近期，国产AI大模型以其创新的算法和架构，迅速打开市场，引发全球关注。

就在3月4日的十四届全国人大三次会议新闻发布会上，大会发言人娄勤俭也点赞了DeepSeek。

他表示，DeepSeek公司取得的重大进展，代表着一批中国公司在人工智能领域的崛起。DeepSeek公司坚持开放开源的技术路线，开源共享推动了人工智能技术在全球的普遍应用，为世界贡献了“中国智慧”。通过DeepSeek这类公司的兴起，我们可以看到中国在科技发展上的创新性和包容性。

当前人工智能技术迅猛发展，其在应对气候变化领域的应用也日益广泛。人工智能在应对气候变化领域有哪些应用？还有哪些潜力可挖？围绕相关问题，本报记者专访了国家气候中心气候变化影响适应室副研究员沈鹏珂。

沈鹏珂，国家气候中心气候变化影响适应室副研究员，北京大学自然地理学博士毕业。“气候系统预测与变化应对”全国重点实验室成员、中国气象局青年创新团队主要成员。主要研究方向为人工智能技术与气候变化、城市气候变化影响与适应、全球城市化暖湿岛效应与机制。

沈鹏珂：气候变化是全人类面临的共同挑战，人工智能（AI）为人类应对全球气候变化问题带来了很大机遇。主要体现在以下方面。

一是气候大模型预测。2023年以来，基于数据驱动的全球AI大模型取得突破性进展，加速推动临近天气预报与气候预测新进程。

近日，DeepSeek与中国气象局合作，探索AI在气象观测、预报和服务中的深度融合应用。通过分析海量气象数据，如卫星遥感、气象站点、雷达数据等，DeepSeek能够提升气候模型的精度，预测极端天气事件，如暴雨、干旱、台风的发生概率和影响范围。其算法优化和算力效率使高精度预测得以在低成本下实现，为早期预警系统提供有力支持。

在次季节—季节尺度上，2024年6月中国气象局发布“风顺”大模型，对于15天以上全球尺度候平均降水预测技巧提升约21%，对次季节尺度极端天气气候事件预测具有很大潜力。这一大模型填补了我国AI技术应用于次季节尺度预测业务的空白，弥补了现有大模型及深度学习方法的不足。

二是可再生能源优化。AI可优化太阳能、风能等可再生资源，提高其生产效率与可靠性，以应对气候变化。例如，在太阳能领域，基于ChatGPT对数据分析、建模及预测，能有效促进太阳能电池性能及整体效率提升。

Grok AI发布《科技可持续性（2025年）》一文指出：Grok AI算法可准确预测太阳能发电量，进而实现电网管理改善，减轻高峰期对不可再生能源的依赖。在风能领域，基于AI算法分析和预测局地风向风速变化，可优化风电场布局及安装位置，以实现最佳风电生产。

三是碳排放追踪检测。AI可以帮助监测和量化碳排放，深刻了解碳足迹。比如在农业领域，AI通过计算机视觉监测农业生产碳排放量并评估土壤—作物碳封存水平，优化管理措施以协同提升生产效率与减少净碳排放。

波士顿咨询公司Charlotte Degot团队测算，2030年前全球国家需减少50%碳排放，才能实现《巴黎协定》提出的“到本世纪末，应将全球平均气温较工业化前水平升高幅度控制在2℃之内，并为把升温控制在1.5℃内而努力”的目标。使用AI可实现5%—10%的总体减排量，相当于减少2.6千兆吨—5.3千兆吨二氧化碳当量。

此外，AI在环境空气质量预测、极端气候预警与灾后重建、农业气候预测及管理精准化等多个领域也已逐步开展应用。

总体而言，AI技术被列为《科技支撑碳达峰碳中和实施方案（2022—2030年）》的重点方向之一，不仅在技术层面发挥作用，还可与物联网、区块链、5G等技术结合，构建全链条气候治理系统。通过参与国际平台，如IPCC技术工作组、全球气候观测系统（GCOS），AI技术可以助力贡献中国AI气候解决方案，推动全球气候治理进程。　　

沈鹏珂：AI在应对气候变化领域的实际应用尚存不足，主要体现在数据匮乏与模型偏差大、“黑箱”模型可解释性差、突发气候事件适应性弱、技术伦理风险等4个方面。

首先，AI模型依赖海量高质量数据，但相关气候观测数据在发展中国家或偏远地区严重匮乏，导致预测模型精度及可信性下降。AI模型被用于预测热带气旋（台风、飓风）强度与路径时，因训练数据地理分布不均，导致模型在特定区域预测偏差很大。例如，相比于北大西洋丰富且完整的飓风数据，南印度洋数据较少且质量低。多项研究揭示，基于深度学习模型对后者强度的预测误差比前者高出20%以上。

