國產算力+AI融合，深圳打造全國首個分鐘級海洋智能預報技術體系

海洋預報從“天級”到“分鐘級”，深圳如何做到？深圳市海洋發展促進中心攜手華為云，基于盤古大模型框架構建全國首個AI海洋智能預報大模型。3D-EST架構、兩層嵌套方案、全棧昇騰算力底座，這套系統不僅提升預報精度與速度，更在改寫海洋預報的產業范式。

國產算力+AI融合，深圳打造全國首個分鐘級海洋智能預報技術體系

海洋預報長期卡在“算得慢、算不準”的瓶頸里，傳統數值模式依賴超級計算機，一次完整的區域預報動輒數小時，碰上臺風、赤潮等海洋突發事件，傳統預報時效難以匹配應急預警需求，有效預警窗口期被大幅壓縮，深圳這次給出的答案是：把AI大模型直接嵌入預報鏈條，讓預報推理時間從天級壓縮到分鐘級。

據《深圳特區報》報道，深圳市海洋發展促進中心與華為云團隊，正在聯合構建全國首個深度融合AI技術、全棧國產算力支撐的海洋智能預報大模型，項目已進入工程化落地階段，依托華為昇騰算力底座和ModelArts Studio平臺，完成了從數據清洗、模型訓練到推理發布的全流程閉環。

過去預報員等數值模式跑完才能出結論，現在AI模型能在幾分鐘內輸出結果。

技術內核：3D-EST架構與海氣耦合機理融合

盤古海洋智能預報大模型的技術起點，是華為云團隊早前發表在《Nature》上的盤古氣象大模型框架。但海洋比大氣更復雜——它要考慮海陸交互、垂向分層、多源觀測數據的稀疏性。

雙方團隊提出的3D-EST架構，核心是三維編碼，把海洋與大氣要素放進同一個編碼空間，同時融入絕對位置編碼、層次化時域聚合、海陸掩碼和地形高度等自然外強迫因素，模型不是單純做數據擬合，而是讓AI“感知”海陸交互的動態邊界。

團隊同步引入海氣耦合理論，實驗過程中發現，純數據驅動的AI模型在長期海洋預報中易出現預測漂移問題。為此，研究團隊將海洋物理機理與AI技術深度融合，大幅提升了模型對海氣相互作用動態過程的還原度，使長期穩定的海氣要素預報得以實現，其直接成效體現在：海洋要素預報精度顯著提升，尤其在赤道太平洋等關鍵海域，這一提升效果更為突出。

數據融合：從全球到近岸的兩層嵌套邏輯

精度問題向來是AI預報的痛點，傳統全球預報模型分辨率粗，近海復雜地形、岸線細節根本抓不住。深圳團隊給出的方案是將兩層嵌套——全球模型提供穩健的邊界條件，內部嵌套一個更高分辨率的區域模型。

區域模型聚焦南中國海及深圳周邊海域，融合浮標、衛星遙感等多源數據組合。這樣，在面對觀測數據稀疏或不完整的現實，模型具備插補能力，能生成連續且分辨率更高的數據場，最終實現1/36°尺度的精準刻畫，這個精度足以滿足近海航道、養殖區、濱海旅游點等特定場景的精細化需求。

多源異構的區域觀測數據與全球背景場的融合，為模型提供了更可靠的初始邊界條件，使得深圳周邊海域的預報，不再是全球模型的粗糙插值，而是有專屬高分辨率數據支撐的獨立輸出。

自主算力底座：從技術突破到業務閉環

AI預報模型落地，最后一道坎是算力安全和工程化能力。盤古海洋智能預報大模型選擇全棧自主創新的華為昇騰算力，搭配華為云ModelArts Studio一站式AI開發平臺。數據安全、訓練效率、推理部署，全部在國產技術棧上閉環完成。

這解決了AI預報“最后一公里”的痛點，模型不是僅供研究用的代碼包，而是能支持自助訓推與區域微調的生產工具。地方海洋預報機構可以根據自家海域特點，對模型進行微調適配，無需從頭訓練。

該技術體系具備在全國范圍內復制推廣的示范價值，未來可廣泛應用于海洋防災減災、藍色經濟發展、生態環境預警及海洋可持續發展等領域，AI海洋預報模型的規模化落地應用正加速推進。

海洋預報的產業模式正在改寫

傳統海洋預報是算力堆疊的游戲——超算規模越大、節點越多，預報才可能更快更準。AI大模型提供了一條新路徑：用算法換算力，用數據驅動換物理參數化方案。深圳與華為的這次聯合攻關，也證明國產AI技術棧在海洋科學領域同樣能打。

盤古海洋智能預報大模型不是孤立產品，而是與華為云整體技術棧深度綁定的解決方案。從底層昇騰芯片到中層開發平臺，再到上層模型應用，全鏈條自主可控，其戰略意義與預報速度的提升同等重要

海洋預報能力的強弱，直接決定海上風電、遠洋運輸、深海養殖等產業的運營安全與成本結構。預報從“天級”到“分鐘級”的跨越，平時應急響應窗口期被大幅拉長，航線優化、作業窗口選擇等決策有了更敏捷的數據支撐，深圳建設全球海洋中心城市的產業底座，正在被這套AI預報系統重新澆筑。