温度变化。短期误差小，只是必要条件之一。
## 场景一：用集合而不是单线回答
单条预测容易给人虚假的确定感。集合预报从略有不同的初始状态或模型随机性出发，生成多条可能轨迹，观察结果的分布。它能回答“发生强风的概率有多大”，而不是只画一条最可能路径。
GenCast 是生成式集合天气模型的例子，研究重点是中期概率预报。快速生成大量成员，可以让研究者更细致地估计尾部风险，并比较不同路径的一致程度。
这项能力对气候研究也有启发：若代理模型足够稳定，便可运行更多集合成员，把内部自然波动与外部强迫响应分开。不过天气集合的短期可靠性不能直接外推到几十年，长期校准仍需独立测试。
## 场景二：物理骨架与神经网络混合
纯数据模型擅长从历史状态中学习模式，却可能不严格满足能量、质量和动量守恒。传统数值模型从物理方程出发，但云、湍流和降水等小尺度过程无法在全球网格中全部解析，只能用参数化近似。
混合模型保留可计算的大尺度动力方程，再让神经网络学习难以显式描述的部分。NeuralGCM 就是一种可微分的混合大气模型，研究同时考察天气预报和气候模拟。
这种结构的价值不是给 AI 贴上“懂物理”的标签，而是让已知守恒关系和数值结构成为模型骨架。神经网络负责的部分仍要检查是否在训练范围外产生不合理通量，长期积分是否出现漂移。
## 场景三：加速昂贵的气候实验
完整地球系统模型一次高分辨率、长时间、多成员实验可能消耗大量计算。代理模型学会近似其响应后，可以快速扫描更多外部条件、参数组合和初始状态，再把最值得研究的区域交还给高保真模型。
ClimateBench 提供了数据驱动气候投影的基准任务，让模型根据二氧化碳、甲烷、气溶胶等强迫序列预测温度和降水等年平均空间场。这适合比较代理方法，也显示了任务边界：基准目标来自一个气候模型，而不是未来真实观测。
快速代理还能支持敏感性分析。研究者逐一改变云参数、海洋混合或外部强迫，观察哪些因素最影响结果。科学收益来自能做更多可比较实验。
## 场景四：把全球结果带到区域尺度
全球模型网格难以解析城市地形、海岸线和局地对流。机器学习可以学习全球场与高分辨率区域场之间的关系，生成更细的空间结构，这通常称为降尺度。
降尺度不是把图片放大。模型需要保持降水总量、温度分布和空间相关性，并在山地、沿海和极端天气中接受单独验证。若训练资料主要来自常见天气，漂亮细节可能只是符合视觉纹理，并非真实物理信号。
更稳妥的流程，是以全球模型和区域物理模拟作为条件，结合地面站、雷达和卫星观测校正；输出概率范围，并让使用者知道细化结果来自哪些假设。
## 场景五：快速发现值得关注的极端轨迹
极端事件样本少，却往往最受关注。快速世界模型可以生成大量候选轨迹，从中筛选强降水、热浪或异常环流，再用物理模型复算和专家分析。这类似先用低成本望远镜扫描，再用高精度仪器跟踪。
困难在于，模型可能从未见过更强的外部强迫或罕见组合。训练分布之外的输入，会让普通插值问题变成外推。极端值被平滑、位置偏移或概率失准，都可能被全球平均误差掩盖。
因此极端评测要关注阈值超越、空间位置、持续时间、强度和概率校准，而不只看均方误差。被 AI 标出的事件也应回到原始观测与动力诊断中核对。
## 最大挑战：长期稳定不等于长期正确
自回归模型每一步都使用上一步输出，小偏差会不断反馈。有的模型数值上可以运行一百年，却逐渐偏离合理的季节循环；有的模型平均温度稳定，却破坏能量或水分守恒。
研究者需要同时检查数值稳定、物理一致和统计气候。能量、质量与水循环是否闭合；季节、纬向梯度和主要环流是否合理；内部变率的频谱是否接近参考；外部强迫变化后，响应方向和幅度是否可信。
相关研究表明，把守恒约束写入损失或架构可以改善物理一致性与分布外泛化。但任何单项约束都不是万能保险，地球系统还包含多尺度耦合和慢过程。
## 训练资料本身不是无误真相
许多天气 AI 使用再分析资料训练。再分析把观测与数值模型结合，形成时间连续的最佳估计，但它仍受观测覆盖和同化系统影响。卫星时代前后、海洋与陆地、发达地区与偏远地区的数据质量并不均匀。
气候代理常从 CMIP 等模式实验学习。CMIP6 通过统一实验设计比较多个模型，这些模型对同一强迫仍会给出不同响应。若代理只模仿其中一个模型，它可能把那套模型特有的偏差学得很准确。
## 一套分层验证方法
第一层检查单步和短期天气技巧，按变量、高度、区域、季节和预报时效分解。第二层检查概率校准和极端事件，不能只汇总全球平均。WeatherBench 2 提供了可复现的天气模型比较框架，也明确提醒头部指标并不覆盖所有用途。
第三层进行长期自由积分，检查守恒、漂移、季节循环和内部变率。第四层测试分布外条件，例如未见年份、不同外部强迫和罕见气候状态。第五层做下游验证：能源、农业或水文模型使用这些输出后，结论是否稳定。
2025 年对 ClimateBench 的研究还显示，简单线性方法在部分区域变量上可以胜过大型深度模型。这是重要提醒：复杂模型必须和朴素基线公平比较，参数更多并不自动等于科学信息更多。
## 科学工作流中的正确位置
AI 世界模型适合成为快速实验器、集合生成器和候选事件筛选器。它可以与物理模型互相校验，让研究者把计算预算集中到关键试验。
它不应单独承担最终结论。模型输出需要附带训练范围、初始资料、版本、集合分布和已知限制；与物理模型或观测冲突时，差异本身就是需要研究的信号，而不是选择更顺眼的结果。
## 结语：快模拟打开的是实验空间
世界模型的重要创新，不是给出唯一未来，而是以更低成本生成更多可检验的未来轨迹。集合预报、混合动力学、气候代理、区域降尺度和极端筛选，都因此获得新的实验空间。
但时间尺度越长，物理约束、数据偏差和分布外泛化越重要。把天气预报、气候投影和代理仿真分开定义，再用守恒、稳定性、概率和独立观测逐层验证，AI 才能成为地球系统科学的可靠工具。
## 参考资料