微软本周一扔出了一颗重磅冲击波——正式发布了首个专为天气预测打造的大型大气基础模型，代号Aurora（极光）。这个名字取得很贴切，因为它不仅能预报天气，连大气变化的细节都能捕捉得相当精准。

简单来说，Aurora是一个拥有13亿参数的基础模型，专门用来做高分辨率的天气和大气过程预报。它的架构设计很有意思——基于灵活的3D Swin Transformer，搭配了3D感知器风格的编码器和解码器。在预训练阶段，团队花了不少心思：他们同时处理了来自多个异构数据集的数据，这些数据集的分辨率、变量类型、压力水平都不一样，Aurora要做的就是在这堆“杂牌军”里最小化整体损失。预训练完成后，微调分两步走：先用预训练权重做短前置时间的微调，再用低秩自适应（LoRA）技术做长前置时间（rollout）的微调。最后部署出来的模型，就能应对不同分辨率下的各种实际预报场景了。

训练数据量相当可观——超过一百万小时的不同天气和气候数据。正是得益于这种“广撒网”式的基础建模思路，Aurora在处理那些训练数据稀缺、变量异构、甚至极端事件预报等棘手问题时，依然能给出业务级的预测结果。

官方还透露了几个让人眼前一亮的特性：

• Aurora不到一分钟就能生成5天的全球空气污染预测，同时还能产出10天的高分辨率天气预报。速度上相当惊人。

• 在空气质量预测这块，它的表现尤其出色——计算成本远低于传统的CAMS（哥白尼大气监测服务），但精度却不相上下。

• 天气预测的精度达到了0.1°，而且对极端事件（比如风暴Ciarán）的捕捉能力很强。

• 在极端值的预测上，无论是现有的AI模型还是传统的数值天气预报模型，都被它甩在了后面。

• 更关键的是，在多数据集的预训练中，Aurora展现出的综合能力，甚至超过了那些为特定任务精心打造的深度学习模型和最先进的数值天气预报模型。

一句话总结：微软这次拿出的Aurora，不是某个特定场景的“偏科生”，而是一个能同时搞定天气预报、空气污染预测和极端事件预警的全能型选手。而且，它跑起来还特别快。