海洋预报从“天级”到“分钟级”，深圳如何做到？深圳市海洋发展促进中心携手华为云，基于盘古大模型框架构建全国首个AI海洋智能预报大模型。3D-EST架构、两层嵌套方案、全栈昇腾算力底座，这套系统不仅提升预报精度与速度，更在改写海洋预报的产业范式。
海洋预报长期卡在“算得慢、算不准”的瓶颈里，传统数值模式依赖超级计算机，一次完整的区域预报动辄数小时，碰上台风、赤潮等海洋突发事件，传统预报时效难以匹配应急预警需求，有效预警窗口期被大幅压缩，深圳这次给出的答案是：把AI大模型直接嵌入预报链条，让预报推理时间从天级压缩到分钟级。
据《深圳特区报》报道，深圳市海洋发展促进中心与华为云团队，正在联合构建全国首个深度融合AI技术、全栈国产算力支撑的海洋智能预报大模型，项目已进入工程化落地阶段，依托华为昇腾算力底座和ModelArts Studio平台，完成了从数据清洗、模型训练到推理发布的全流程闭环。
过去预报员等数值模式跑完才能出结论，现在AI模型能在几分钟内输出结果。
盘古海洋智能预报大模型的技术起点，是华为云团队早前发表在《Nature》上的盘古气象大模型框架。但海洋比大气更复杂——它要考虑海陆交互、垂向分层、多源观测数据的稀疏性。
双方团队提出的3D-EST架构，核心是三维编码，把海洋与大气要素放进同一个编码空间，同时融入绝对位置编码、层次化时域聚合、海陆掩码和地形高度等自然外强迫因素，模型不是单纯做数据拟合，而是让AI“感知”海陆交互的动态边界。
团队同步引入海气耦合理论，实验过程中发现，纯数据驱动的AI模型在长期海洋预报中易出现预测漂移问题。为此，研究团队将海洋物理机理与AI技术深度融合，大幅提升了模型对海气相互作用动态过程的还原度，使长期稳定的海气要素预报得以实现，其直接成效体现在：海洋要素预报精度显著提升，尤其在赤道太平洋等关键海域，这一提升效果更为突出。
精度问题向来是AI预报的痛点，传统全球预报模型分辨率粗，近海复杂地形、岸线细节根本抓不住。深圳团队给出的方案是将两层嵌套——全球模型提供稳健的边界条件，内部嵌套一个更高分辨率的区域模型。
区域模型聚焦南中国海及深圳周边海域，融合浮标、卫星遥感等多源数据组合。这样，在面对观测数据稀疏或不完整的现实，模型具备插补能力，能生成连续且分辨率更高的数据场，最终实现1/36°尺度的精准刻画，这个精度足以满足近海航道、养殖区、滨海旅游点等特定场景的精细化需求。
多源异构的区域观测数据与全球背景场的融合，为模型提供了更可靠的初始边界条件，使得深圳周边海域的预报，不再是全球模型的粗糙插值，而是有专属高分辨率数据支撑的独立输出。
AI预报模型落地，最后一道坎是算力安全和工程化能力。盘古海洋智能预报大模型选择全栈自主创新的华为昇腾算力，搭配华为云ModelArts Studio一站式AI开发平台。数据安全、训练效率、推理部署，全部在国产技术栈上闭环完成。
这解决了AI预报“最后一公里”的痛点，模型不是仅供研究用的代码包，而是能支持自助训推与区域微调的生产工具。地方海洋预报机构可以根据自家海域特点，对模型进行微调适配，无需从头训练。
该技术体系具备在全国范围内复制推广的示范价值，未来可广泛应用于海洋防灾减灾、蓝色经济发展、生态环境预警及海洋可持续发展等领域，AI海洋预报模型的规模化落地应用正加速推进。
传统海洋预报是算力堆叠的游戏——超算规模越大、节点越多，预报才可能更快更准。AI大模型提供了一条新路径：用算法换算力，用数据驱动换物理参数化方案。深圳与华为的这次联合攻关，也证明国产AI技术栈在海洋科学领域同样能打。
盘古海洋智能预报大模型不是孤立产品，而是与华为云整体技术栈深度绑定的解决方案。从底层昇腾芯片到中层开发平台，再到上层模型应用，全链条自主可控，其战略意义与预报速度的提升同等重要
海洋预报能力的强弱，直接决定海上风电、远洋运输、深海养殖等产业的运营安全与成本结构。预报从“天级”到“分钟级”的跨越，平时应急响应窗口期被大幅拉长，航线优化、作业窗口选择等决策有了更敏捷的数据支撑，深圳建设全球海洋中心城市的产业底座，正在被这套AI预报系统重新浇筑。
更多海洋产业报道，欢迎关注海经社官网
www.haijingshe.com
10个月宝宝每天需要喝多少奶粉？
