Microsoft Aurora AI 颱風預測超準確 實測效果表現優異【附香港使用方法】

近年來，全球氣候變遷導致極端天氣事件的頻率與強度顯著增加，其中颱風對沿海城市如香港構成日益嚴峻的威脅。這些強大的風暴不僅擾亂民生經濟，令到有機會出現停工停課，每當有颱風接近，不少人都十分關心。

傳統的天氣預測模型雖然功能強大，但其運作往往需要耗費大量的計算資源與時間，這也凸顯了對更精準、更快速預測能力日益增長的需求 。 人工智能（AI）的最新進展為氣象預測領域帶來了革命性的突破。AI 技術有望在提高預測性能和效率方面發揮關鍵作用 。Microsoft AI Aurora 正是這一變革的領跑者，它是一個開創性的 AI 基礎模型，旨在重新定義大氣現象的預測方式。特別是在颱風預測方面，Aurora 展現出前所未有的精準度，其「提前一天預警就能挽救許多生命」的能力，預示著它將成為社區和企業在應對極端天氣時的關鍵工具 。   

Microsoft AI Aurora 是甚麼？

Microsoft AI Aurora 是一個大規模的 AI 基礎模型，經過大量且多樣化數據的訓練，旨在超越傳統天氣預測，預測更廣泛的環境事件 。它利用 AI 的最新進展，以更高的精準度、更快的速度和更低的計算成本進行預測，超越了傳統數值預測和先前的 AI 方法 。Aurora 是一個擁有 13 億參數的基礎模型，專為天氣和氣候過程的高解析度預測而設計 。   

Aurora 的獨特之處在於其龐大且多樣化的訓練數據集。它在超過一百萬小時的地球物理及大氣數據上進行訓練 。這些數據來源廣泛，包括來自衛星、雷達、氣象站的實時數據，以及各種模擬和歷史預測數據 。Microsoft 研究人員認為，這是迄今為止為 AI 預測模型匯集的最大的大氣數據集 。預訓練數據混合了六個主要的天氣和氣候數據集，包括 ERA5、CMCC、IFS-HR、HRES Forecasts、GFS Analysis 和 GFS Forecasts 。這種數據多樣性使 Aurora 能夠接觸到大氣動態的各個方面，從而建立起對地球系統運作的全面理解 。   

Aurora 之所以被稱為「基礎模型」，是因為其訓練分為兩個主要階段。首先是「預訓練」階段，Aurora 在海量多樣化的天氣和氣候數據上學習通用的知識和表徵 。隨後進入「微調」階段，Aurora 能夠利用少量的額外數據，針對特定任務（如 10 天全球天氣預報、5 天空氣污染預測、熱帶氣旋預測）進行專業化適應 。即使在特定任務數據有限的情況下，模型也能表現出色 。Aurora 的能力遠不止於傳統天氣預測。它在空氣污染預測、海浪預測和熱帶氣旋預測等領域也表現出色 。這證明其作為「地球系統」基礎模型而非僅僅「大氣」基礎模型的能力。   

值得注意的是，Aurora 的學習方式與傳統模型有著根本區別。傳統氣象模型依賴於嚴格的基於物理的方程來模擬大氣現象 。然而，Aurora 則使用機器學習來分析海量數據集，並從中學習模式和關係 。研究人員在開發過程中特意避免過度規定 Aurora 的運行方式，允許其自主學習最有用的模式 。這種「物理無關」的方法讓 Aurora 有潛力捕捉傳統物理模型難以明確建模的複雜、非線性大氣動態 。它正在從數據中「學習物理」 ，這意味著在傳統物理模型可能難以應對或需要不斷複雜調整的新穎或極端氣候環境中，模型可能更具適應性和魯棒性。這代表了大氣建模方式的根本性轉變，從基於明確規則的系統轉向從數據中湧現的理解。這種方法可能導致在理解和預測當前模型難以處理的現象方面取得突破，尤其是在前所未有的氣候變遷條件下。

