全球协作的超级基建

目 前，有超过10000个人工和自动地面气象站、1000个高空站、7000艘船舶、100个系泊浮标和1000个漂流浮标、数百个气象雷达和3000架特殊装备的商用飞机， 对地球大气的 关键变量 进行观测。

除此之外还有 约30颗气象卫星和200颗研究卫星， 从太空全天候探测地球 大气、陆面、洋面 状况。

如此规模的基础建设不光是物质上的投入，更需要国际间的协作，为此联合国设立了一个专门机构—— 世界气象组织 ，负责国际间气象资料的交换和处理。

在获得海量气象资料后， 预报员一般会将这些信息绘制在 天气图 中 ，温度、湿度、气压、风等变量通过各种花花绿绿的线标注在上面，直观表述实时的大气环流特征。

在此之后预报员可以结合此时的天气形势、天气系统的运动规律以及预报经验对未来某时某地的天气状况进行预报， 这种传统的方法称为“ 天气分析方法 ”。

但是这样的分析显然还不够客观与定量，要想得到更高精确度的定量结果，我们必须用人类积累至今的 数学工具精确地把结果“算”出来，这就是“ 数值天气预报方法 ”。

类似于我们中学解物理题的思路， 把各个物理定律以方程组的形式联立起来，建立模型，最后带入值解方程组，得到结果 ，这结果就相当于一个预报。

天气预报同样需要“建模-求解”的思路。科学革命后，人类通过几个世纪的研究掌握了大气的基本物理规律，如牛顿第二定律、热力学第一定律、质量守恒定律等，并通过数学方程组全部联立起来， 就建立了一个反映实际大气运动的模型 ，比如这个：

当全球的观测点获得当前大气各个变量的初值后，我们就可以 通过解方程组来预测地球大气运动。

但“可以”是一回事，“做到”就是另一回事了。

把地球算得明明白白

但随着数学的发展，人们发现可以通过有限步的 加、减、乘、除四则运算 得到某个连续变量的近似值，这种方法被称为 数值计算方法 ，让人们看到了求解的曙光。

第一位大胆尝试 将数值计算方法用于天气预报的是1916年英国的 理查森 ，他将预报区域划分为棋盘上的网格，并将时间划分为一段一段，用后来记录在每个网格上的气象数据，随着时间一段段推算1910年5月20日那一天的天气状况。

最终，当时身处一战中的理查森在工作间歇时间， 用整整6个星期完成了6小时的天气预报 ，而且由于初始数据中存在噪音，其预测还存在相当的偏差，这就类似“蝴蝶效应”，失之毫厘，差之千里。

从人力计算的角度看，理查森算是“效率斐然”了。 但这个速度对于天气预报，显然太 慢 了 。1922 年，理查森在专著中描述了他关于 “天气预报工场”的奇思妙想：

一个类似剧院的挂着世界地图的球形大厅， 64000个计算员 在各自的座位上，分别对自己对应的地图位置予以计算，并将即时结果显示在身后的袖珍屏幕上，供周边计算员读取使用。

在大厅中心， 总指挥保证 全球各地的计算员保持同步计算 ，他的助理们以最快的速度整理计算结果，最终将预报编码并向全世界各地广播。

在“天气预报工场”中， 计算员执行每一步具体的运算，而总指挥控制运算过程，还有屏幕可以不断存储数据 ，不禁令人想到《三体》里的“秦始皇人类计算机”。

但这种计算，终究还是不能和真正的计算机相比， 让量化的天气预报从理论走进现实，还得靠 电子计算机 。

1950年，美国科学家查尼、菲尔托夫、冯诺伊曼三人，对计算过程和方程组进行 去噪音处理 后，第一次成功地 在计算机上算出了500百帕天气形势的24小时预报。

上世纪80年代以来，随着超级计算机计算能力每五年增长一个数量级，模式的垂直层数和水平分辨率迅速增加，更多的物理过程被加入数值模式之中，再加上卫星观测技术飞速发展，数值天气预报的准确率不断提高， 目前3日短期天气预报的准确率可达 95% 以上。

自20世纪50年代后期起， 科学家开始注意到 大气中二氧化碳浓度不断上升的事实 ， 温室效应的增加势必造成日益严峻的全球变暖， 人们不止简单地关心未来几天的天气问题，更是拓展到几十年甚至上百年的气候变化问题。

早在20世纪60年代末， 真锅淑郎 等人便开发了第一个全面考虑温室气体辐射吸收以及对流能量输送的一维模型， 首次对大气中二氧化碳翻倍造成的温度变化进行 量化 计算。

同时他们开始开发 三维的 大气环流模式 ，并考虑陆面和海洋，成为现代日益复杂的气候系统模式和地球系统模式的前身和基础，其开创性的工作也使其荣获了2021年诺贝尔物理学奖。

