AI在大气科学中的应用

20XX/XX/XXAI在大气科学中的应用汇报人:XXXCONTENTS目录01

AI气象技术发展背景与意义02

天气预报与预警AI技术应用03

气候模拟与预测AI创新突破04

大气环境监测AI技术应用CONTENTS目录05

气象服务与决策支持AI应用06

关键AI气象模型技术解析07

AI气象技术挑战与未来展望AI气象技术发展背景与意义01高计算成本与效率瓶颈传统数值模型通过耦合大气化学传输与天气模拟，需求解数以万计的大气动力学与化学反应方程，计算负担巨大，如极端强降雨风险报告生成耗时较长，难以满足实时性要求。时空分辨率与监测盲区传统雷达监测存在盲区，对小尺度、突发性强对流天气捕捉能力不足。例如，在龙卷风等灾害性天气监测中，难以精准获取其三维精细结构，导致预警时效性和准确性受限。非线性过程刻画不足传统数值模型对大气中的非线性过程刻画不足，导致预报偏差。气溶胶预报需同时解析多种来源、化学转化及其与天气系统的多尺度相互作用，传统方法难以精准模拟这些复杂过程。数据处理与整合能力有限面对卫星遥感、地面传感器等海量多源数据，传统工具处理能力有限，数据互操作性差，如不同观测网络数据格式差异大，需耗费大量人力进行标准化处理，影响数据应用效率。传统气象技术的局限性分析AI赋能气象科学的核心价值

提升预报精准度与时效性AI模型能精准捕捉小尺度、突发性强对流天气，如广东X波段相控阵雷达网实现提前1小时分镇街临灾靶向预警；南海台风数值预报AI耦合模式72小时路径预报误差下降25%，120小时误差大幅下降45%。

提高计算效率与降低成本AI模型可显著提升计算速度，如AI-GAMFS模型1分钟内完成全球范围5天、逐3小时的业务化预报；传统数值模式需超级计算机运行数周的气候模拟，AI模型可缩短至几天甚至几小时，大幅降低计算成本。

增强复杂气候系统模拟能力AI能整合多源异构数据，模拟大气气溶胶与气象要素的复杂相互作用，如AI-GAMFS模型覆盖5类关键气溶胶组分；还能改进对厄尔尼诺-南方涛动（ENSO）等气候模态的模拟，提升气候预估可靠性。

优化气象服务与决策支持AI推动气象服务向精细化、场景化发展，如深圳“鹏城互动式穿衣指数”分人群提供专属指引；“风铃天气”APP实现实况、预警、预报产品智能集成推送，赋能党政领导科学决策。全球AI气象技术发展趋势物理与AI融合的混合建模范式物理信息神经网络（PINN）将纳维-斯托克斯方程等物理约束嵌入神经网络，确保模型输出符合热力学定律，成为下一代气候模式的重要发展方向。生成式AI推动高分辨率气候模拟NVIDIAcBottle模型作为生成式AI基础模型，可实现公里尺度分辨率的全球气候模拟，数据压缩比高达3000倍，较传统数值模型快数千倍且能效更高。AI模型比对与评估体系建立AI模型比对项目（AI-MIP）框架建立统一的基准测试集和评估指标，如全球气溶胶-气象耦合人工智能预报模型AI-GAMFS在《自然》发表，性能优于欧洲中期天气预报中心的哥白尼大气监测服务模型（CAMS）。AI代理（AIAgent）赋能自主科学发现AI代理能够设计控制实验，优化观测网络布局，甚至从多源数据中自主推导参数化新方案，推动地球科学向因果发现与自主实验范式变革。天气预报与预警AI技术应用02强对流天气AI识别与短临预报X波段相控阵雷达网：捕捉精细结构

广东建成全国首个X波段相控阵雷达网，时空分辨率达30米/1分钟，1公里高度有效覆盖率超92%，能精准捕捉龙卷风、雷暴大风等小尺度强对流天气的三维精细结构，弥补传统雷达监测盲区。"珠玑·雨燕"系统：提升预报精准度