Aurora AI 的核心作用與顛覆性優勢

Aurora 的設計旨在實現更快、更準確、計算成本更低的環境預測，這對於應對日益頻繁的極端天氣至關重要。

• 在速度方面，Aurora 能夠在數秒內生成預測 。這比傳統模型在超級計算機上運行數小時甚至數天才能生成預測的速度快約 5,000 倍 。   
• 準確性方面，Aurora 在中程天氣預報中，於 91% 的預測目標上超越了現有的數值和 AI 模型 。在熱帶氣旋預測方面，它在 100% 的測試中擊敗了七個主要運營預測中心 ，並在 2022-2023 年氣旋預測中始終保持 20-25% 的更高準確性 。 
• 成本效益，儘管初始訓練成本高昂，但 Aurora 能夠以比傳統方法低數個數量級的計算成本實現這些先進的預測能力 。其運營成本比傳統模型低數百倍 。   

Aurora 的超高精準預測能力帶來了多方面的實際應用價值。在災害應變方面，通過精準預測颱風路徑和強度，Aurora 能幫助政府和社區提前準備，潛在挽救生命並減少財產損失 。快速可靠的預測對於緊急響應和氣候適應至關重要 。

• 物流和運輸領域，航空公司和航運公司可以利用 Aurora 的數據重新規劃航線，避開風暴，最大限度地減少延誤 。它還能增強降雨預測，優化農作物物流 。  
• 能源產業，再生能源供應商可以更好地預測風能和太陽能條件，提高電網效率 。  
• 公共健康方面，Aurora 能以前所未有的精準度預測空氣品質，幫助人們就戶外活動和室內空氣管理做出明智決策 。此外，Aurora 可通過歐洲中期天氣預報中心（ECMWF）網站供研究人員、氣象學家和其他專業人士使用 。其原始碼和模型權重已在 Azure AI Foundry Labs 上公開，鼓勵開發者在此基礎上進行創新 。這有助於民主化尖端 AI 技術的獲取 。   

儘管 Aurora 功能強大，但它旨在補充而非取代現有預測系統。它只是天氣預測流程中的一個環節，其輸出在投入實際運營前仍需額外驗證 。它旨在補充當前的預測系統。傳統模型需要超級計算機和專業團隊，導致許多社區無法使用 。然而，Aurora 提供低數個數量級的計算成本 ，並且免費在線提供 。這大大降低了獲取高品質預測的門檻。這不僅僅是大型組織的效率提升；它關乎民主化精準高效的地球系統預測 。這對於全球南方國家、小型氣象服務機構以及專注於局部氣候風險的研究團隊來說尤其有價值 。這將氣象預測的權力動態從少數資源充足的實體轉移到更廣泛的全球社區，促進更具地方性和響應性的氣候韌性工作。這種變革可能導致對氣候變遷影響的更公平的全球應對，因為更多社區將獲得關鍵的預測工具。

傳統氣象模型與 Aurora AI 的對比

Aurora 的預測原理

傳統氣象模型通過求解複雜的物理方程來模擬天氣演變 。然而，Aurora 則採用了根本不同的方法：它利用機器學習算法，從海量的歷史天氣數據中學習模式和關係，從而預測未來的天氣變化 。這標誌著氣象預測領域從基於物理模擬向數據驅動 AI 的重大轉變。Aurora 是一個擁有 13 億參數的基礎模型，其架構靈活，採用 3D Swin Transformer 和基於 Perceiver 的編碼器和解碼器。   

Aurora 的卓越性能源於其獨特的雙階段訓練過程。在預訓練階段，Aurora 在超過一百萬小時的龐大且多樣化的天氣和氣候數據集上進行訓練 。這包括分析數據、再分析數據和預測模擬等。其目標是學習大氣動態的通用目的表徵，並最小化下一時間步的平均絕對誤差 (MAE) 。預訓練完成後，Aurora 即可針對特定的預測任務進行微調，例如 10 天全球天氣預報、5 天空氣污染預測或熱帶氣旋預測 。這個階段僅需少量高質量數據，就能讓模型快速適應新任務，即使在任務特定訓練數據有限的情況下也能表現出色 。研究人員特意避免過度規定 Aurora 的運作方式，使其能夠自主學習最有用的模式 。   

在數據整合與架構方面，Aurora 依賴於靈活的「編碼器架構」，將來自衛星、雷達、氣象站、模擬和預測等不同來源的原始異構數據轉換為模型可以使用的標準化 3D 表徵 。處理器（核心）隨時間演變這種表徵，解碼器再將其翻譯回預測結果 。   

