微软 AI 天气预报登上 Nature：把可靠预报从 2 周拉长到 6 周

天气预报的「可靠边界」，一直卡在两周左右——再往远报，物理模型和 AI 模型都会因为误差累积而失灵。微软研究院说，他们把这个边界推到了 6 周。

10 月 14 日，这项研究成果登上《自然》（Nature）：一个叫「概率偏差校正」（PBC）的机器学习框架。论文 4 月 17 日投稿、9 月 4 日接收，代码当天就开了源。

不造新模型，专修老模型的毛病

PBC 的思路和主流路线不同：不训练一个新的天气大模型，而是给现有模型加一层「纠偏器」。它学习一个模型历史上的系统性错误——比如训练数据还是更凉爽年代的气候基线，就会系统性低估现在的温度——然后在输出上修正。

效果数字不小：套在欧洲中期天气预报中心（ECMWF）的旗舰物理模型上，降水技能分数提升了三倍，温度和气压目标各有 91-98% 的格点得到改善；套在 ECMWF 的 AI 预报系统 AIFS 上，技能分数直接翻倍。

实战成绩也拿得出手：在 ECMWF 发起的 AI Weather Quest 实时竞赛里，微软团队基于 PBC 的 MicroDuet 方案，在首个三个月赛季的全部天气变量和预报时效上拿了第一，战胜 6 家国家级预报中心和全球 34 支队伍；它还提前 19-26 天预警了 2026 年初袭击美国的两场暴风雪。

便宜的才是颠覆的

这项工作另一个容易被忽略的亮点是成本：PBC 足够轻量，普通 CPU 就能跑，每天用可观测数据增量训练即可——不像端到端 AI 天气模型那样吃 GPU。研究者对《The Verge》说，这对算力有限的国家和机构意义重大：农业灌溉、野火防范、灾害储备，都能在几周前拿到更有用的参考。

代码已经在 GitHub 上开源，任何气象机构都可以直接拿去验证。同行 Google 和英伟达也在做 AI 天气预报，但微软这手「修正而非替代」+ 论文开源两手抓，可能是让研究成果最快落地的一条路。