广东推出基于AI的"珠玑·雨燕"短临预报系统，对雷暴大风的识别命中率稳定在90%以上，短时强降水TS评分在0.4以上，空报率显著降低，在2025年全国智能预报技术方法大赛等多个项目中性能突出，指标位居前列。分镇街临灾靶向预警：赢得应急时间

依托高密度监测网和AI技术，广东已实现分镇街临灾靶向预警，可提前1小时精准发布预警信息，并利用通信基站大数据解决漫游用户接收难题，为防灾减灾提供"广东范本"。台风路径与强度AI预报模型01南海台风数值预报AI耦合模式（TRAMS—AICV1.0）由广州热带海洋气象研究所自主研发，2026年3月正式投入业务试运行。经验证，其72小时台风路径预报误差下降25%，120小时误差大幅下降45%；强度预报能力同样显著提升，为华南及南海地区防台减灾赢得更多宝贵时间。02上海台风智能模型1.0版由中国气象局上海台风研究所数值预报团队推出，基于高分辨率台风再分析资料训练。该模型将台风的预报分辨率提高到公里级，且将预报时间从此前传统数值预报模型的64分钟压缩至3分钟。03融合物理机理与AI的台风强度预报方法相关研究成果入选2024年度“中国十大气象科技进展”，通过融合深度学习、物理约束和数值模拟，在台风强度预报方面取得新突破，提升了对台风强度变化这一复杂过程的预报能力。多源数据采集与预处理层整合X波段双偏振相控阵雷达（30米/1分钟分辨率）、卫星遥感、地面传感器等多源观测数据，通过时空对齐、噪声过滤和缺失值填补技术，构建高质量数据集。AI模型推理与预测层采用基于物理约束的深度学习模型（如omega-GNN），融合大气动力学方程与神经网络，实现对雷暴大风识别命中率超90%、短时强降水TS评分0.4以上的精准预报。预报产品生成与发布层将AI模型输出转化为分镇街临灾靶向预警信息，通过通信基站大数据解决漫游用户接收难题，实现提前1小时精准发布，为空报率降低提供技术支撑。系统评估与迭代优化层建立实时性能评估机制，结合WMO短临预报对比示范项目指标，持续优化模型参数与算法，2025年全国智能预报技术方法大赛中多项指标位居前列。极端降水智能预报系统架构分镇街临灾靶向预警技术实现

高密度雷达监测网支撑广东建成由81部X波段双偏振相控阵天气雷达组成的高密度监测网，时空分辨率达30米/1分钟，1公里高度有效覆盖率超92%，能精准捕捉龙卷风、雷暴大风等小尺度、突发性强对流天气的三维精细结构，有效弥补传统雷达监测盲区。

短临预报系统精准识别基于AI的“珠玑·雨燕”短临预报系统，对雷暴大风的识别命中率稳定在90%以上，短时强降水TS评分在0.4以上，空报率显著降低，为分镇街预警提供精准的灾害天气信息。

临灾预警提前量突破依托雷达监测网和AI预报技术，广东已实现分镇街临灾靶向预警，可提前1小时精准发布预警信息，为基层防灾减灾争取宝贵时间。

漫游用户接收难题解决利用通信基站大数据，广东有效解决了漫游用户预警信息接收难题，确保预警信息能精准触达受影响区域的所有人员，提升预警覆盖面和实效性。气候模拟与预测AI创新突破03全球气溶胶-气象耦合AI模型单击此处添加正文