Aurora 颱風精準實測

Aurora 在颱風預測方面取得了令人矚目的成就，以颱風 Doksuri (2023 年 7 月) 為例，Aurora 提前四天準確預測了其在菲律賓北部登陸，而當時的官方預測則錯誤地指向台灣 。在颱風 Nanmadol (2022 年 9 月) 期間，Aurora 在預測由其引起的海浪細節（包括高度和方向）方面表現出色，在 86% 的比較中達到或超越了現有模型 。從整體氣旋預測表現來看，在 2022-2023 年熱帶氣旋季中，Aurora 在預測 5 天熱帶氣旋路徑方面超越了美國國家颶風中心 。研究人員發現，在全球範圍內，它在 2022-2023 年氣旋路徑預測中，在 100% 的情況下擊敗了七個主要預測中心 。此外，Aurora 還成功提前一天預測了 2022 年伊拉克沙塵暴 ，並且是唯一一個正確估計 2023 年秋季襲擊西北歐的 Storm Ciarán 峰值風速的模型 。   

這些卓越表現的背後，是 Aurora 在極端事件中「從混亂中學習」的能力。Aurora 在超過一百萬小時的多樣化地球物理數據上進行訓練 ，其中包括天氣和氣候模型生成的模擬數據 。它特別擅長處理極端事件 。多樣化的數據來源導致整體上更高的準確性，也意味著在預測極端事件方面表現更好 。儘管香港天文台指出 AI 模型在預測由於歷史數據缺乏而導致的「罕見」極端事件方面存在局限性 ，但 Aurora 能夠從模擬中學習的能力  可能彌補了這一局限。它可以從龐大的模擬和真實數據集中學習混沌動態  和複雜模式 ，這使其在預測不常見但影響巨大的事件方面具有優勢。這表明從純粹依賴歷史觀測的稀有性轉向利用模擬場景來建立未來極端情況的魯棒性。這種「從混亂中學習」的能力對於未來氣候波動日益加劇的局面至關重要，能夠更好地為超出歷史規範的事件做好準備。   

儘管 Aurora 表現出色，作為基於神經網絡的模型，它也存在固有的局限性。它無法嚴格保證預測始終準確，尤其是在輸入數據被篡改、提供訓練集之外的樣本或「不走運」的樣本時 。此外，它可能繼承訓練數據集中的偏差 。其輸出不應直接用於個人或企業的運營規劃，需要額外的驗證測試才能投入實際運營 。香港天文台也指出，AI 模型在預測熱帶氣旋強度方面仍有不足，且其在預測歷史上罕見的極端天氣事件方面的能力尚待驗證 。   

如何在香港使用 Microsoft AI Aurora 預測颱風？

儘管目前沒有公開資料顯示香港天文台（HKO）已與微軟就AI Aurora模型展開直接的合作或試點項目，但香港天文台一直積極探索和評估AI在天氣預報中的應用，包括使用AI驅動的模型，並致力於利用科技提升服務。香港特區政府也積極推動AI技術在智慧城市和公共服務中的應用。在剛剛過去 2025 年 6 月中的颱風「蝴蝶」過後，天文台便發表文章，分析了傳統風象預測與 AI 預測的分別，比較使用傳統模式的歐洲 ECMWF 和美國全球預報系統 GFS，以及歐洲 AIFS 和伏羲 AI 大模型推算結果，發現在今次的案例中，AI 預測有更高的精準度。

現時 Microsoft 旗下的 MSN 天氣，已經整合 Microsoft AI Aurora，而更新版本更可以實時定位，為用戶提供附近的天氣情況，以及未來天氣預測。

使用方法

Step 1 選擇地區及主題

首先，進入 MSN.com，然後在「頁面設定」內選擇「香港特別行政區 (繁體)」。

Step 2 進入天氣頁面

點擊進入天氣頁面後，就能自動定位，並提供當前位置的天氣情況，包括降雨、風、空氣質素濕度、雲量、體感溫度等。

Step 3 惡劣天氣警告

進入惡劣天氣頁面後，便可以查看閃電、降雨、颱風等警告，並在地圖上精準看見影響範圍。

Step 4 颱風路徑預測

大家最關心的颱風預測，其實只要點擊「颱風」後，就能查的當前最接近的颱風資料，並會提供預測路徑、風速、位置、最大陣風等資料。

Step 5 健康與安全建議

除了預測天氣外，它還非常貼心提供健康與安全建議，針對當前及預測的天氣情況，提醒是否要帶雨傘、衣著、駕駛、戶外活動等建議。

【熱門報道】

Source : ezone.hk