此后，在真锅淑郎的工作基础上， 气候系统模式快速发展迭代 ，从一开始耦合大气、海洋、海冰、陆面间物理过程的物理气候模式，逐步发展到 引入更多地球生物化学、人类活动甚至是地质构造等过程的地球系统模式。

目前， 数值模式 是天气预报和气候预测的重要工具，更是大气科学研究的重要方法 。随着计算能力的提高，我们不仅可以预估不同温室气体排放情景下未来100年后的气候，甚至可以用计算机模拟出恐龙统治时期的古气候状态。

依靠算力制高点

综上所述， 天气预报 的准确程度，取决于 数值模式 的复杂程度。数值模式越复杂，时间、空间分辨率就越高，就能更准确地捕捉更小规模的天气现象。

一个新的问题也由此产生，数值模式越复杂，就需要 收集、储存、分发 更海量的气象数据，并 高速进行大量复杂的运算 ，对算力的要求就越来越“苛刻”。

目前，全球通用的方法是，依托于 大规模、高性能计算机 对天气进行数值预报，每一次预报等同于一次算力极限测试。位于赤道附近的马来西亚在气象预报领域就一度面临算力升级的难题。

马来西亚属于 热带雨林气候和热带季风气候 ，极易受到热带气旋带来的暴雨、风暴潮灾害影响。近年来，受全球变暖的影响，热带气旋极端天气变得更加频繁和强烈。

几年前， 一场数十年未见的大型洪水在马来西亚北方5州肆虐，致使10万多名民众被迫疏散 。政府一度发表声明称，季风期的滂沱大雨过后，众多河流溢出河床，导致人员疏散及粮食运送变得更为棘手。可见，及时而准确的预警，将挽救无数人的生命和财产。

彼时，马来西亚气象局的计算系统已接近使用寿命和算力瓶颈，只能以3公里的分辨率提供3天的详细天气预报。

马来西亚气象局副局长 哈桑博士 解释说，为了提高天气预报的准确性，我们需要捕捉 小尺度的天气现象 。例如： 对流雷暴 可能发生在一个非常局部的区域，但我们无法以3公里的分辨率捕获该区域的数据，而对流风暴在马来西亚非常普遍，它们会带来大雨，冰雹，强风甚至龙卷风。所以我们希望能够以1公里而不是3公里的更高分辨率生成天气预报。

在马来西亚所采用的数值天气预报模型中， 将天气预报的分辨率提高一倍至少需要将计算能力提高 8倍 （2x2x2） ，也就是说，如果将其天气预报的分辨率从3公里增加到1公里，算力至少需要提高 27倍 （3x3x3）。加之其他多种因素，马来西亚气象局综合判断，实现这个目标，算力需要提高至30倍左右。

在评估了多个方案后，马来西亚气象局最终部署了 中国联想集团 的高性能计算机，该集群由近300个计算节点组成，拥有8000多个核心，同时采用联想可持续升级和扩展的并行存储系统，使其成为能够应用于全球任何地方天气预报的超级算力基础设施之一。

值得一提的是，这套系统采用了联想独创的温水水冷技术，将服务器进水口的温度 从45℃提高到了50℃ ，热移除率从原来的 80%提高到90% ，可以获得最佳的能耗比和经济效用，是低碳节能的利器。同时，产生的回水温度高，可以回收利用，例如楼宇采暖、游泳池供热、或者将产生的废热用于吸附式冷水机，用来制作冰水来用于空调系统制冷。

如今，马来西亚气象局可以 在3小时内以1公里的分辨率运行数值模型，进行7天的天气预报，而且每天能够完成4次这样的大范围天气预报。

哈桑博士说：“大幅提升的性能（即算力）让我们能够生成比以前更长期、更详细的预测，这意味着我们可以向公众和相关政府机构提供更丰富的信息，更准确的服务。”

由此可见，算力的应用决定了气象部门能运行何等精密、复杂数值模式，也决定了天气预报的准确度，进而关乎着所有人的生产与生活。

随着数字经济时代的到来，从 模拟核试验、太空探索，到人类基因测序、医药研发、甚至打车、购物、订外 卖等等，都要依靠算力设施来处理海量数据。而高性能计算机则是算力基础设施中的制高点，是众多关乎国计民生领域的基础科学研究不可或缺的利器，因此也被冠以 “国之重器” 的美誉。

在今年上半年的全球高性能计算机500强榜单中，中国共有173台高性能计算机上榜，总数蝉联第一。从供应商维度看，中国联想是全球最大的高性能计算机供应商，已连续10次高居榜首，是无可争议的 算力之王 。