其次，AI算法存在“黑箱”效应及困境，即模型内部工作机制难以解释和理解，输入与输出的物理映射不可捉摸，导致决策逻辑不透明、难以被采纳。在预测极端气候事件时，一些气象学家因AI模型逻辑无法理解而更依赖于传统动力学方法。可解释性人工智能（Explainable AI，XAI）的发展，有望突破AI模型预测准确度与可解释性不可兼得的传统困境。

此外，AI训练基于历史基础数据，难以应对气候系统的非线性突变。2021年6月，北美西北部遭遇有史以来最严重的热浪和极端高温，而AI预测模型因缺乏类似极端数据且未包含“高温—能源需求非线性耦合机制”，对电网负荷预测失效，引发大规模停电。

最后，AI在气候变化应用中可能引发伦理道德挑战，如训练偏见和不公平、数据隐私政策、气候决策不透明等问题。只有通过跨学科协作、民主化技术治理和全球伦理共识，才能让AI真正成为普惠的“气候正义工具”。

沈鹏珂：一是资料同化与气候模式改进。资料同化是指把各类异构数据经由一系列处理后最终实现综合运用。基于AI的资料同化法则更具优势，不仅能取代原来的同化方案、显著提高运算速率，而且可降低气候预测系统初始场中不可避免的误差。气候模式上，AI技术可进一步优化改进传统模式，大幅度提高其计算效率、降低误差与系统偏差，通过运用“数字地球”技术，精准模拟大尺度气候变化。

二是人工智能气候预测与预估。基于AI技术对气候变化预测与预估，需以海量优质数据为支撑。过去40年，地球系统观测数据、全球大气再分析产品及数值模式模拟结果的存储及类型愈加丰富，为通过AI技术开展气候变化预测预估提供了基础。

三是智能气候治理、减缓和适应。美国科学家利用AI技术预测全球变暖时间曲线，得出全球升温超1.5℃的时间窗口与2022年联合国政府间气候变化专门委员会（IPCC）报告结论一致，AI研究结果与科学家认知吻合。AI还可应用在气候变化减缓与适应，如平衡电力供需解决弃风弃光问题、“东数西算”工程降低运算碳强度、监测冰山融化等。

四是能源管理优化、碳排放监测。基于AI与大数据的智能化管理，通过实现资源调配自主化、运行智能化和能效高效化，可在电力、燃气、供热等多个领域形成规模应用。AI技术智能化能源管理的应用前景覆盖能源资源监控和预测、能源消耗优化与控制、能源网格智能化管理、能源资源交易和市场机制等方面。在碳排放监测和溯源方面，通过结合卫星遥感、地面传感器和AI图像识别，能精准定位甲烷泄漏、非法森林砍伐等问题；将区块链技术与AI结合，可构建一个碳排放数据追踪系统，保障数据真实性、不可篡改性以及透明性。

五是极端灾害预警、防灾减灾决策。基于AI数据挖掘及分析技术，能够迅速识别极端事件发生概率、强度、时间和地点等重要参数，助力监测预警与防灾减灾应急决策。例如，AI技术有望应用于台风轨迹预警，减轻灾害风险和损失；AI技术还可应用于洪水预警，指导居民安全撤离。

沈鹏珂：在技术研发上，我国AI基础算法框架和算力（如高性能芯片）仍依赖部分国外技术，但自《新一代人工智能发展规划》印发后，我国已加快布局。2024年中国气象部门联合高校研发的“风雷”“风清”“风顺”等一批AI气象大模型相继涌现，部分指标性能与国际主流大模型水平并驾齐驱。与发达国家相比，我国处于“技术追赶、优势并存”的阶段。我国具有政策执行力强、市场规模大、场景多样化的优势，但在核心算法算力、数据标准化和国际合作深度上仍需学习追赶。在AI大模型发展新赛道上，我们完全不必妄自菲薄。

近日，国内发布的DeepSeek大模型，凭借卓越的性能、强大推理能力及广泛应用场景，成为AI技术领域的璀璨新星。尤其在数学推理和代码生成方面，完全可以与国际最先进模型OpenAI Codex、Google Gemini、DeepMind AlphaCode等实现对标甚至超越。DeepSeek正在多行业领域、国内多地进行部署运用。相信未来会有更多的AI先进大模型涌现，为应对气候变化等领域的应用提供智能、高效的服务。

沈鹏珂：推动AI在应对气候变化领域的应用，需要在技术创新、跨学科合作和政策支持三方面协同发力。在技术创新上，应加大AI气候专用大模型的研发投入，优化气候建模与预测能力，加速清洁能源转型，如智能电网管理、能源效率提升等。在跨学科合作上，建立跨界联盟，联合跨领域专家共同设计气候解决方案；支持初创企业，鼓励AI气候技术创新；加强国际合作，共享算力资源和模型。在政策支持上，AI气候行业需要相关部门高度重视和产业政策重点支持，以充分发挥AI在应对气候变化中的潜力，推动绿色低碳转型，助力实现“双碳”目标。