AI-GAMFS模型：全球首个气溶胶-气象耦合AI模型2026年3月，中国气象科学研究院车慧正研究员和张小曳院士团队研制的全球首个气溶胶-气象耦合预报人工智能模型“AI-GAMFS”在《自然》发表，实现全球气溶胶智能预报的高效业务化运行。技术突破：高效处理与精准模拟基于42年全球12万时次的气溶胶再分析资料训练，集成全局注意力机制、时空编码模块及接力预报策略等关键技术，可在1分钟内完成全球范围5天、逐3小时的业务化预报，空间分辨率达50公里，每日滚动预报8次，输出涵盖54个变量。性能优势：多指标超越国际先进模型独立评估显示，AI-GAMFS在气溶胶光学厚度（AOD）及沙尘组分预报等指标上优于欧洲中期天气预报中心的哥白尼大气监测服务模型（CAMS）及多个国际先进区域沙尘物理预报模型，与美国NASA的GEOS-FP模型相比，全球AOD预报平均误差更低。业务应用：国内外多场景落地已在中央气象台及陕西、宁夏等10余个省（自治区）气象部门实现业务应用，通过中国气象局天气预报科技成果中试基地业务准入，在多次沙尘天气过程预报业务会商中发挥关键支撑作用，并接入“妈祖（MAZU）”全民早期预警云平台面向全球提供服务。ENSO现象AI预测方法与效果

传统ENSO预测的挑战传统气候模式对ENSO遥相关模拟偏差难以解决，ENSO海表面温度异常过度西伸的偏差，严重制约气候模拟和预估的可靠性。

AI预测方法创新中国科研团队基于循环一致生成对抗网络设计全球SST模拟校正模型，能校正气候态偏差，显著改进对ENSO等动力模态的模拟。

基于Transformer架构的预测突破有学者基于Transformer架构构建的AI模型，对ENSO现象的预测时长已突破18个月，远超传统动力模型。

AI预测效果提升AI模型不仅确认了传统模型关于“南涝北旱”风险加剧的整体判断，还能更精细化提示特定情景下极端天气风险窗口期。物理-AI融合气候模式构建

01物理信息神经网络（PINN）的创新应用将纳维-斯托克斯方程等物理约束嵌入神经网络损失函数，确保模型输出符合热力学定律，突破纯数据驱动模型的局限。

02AI-数值模式完全耦合的未来图景构建物理-AI平衡的模型，可根据模式输出计算损失并迭代优化，形成可学习的气候模式，解决离线参数化方案的局部最优问题。

03生成模型改进气候模态模拟基于循环一致生成对抗网络设计全球SST校正模型，显著改进对ENSO、印度洋偶极子等动力模态的模拟，减弱ENSOSST异常过度西伸偏差。

04物理耦合提升降水预报技巧结合图神经网络对多变量进行物理软约束，提出omega-GNN等模型，显著提升各分类降水预报技巧，性能优于主流无物理约束深度学习模型。公里尺度全球气候模拟技术技术突破：生成式AI基础模型cBottleNVIDIAEarth-2平台推出全球首个专为公里尺度分辨率模拟全球气候设计的生成式AI基础模型cBottle，可生成逼真大气状态，速度较传统数值模型快数千倍且能效更高。数据处理与训练优势cBottle结合GPU加速和Earth-2栈，能将单个天气样本PB级数据压缩3000倍，基于过去50年观测数据和高分辨率物理气候模拟训练，仅需四周公里尺度气候模拟数据即可完成训练。应用与协作案例马克斯-普朗克气象研究所利用Earth-2及ICON地球系统模型实现首次整个地球系统公里尺度模拟；艾伦人工智能研究所与NVIDIA协作加速气候建模，助力天气预测和气候适应力研究。关键价值与前景该技术为理解和预测地球复杂自然系统提供新途径，可构建气候数字孪生体，实现低延迟、高吞吐量预测，助力探索局部极端天气，如暴雨、干热风等，推动气候科学成果应用。大气环境监测AI技术应用04空气质量多源数据融合分析多源数据采集与整合通过空气质量监测站、卫星遥感、物联网传感器等多渠道采集数据，包括PM2.5、PM10、二氧化硫、氮氧化物等污染物浓度及气象参数，形成细粒度监测网络，实现海量异构数据的统一接入与标准化处理。AI算法驱动的数据融合技术运用图神经网络（GNN）等AI算法融合多源数据，如北京500节点PM2.5监测网通过GNN提升数据关联性分析能力，有效降低PM2.5预测误差15%，解决传统方法中数据碎片化、时空不匹配问题。动态监测与趋势预测AI模型对融合后的数据进行实时分析，可精准监测城市各区域空气质量状况，并预测未来污染趋势。例如，结合历史数据与实时气象条件，实现对空气污染过程的动态追踪与短期预报，为污染治理提供科学依据。污染源智能解析与追踪技术

