當(dāng)代的大型體育賽事已經(jīng)不僅是運(yùn)動(dòng)員比拼的競技場，更是一場科技的秀場。從氣象保障服務(wù)到賽事的轉(zhuǎn)直播，從運(yùn)動(dòng)員訓(xùn)練到更有利于運(yùn)動(dòng)員發(fā)揮的比賽裝備，從比賽評分到爭議仲裁……科技已經(jīng)貫穿到賽事的方方面面，而這背后都離不開算力的支撐。

在各類體育賽事中，冰雪賽事因?yàn)樘厥獾谋荣惌h(huán)境，對氣象條件的要求更高，特別是高山滑雪、跳臺滑雪、越野滑雪等戶外雪上項(xiàng)目，風(fēng)向、風(fēng)速、溫度等天氣因素有時(shí)會(huì)突發(fā)變化，不僅對比賽成績造成影響，還關(guān)乎運(yùn)動(dòng)員安全。比如說，風(fēng)力過大會(huì)影響滑雪技巧動(dòng)作的完成，降雪形成的蓬松新雪不利身體平衡，暴雪則會(huì)讓雪道變得模糊從而影響運(yùn)動(dòng)員和裁判員的視線……。2014年在俄羅斯舉辦的冰雪賽事，由于春天來得太早，溫度過高讓雪質(zhì)松軟，在女子超級大回轉(zhuǎn)比賽中，48名選手中只有三分之二完賽。在自由式滑雪和單板滑雪比賽中，多名運(yùn)動(dòng)員嚴(yán)重受傷。2018年在韓國舉辦的比賽，有17項(xiàng)比賽因?yàn)闅庀笤蜻M(jìn)行了調(diào)整，有1項(xiàng)直接取消。因此，冰雪賽事不僅需要?dú)庀蠓?wù)，更對高精度氣象預(yù)報(bào)提出更嚴(yán)苛的要求。

一般來說，基于數(shù)值預(yù)報(bào)技術(shù)的現(xiàn)代天氣預(yù)報(bào)流程包含數(shù)據(jù)獲取和預(yù)處理、模式資料同化、模式集合預(yù)報(bào)和預(yù)報(bào)結(jié)果后處理四個(gè)環(huán)節(jié)。要想提高天氣預(yù)報(bào)的準(zhǔn)確度，一是提高時(shí)空分辨率，將網(wǎng)格精度從千米級提升到百米級；二是要模擬更接近真實(shí)環(huán)境的生物地球物理化學(xué)過程，這需要采集更多的觀測數(shù)據(jù)和開發(fā)更精細(xì)的氣候模式。因此，天氣預(yù)報(bào)的精度越高，就意味著需要處理的數(shù)據(jù)量越大，算力的需求越多。如第5次國際耦合模式比較計(jì)劃 CMIP5 輸出的數(shù)量總量超過 3 PB，而下一代 CMIP6 數(shù)據(jù)總量超過 30 PB，海量數(shù)據(jù)給處理、提取和解讀帶來巨大的挑戰(zhàn)。

氣象領(lǐng)域數(shù)據(jù)激增的趨勢促使人們開始探索新的計(jì)算技術(shù)，人工智能+高性能計(jì)算作為一種新的科學(xué)計(jì)算范式，得到了全球頂尖氣象研究機(jī)構(gòu)和科學(xué)家的重視。2019年，德國科學(xué)家Markus Reichstein等在Nature上發(fā)表了《"數(shù)據(jù)驅(qū)動(dòng)型"地球系統(tǒng)科學(xué)領(lǐng)域的深度學(xué)習(xí)及其過程理解》一文，提出混合建模方法，將物理模型和機(jī)器學(xué)習(xí)結(jié)合起來以提升天氣和氣候預(yù)測能力；2021年初歐洲中期天氣預(yù)報(bào)中心ECMWF發(fā)布了其未來十年機(jī)器學(xué)習(xí)路線圖，提出將機(jī)器學(xué)習(xí)應(yīng)用在整個(gè)氣象預(yù)報(bào)流程中。其中，在觀測數(shù)據(jù)處理方面，機(jī)器學(xué)習(xí)將用于數(shù)據(jù)質(zhì)量控制和異常檢測等；在數(shù)據(jù)同化方面，機(jī)器學(xué)習(xí)將用于誤差訂正和數(shù)據(jù)分布由非高斯分布向高斯分布的轉(zhuǎn)換等；在數(shù)值預(yù)報(bào)方面，機(jī)器學(xué)習(xí)將替代某些參數(shù)化方案，建立機(jī)器學(xué)習(xí)-傳統(tǒng)物理模式混合模式，以及用于水文模式和研究人類的影響；在后處理方面，機(jī)器學(xué)習(xí)將用于降水降尺度、觀測和模式預(yù)報(bào)融合、集合預(yù)報(bào)后處理、極端降水后處理以及特征檢測等。

作為人工智能計(jì)算全球領(lǐng)先公司，浪潮在人工智能與高性能計(jì)算技術(shù)的融合上，早已開啟了探索之路，在“基于模式預(yù)測數(shù)據(jù)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測訂正”和“基于歷史觀測數(shù)據(jù)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型進(jìn)行降水預(yù)測”兩個(gè)研究方向上開發(fā)出多個(gè)神經(jīng)網(wǎng)絡(luò)模型。

同時(shí)，面對氣象領(lǐng)域不斷增長的計(jì)算規(guī)模和算力需求，浪潮對氣象應(yīng)用的大規(guī)模擴(kuò)展和優(yōu)化也取得諸多進(jìn)展。如針對美國大氣研究中心(NCAR)、美國大氣海洋局(NOAA)和美國空間氣象局(AFWA)等共同開發(fā)的WRF模式，通過優(yōu)化IO和通信等，將 WRF 擴(kuò)展到了24000 核，且與優(yōu)化前相比， WRF 性能提升200%–300%。

隨著人工智能與高性能計(jì)算的深度融合和氣象預(yù)報(bào)精度的不斷提升，人們對天氣的掌控也將更有力，冰雪競技將不再懼怕風(fēng)云突變，“天有不測風(fēng)云”在未來或許會(huì)成為僅僅停留在紙面上的一句話。而這一切的背后，既依賴于物理模型的發(fā)展、人工智能的創(chuàng)新，也離不開算力科技的支撐。