Related articles
2025 年 10 月 1 日，欧洲中期天气预报中心 （ECMWF） 宣布向全球用户开放实时数据目录，包括综合预报系统和人工智能预报系统生成的数据。公众可以获取 ECMWF 每日 4 个预报时次，每次覆盖未来 1-15 天的全球范围，最高分辨率可能至 0.1° 格点预报数据。这些数据中包含温湿度、气压、降水、风速、位势高度、涡度和散度等众多预报变量，层面上则支持 1000hPa、925hPa 直至 50hPa，共 13 个标准等压面。
无独有偶，在一周前的 9 月 23 日，中科曙光旗下企业中科天机也发布“ 高分辨率气象数据共享计划”（以下简称共享计划），共享计划旨在面向世界用户开放全球 12 公里及中国区域 3 公里分辨率、15 天逐小时输出的 160 余项气象要素模式数据，并将共享“ 中国区域公里级数据”“ 全球次季节 12 公里数据”“ 中国区域 2.5 公里低空三维数据” 等融合数据。
欧洲中期天气预报中心与中国企业不约而同地共享与开放数据，正引发整个气象数据服务行业的价值共振。
开放数据—— 商业化的第一步
AI 时代，数据开放共享已从“ 可选项” 变为“ 必选项”。国家数据局 2024 年数据显示，中国 2022 年数据产量达 8.1ZB（约等于 81 亿部 100GB 手机的存储量），但政府掌握的 80% 高质量公共数据仍处于“ 沉睡” 状态，而训练一个行业大模型需至少千万级标注数据，数据供给缺口达 60%。这场由 AI 倒逼的 “ 数据革命”，正通过制度创新与技术突破，重塑数字经济的生产力格局。
数据开放共享的加速推进，首先源于顶层设计的系统性重构。2022 年 《关于构建数据基础制度更好发挥数据要素作用的意见》 出台后，全国已形成 “ 中央统筹+地方试点” 的发展格局，31 个省份出台数据要素市场化改革方案，12 个国家级数据交易所陆续运营，为 AI 发展扫清制度障碍。
从目前应用上看，政府主管部门是数据开放共享最大的“ 贡献者”，比如，福建省通过 《大数据发展条例》 确立“ 三权分置”（所有权、经营权、使用权分离） 机制，建成全省统一的数据汇聚平台，接入 2000 多个政务系统，汇聚数据超 1400 亿条。在公共数据开放平台上，近 4 万个数据目录、6000 多个接口向社会开放，累计提供 1.5 亿次数据下载服务，催生了 “ 社保快贷”“ 水系调度” 等 62 个 AI 应用场景。
不过，在政策的号召之下，也有不少企业选择将数据开放共享出来，进行行业的赋能。比如前文提到的中科天机就开放了其在全球 12 公里/中国区域 3 公里分辨率、15 天逐小时输出的气象全要素模式数据。
开启商业气象共赢模式
近年来，世界气象组织 （WMO） 首要推动的联合国全民早期预警行动计划促进了对预报产品的需求，客观上推动了数据和模式的开放共享。随着科技快速迭代与进步，人工智能技术发展、气象预报预测能力的提升也在催生数据与技术开放共享。
另一方面，据中国气象局的预测显示，到 2030 年，中国气象数据开放量将突破 500PB，带动相关产业规模超 5000 亿元。但要实现这一目标，仍需跨越安全、标准、收益的障碍。
而中科天机开放了其气象数据的举措则是与 ECMWF“ 不谋而合”，与 ECMWF 开发的数据相比，天机数据主要具有四个方面的差异化优势。
首先是，更高分辨率的中国区域数据。相比 ECMWF 数据，中科天机不仅共享全球 12 公里数据，同时还提供了更高分辨率的中国区域 3 公里数据。这些精细化数据可以更好地满足新能源、低空经济、航空等领域对气象数据分辨率的更高要求。
二是更高的数据输出频率。同样是 15 天、360 小时的数据时长，中科天机数据可以保证逐小时间隔输出，而 ECMWF 数据采取了分级输出，即 0-90 小时的数据按 1 小时间隔输出，而 90 小时以上的数据按 3 小时和 6 小时间隔输出。对于风力发电这类需要高频气象数据支撑的企业而言，更密集的数据显然可以更好地满足需求。
三是更低的数据获取成本。目前国内用户仅需登录中科天机官网即可免费下载想要的数据。而 ECMWF 数据获取成本包含信息费、数据量费和服务费三部分，目前只有信息费被免去，用户一般需要约 190 万才能获取其一年全球 160 余项的所有气象要素，其中还未包含国际带宽费用。
四是更便捷的数据可视化服务。用户在中科天机官网即可使用其先进的可视化平台，进一步提升数据的应用便捷性，让数据价值更快、更精准地触达用户，而 ECMWF 共享数据则需要通过第三方平台实现可视化。
在四个差异化优势之下，是包括动力与物理深度融合技术、全球自由变焦技术、球立方网络技术、次网络地形技术、气象 AI 大模型技术、全模块异构加速技术，以及非静力平衡假设在内的 7 大技术的底层技术支撑。
以动力与物理深度融合技术为例，其实现了在质量、能量守恒的前提下，做到动力与物理的深度融合。而在 7 大技术的支持下，中科天机最终解决了高分辨率模拟所碰到“ 灰区”，以及高分辨率模拟中的时效性，这两大困扰气象学领域难题。
对此，中国科学院大气物理研究所朱江研究员表示，由于气象预报的混沌特性和不确定性，决定了单一数据存在局限性，多种数据的综合应用可以有效提高应用的质量。
从"单打独斗"走向"协同创新"
不仅于此，数据集的开放对于 AI 时代实现“ 开放共享” 也仅仅是一个开始，“ 共享计划” 是中科天机加入 AI 计算开放架构后，为商业气象大模型提供高质量数据集构建能力的关键举措，也是中国企业首次向全球共享高分辨率气象数据的重要行动，可为新能源、农业气象、智慧水利、航空保障、轨道交通、航海运输、低空经济等领域的数智化发展提供有效数据支撑。
就在中科天机宣布开放天机数据前不久举办的 2025 世界智能产业博览会上，中科曙光协同 AI 芯片、AI 整机、大模型等 20 多家产业链上下游企业，共同发布国内首个 AI 计算开放架构。
纵观全球气象数据开放进程，本质上都是通过制度创新和技术突破释放数据要素价值。而中科曙光构建的 AI 开放计算架构，则在此基础上更进一步—— 它不仅是技术底座的革新，更是对 AI 产业发展模式的系统性重构。
该架构以 GPU 为核心构建高效紧耦合系统，通过"算、存、网、电、冷、管、软"七大维度的协同创新，实现了从单点突破到集群创新的跨越式发展。这种开放架构的深层价值，在于构建了可持续发展的 AI 生态体系。正如智能手机领域安卓系统通过开放生态催生应用爆发，中科曙光的开放架构正推动 AI 产业从"单打独斗"走向"协同创新"。（本文首发于钛媒体 APP，作者｜张申宇，编辑丨盖虹达）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