多源数据融合溯源方法基于图神经网络（GNN）融合卫星遥感、地面监测站、物联网传感器等多源异构数据，实现PM2.5等污染物来源的精准定位，较传统方法预测误差降低15%。

大气化学反应AI模拟利用深度学习替代传统化学传输模型（CTM）求解器，GPU加速85倍，可高效模拟气溶胶的复杂化学转化过程，为污染成因分析提供科学支撑。

移动污染源动态追踪结合交通流大数据与AI视频监控算法，智能识别站点周边喷淋、雾炮作业等干扰行为，对非法排污移动源进行轨迹跟踪和行为预警，提升监管效率。

区域传输路径智能识别基于注意力机制的Transformer模型成功捕获大气河与污染物传输的耦合信号，可识别跨区域污染输送通道，为区域联防联控提供决策支持。大气污染物浓度AI预测模型

全球首个气溶胶-气象耦合AI模型：AI-GAMFS中国气象科学研究院车慧正研究员和张小曳院士团队研发的AI-GAMFS模型，基于42年全球12万时次的气溶胶再分析资料训练，可在1分钟内完成全球范围未来5天、逐3小时的高精度环境气象预报，空间分辨率达50公里，已在中央气象台及陕西、宁夏等10余个省（自治区）气象部门实现业务应用，并接入“妈祖（MAZU）”全民早期预警云平台面向全球服务。

图神经网络（GNN）提升PM2.5预测精度AI技术通过图神经网络（GNN）融合多源数据，能够有效提升PM2.5等大气污染物的预测精度，相关研究表明，其PM2.5预测误差可降低15%，为精准的空气质量预报和污染治理提供了有力支持。

多源数据融合与机器学习算法应用AI预测模型整合卫星遥感、地面监测站、气象数据等多源异构信息，运用机器学习算法（如随机森林、支持向量机等）和深度学习算法（如卷积神经网络、长短期记忆网络等）对数据进行深度挖掘和模式识别，实现对大气污染物浓度的精准预测，助力大气污染的实时监测与预警。数智化环境监测站技术架构

数据采集层：多源感知与自动化集成空气质量监测站、卫星遥感、物联网传感器等设备，实时采集PM2.5、PM10、气态污染物浓度及气象参数，实现监测数据的自动化、高精度获取。

数据传输层：高效稳定的数据通道通过有线或无线通信网络，将采集到的海量环境数据实时传输至数据中心或云平台，确保数据传输的及时性与可靠性，为后续分析提供支撑。

数据处理与分析层：AI算法深度赋能运用机器学习、深度学习等AI算法，对数据进行清洗、预处理、特征提取和模型训练。如利用随机森林、长短期记忆网络等模型预测污染物浓度变化趋势，实现对环境质量的智能分析。

