全新 NVIDIA NIM 微服務(wù)實(shí)現(xiàn)突破性進(jìn)展，可助力氣象技術(shù)公司開(kāi)發(fā)和部署 AI 模型，實(shí)現(xiàn)對(duì)降雪、結(jié)冰和冰雹的預(yù)測(cè)。

NVIDIA 于近日在 SC24 上發(fā)布了兩項(xiàng)基于 Earth-2 的全新 NVIDIA NIM 微服務(wù)，可將 NVIDIA Earth-2 中的氣候變化模型的模擬計(jì)算速度提高 500 倍。

Earth-2 是一個(gè)數(shù)字孿生云平臺(tái)，用于模擬并可視化呈現(xiàn)天氣和氣候條件。全新 NIM 微服務(wù)為氣候技術(shù)應(yīng)用提供商提供了領(lǐng)先的生成式 AI 驅(qū)動(dòng)的功能，以輔助預(yù)測(cè)極端天氣事件。

NVIDIA NIM 微服務(wù)有助于加速部署基礎(chǔ)模型，同時(shí)確保數(shù)據(jù)安全。

極端天氣事件日益頻發(fā)，引發(fā)了人們對(duì)災(zāi)害相關(guān)安全問(wèn)題、備災(zāi)和潛在財(cái)務(wù)影響的擔(dān)憂。

彭博社的一份報(bào)告顯示，2024 年上半年，自然災(zāi)害造成的保險(xiǎn)損失約為 620 億美元，較近 10 年平均值高出了 70% 左右。

NVIDIA 本次發(fā)布的 CorrDiff NIM 和 FourCastNet NIM 微服務(wù)，將幫助氣象技術(shù)公司以更快的速度生成更高分辨率、更加準(zhǔn)確的預(yù)報(bào)。相比傳統(tǒng)系統(tǒng)，NIM 微服務(wù)也提供了更加領(lǐng)先的能源效率。

全新 CorrDiff NIM 微服務(wù)

用于更高分辨率建模

NVIDIA CorrDiff 是一種可實(shí)現(xiàn)公里尺度超高分辨率的生成式 AI 模型。該系統(tǒng)的超分辨率模擬能力在今年 GTC 上分享的臺(tái)灣地區(qū)臺(tái)風(fēng)應(yīng)對(duì)案例中得以展現(xiàn)。CorrDiff 基于 WRF 模型的數(shù)值模擬結(jié)果進(jìn)行訓(xùn)練，可以生成 12 倍更高分辨率的天氣預(yù)報(bào)結(jié)果。

對(duì)氣象學(xué)家和相關(guān)行業(yè)來(lái)說(shuō)，能夠精確到最小公里尺度可視化的高分辨率預(yù)報(bào)至關(guān)重要。保險(xiǎn)和再保險(xiǎn)行業(yè)依賴詳細(xì)的氣象數(shù)據(jù)來(lái)評(píng)估風(fēng)險(xiǎn)概況。但是，使用 WRF 或高分辨率快速刷新等傳統(tǒng)數(shù)值天氣預(yù)報(bào)模型來(lái)達(dá)到這種詳細(xì)程度往往過(guò)于昂貴而耗時(shí)，因而不夠?qū)嵱谩?/p>

與使用 CPU 的傳統(tǒng)高分辨率數(shù)值天氣預(yù)報(bào)相比，CorrDiff NIM 微服務(wù) 的計(jì)算速度高出了 500 倍，能效提升了 10000 倍。此外，CorrDiff 現(xiàn)在以 300 倍的更大規(guī)模運(yùn)行，可對(duì)整個(gè)美國(guó)進(jìn)行超分辨率處理（即提高低分辨率圖像或視頻的分辨率），并能以公里尺度的可見(jiàn)度預(yù)測(cè)降雪、結(jié)冰和冰雹等降水事件。

全新 FourCastNet NIM 微服務(wù)

使大規(guī)模集合預(yù)報(bào)成為可能

并非每個(gè)用例都需要高分辨率預(yù)報(bào)。對(duì)某些應(yīng)用來(lái)說(shuō)，使用粗分辨率的大規(guī)模集合預(yù)報(bào)反而能獲得更好效果。

由于計(jì)算能力限制，IFS 和 GFS 等最先進(jìn)的數(shù)值模型分別只能生成 50 組和 20 組預(yù)報(bào)。

最新推出的 FourCastNet NIM 微服務(wù)提供了全球范圍的中期粗分辨率預(yù)報(bào)。通過(guò)使用歐洲中期天氣預(yù)報(bào)中心或美國(guó)國(guó)家海洋和大氣管理局等業(yè)務(wù)氣象中心的初始場(chǎng)，提供商可生成未來(lái)兩周的預(yù)報(bào)，速度比傳統(tǒng)數(shù)值天氣模型快 5000 倍。

這為氣候技術(shù)提供商帶來(lái)了新機(jī)遇，使其能夠以不同尺度評(píng)估極端天氣相關(guān)風(fēng)險(xiǎn)，從而預(yù)測(cè)當(dāng)前計(jì)算工作流對(duì)低概率事件發(fā)生可能性的遺漏。