GraphCast
Google DeepMind开发的第一代AI气象预测模型，在中期天气预报（3-10天）精度上与传统数值天气预报系统持平甚至局部超越，推理速度大幅优于传统方法
时间轴 (近 90 天)
纯AI气象模型（如GraphCast、盘古气象）普遍在十天以上时效的精度保持上遇到瓶颈。
Google的GraphCast是一种基于图神经网络的全球中期天气预报模型，能在单台TPU上以不到一分钟的时间生成十天预报，并在多项指标上超越了ECMWF的传统高分辨率模型。
GraphCast、Pangu-Weather、FourCastNet等机器学习模型在中短期预报中已展现出与顶级数值模式相当甚至更优的精度，且推理速度比传统模式快数千倍。
GraphCast是专为气候与天气预测设计的模型
GraphCast 基于图神经网络，Pangu-Weather 和 FengWu 基于 Transformer，普遍采用 6 小时步长的自回归预报，预报时效通常在 10 天以内
Pangu-Weather采用三维Transformer并引入地球专用位置编码，GraphCast将地球网格转换为图结构建模远程大气遥相关，GenCast通过概率生成方式支持集成预报
谷歌DeepMind的GraphCast和谷歌Research的NeuralGCM是AI气候建模方向的近期代表性成果
FourCastNet、Pangu-Weather、GraphCast 等 AI 天气模型通过在 ERA5 等长期再分析数据集上训练，学习大气动力学的统计规律
GraphCast、Pangu-Weather 为代表的第一代AI气象模型已在中期预报（3-10天）精度上与NWP持平甚至局部超越
DeepMind在2023年推出了GraphCast模型，基于图神经网络架构，在ECMWF的WeatherBench 2基准测试中其10天预报精度在90%以上的指标上超越了当时最先进的HRES系统
全部知识事实 (10)
谷歌DeepMind的GraphCast和谷歌Research的NeuralGCM是AI气候建模方向的近期代表性成果
70%待验证纯AI气象模型（如GraphCast、盘古气象）普遍在十天以上时效的精度保持上遇到瓶颈。
50%待验证Google的GraphCast是一种基于图神经网络的全球中期天气预报模型，能在单台TPU上以不到一分钟的时间生成十天预报，并在多项指标上超越了ECMWF的传统高分辨率模型。
50%待验证GraphCast、Pangu-Weather、FourCastNet等机器学习模型在中短期预报中已展现出与顶级数值模式相当甚至更优的精度，且推理速度比传统模式快数千倍。
50%待验证GraphCast是专为气候与天气预测设计的模型
50%待验证GraphCast 基于图神经网络，Pangu-Weather 和 FengWu 基于 Transformer，普遍采用 6 小时步长的自回归预报，预报时效通常在 10 天以内
50%待验证Pangu-Weather采用三维Transformer并引入地球专用位置编码，GraphCast将地球网格转换为图结构建模远程大气遥相关，GenCast通过概率生成方式支持集成预报
50%待验证FourCastNet、Pangu-Weather、GraphCast 等 AI 天气模型通过在 ERA5 等长期再分析数据集上训练，学习大气动力学的统计规律
50%待验证GraphCast、Pangu-Weather 为代表的第一代AI气象模型已在中期预报（3-10天）精度上与NWP持平甚至局部超越
50%待验证DeepMind在2023年推出了GraphCast模型，基于图神经网络架构，在ECMWF的WeatherBench 2基准测试中其10天预报精度在90%以上的指标上超越了当时最先进的HRES系统
50%