应用层：多元化智能服务输出提供大气环境质量评估、污染预警、源解析等应用服务。例如，通过AI模型预测污染物浓度，及时发出污染预警信息，并辅助确定污染物来源和传输路径，为污染治理提供科学决策依据。气象服务与决策支持AI应用05公众气象服务AI产品创新互动式穿衣指数服务深圳市气象局在“深圳天气”APP创新推出“鹏城互动式穿衣指数”服务，针对不同年龄、性别、体质人群提供专属穿着指引，结合气温、湿度、风力等要素，采用八级精细体感温度划分，上线仅一个月访问量接近百万人次。人体舒适度与健康气象服务“深圳天气”小程序和APP新增“人体舒适度指数”，综合评估气温、湿度、风速和辐射对人体的热负荷影响，为市民运动提供参考；秋冬春三季联合市疾控中心逐日发布未来7天流感气象风险等级预报。天文观测与暗夜经济服务在“西涌国际暗夜社区天文观测信号”服务基础上，拓展深汕鲘门、珠海万山、韶关乳源等观星地点，形成多地联动发布机制，市民可通过“深圳天文”微信公众号获取天文观测指数和天象信息，助力大湾区星空旅游发展。行业专用气象AI解决方案

能源电力行业：提升新能源利用效率协鑫集团引入AI气象预测，通过更高精度的辐照度和风速预判，优化光伏功率预测，降低出力偏差带来的财务波动，提升发电计划与交易策略匹配度。

防灾减灾领域：增强决策支持能力深圳市气象局推出暴雨概率预报，在原有日雨量50毫米基础上，新增70毫米和100毫米阈值预报；并提供风险预警智能问答服务及一键生成极端强降雨风险报告，助力科学调度与应急处置。

公众服务领域：提供个性化生活指引深圳市气象局在“深圳天气”APP创新推出“鹏城互动式穿衣指数”服务，分人群提供专属穿着指引，采用八级精细体感温度划分，上线仅一个月访问量接近百万人次。

天文观测领域：拓展观星服务范围深圳市气象局在“西涌国际暗夜社区天文观测信号”服务基础上，拓展深汕鲘门、珠海万山、韶关乳源等观星地点，形成多地联动发布机制，市民可获取天文观测指数和天象信息。决策气象移动端APP功能升级

聚焦致灾场景与重大活动保障新版APP重点关注台风、暴雨等区域性致灾场景及重大活动气象保障，提升针对性服务能力。

实现信息"化繁为简"智能集成围绕"看得清、判得准、动得快"核心能力，将海量复杂信息整合，实现实况、预警、预报产品一屏整体展示与智能集成推送。多源数据融合与处理平台整合卫星遥感、地面传感器、无人机探测等多源异构数据，通过AI算法进行清洗、归一化和时空匹配，如处理Sentinel-5P卫星7km×3.5km分辨率的NO₂数据与地面IoT站点PM2.5监测数据，实现PB级数据高效集成。智能特征提取与模式识别运用卷积神经网络（CNN）、Transformer等模型，从海量数据中提取关键气象特征，如通过注意力机制识别大气河与海洋中尺度涡旋的耦合信号，或利用图神经网络（GNN）融合多源数据提升PM2.5预测精度，误差降低15%。高性能计算与实时分析依托GPU加速、边缘计算等技术，实现气象数据实时处理与分析。例如，AI-GAMFS模型可在1分钟内完成全球5天、逐3小时的气溶胶预报，空间分辨率达50公里；深圳“智瞳”模型将强降水有效预报时间延长至3小时，为防汛争取“生命时间窗口”。可视化与决策支持通过交互式可视化技术（如数字孪生地球）展示气象数据，生成全球温度变化空间分布图、区域降水时序图等专业图表。结合“风铃天气”等决策APP，将复杂信息“化繁为简”，实现实况、预警、预报产品一屏展示，支撑防灾减灾科学决策。气象大数据智能分析平台关键AI气象模型技术解析06X波段相控阵雷达AI处理算法

雷达数据时空分辨率提升AI算法助力X波段相控阵雷达实现30米/1分钟的时空分辨率，1公里高度有效覆盖率超92%，精准捕捉小尺度、突发性强对流天气三维精细结构。

临灾靶向预警与漫游用户难题破解依托AI处理后的雷达数据，广东已实现分镇街临灾靶向预警，提前1小时精准发布预警信息，并利用通信基站大数据解决漫游用户接收难题。

传统雷达监测盲区有效弥补通过AI对雷达回波的智能分析与增强，能够识别传统雷达难以捕捉的微弱信号和快速变化的天气系统，有效弥补了传统雷达在小尺度天气监测上的盲区。南海台风数值预报AI耦合模式

模式研发背景与技术突破由广州热带海洋气象研究所自主研发，在CMA—TRAMS南海台风模式基础上，加强人工智能技术研发应用，成功研发南海台风数值预报AI耦合模式（TRAMS—AICV1.0），并于2026年3月正式投入业务试运行。

预报精度显著提升经验证，TRAMS—AICV1.0的72小时台风路径预报误差下降25%，120小时误差大幅下降45%；强度预报能力同样显著提升，有力破解了热带区域天气预报的世界级难题。

防灾减灾应用价值该“中国方案”为华南及南海地区防台减灾赢得了更多宝贵时间，提升了台风灾害的预警和应对能力，保障了人民生命财产安全。“珠玑·雨燕”短临预报系统原理

核心技术架构基于人工智能技术研发，集成多源观测数据，构建高精度短临预报模型，实现对突发性灾害天气的快速识别与预测。

关键性能指标雷暴大风识别命中率稳定在90%以上，短时强降水TS评分在0.4以上，空报率显著降低，多数指标在国内外主流预报模型中位居前列。

业务应用成效在2025年全国智能预报技术方法大赛、WMO组织的短临预报对比示范项目中性能突出，为广东地区防灾减灾提供精准短临预报支撑。AI-GAMFS模型技术架构与应用01AI-GAMFS模型的核心技术架构AI-GAMFS模型基于42年全球12万时次的气溶胶再分析资料训练，集成全局注意力机制、时空编码模块及接力预报策略等关键技术，实现全球气溶胶智能预报的高效业务化运行。02AI-GAMFS模型的预报能力该模型可在1分钟内实现全球范围5天、逐3小时的业务化预报，空间分辨率达50公里，每日滚动预报8次，预报输出涵盖54个变量，包括沙尘、硫酸盐、黑碳、有机碳、海盐等5类关键气溶胶组分的光学特性、地面浓度及相关气象要素。03AI-GAMFS模型的国内业务应用AI-GAMFS已在中央气象台及陕西、宁夏等10余个省（自治区）气象部门实现业务应用，并通过中国气象局天气预报科技成果中试基地业务准入，在2025年4月、11月和2026年2月我国遭遇的强沙尘天气过程预报业务会商中发挥了关键支撑作用。04AI-GAMFS模型的国际服务贡献在国际层面，AI-GAMFS模型已正式接入“妈祖（MAZU）”全民早期预警云平台，面向全球提供预报服务，为沙尘暴、野火、雾霾等全球气溶胶污染事件的精准预警提供有力支撑。AI气象技术挑战与未来展望07AI模型物理可解释性研究

01物理机制与AI融合的必要性盘古等气象大模型存在物理一致性争论，主要源于对天气大模型定性和定量不同程度的动力诊断。AI模型虽能定性学习气候系统关键动力模态，但部分关键物理动力量在定量上存在明显误差，需通过物理约束提升模型能力和物理一致性。

02物理信息神经网络（PINN）的应用将纳维-斯托克斯方程等物理约束嵌入神经网络损失函数，确保模型输出符合热力学定律。例如，有研究提出物理约束的omega-GNN模型，结合垂直运动方程和水汽方程等物理变量耦合关系，显著提升各分类降水预报技巧，性能优于主流无物理约束深度学习模型。

03前兆信号智能识别与物理机制揭示“风顺”大模型构建前兆信号智能识别模块，通过显著图（SaliencyMap）智能识别前期热带三大洋相互作用对极端降水的协同影响机制，不仅作为预测工具，还具备揭示物理机制的潜力，一定程度上缓解AI“黑箱”通病。

04可解释人工智能（XAI）技术的探索通过层间相关性传播（LRP）等XAI技术，从深度网络中提取海气反馈关键过程，为发现新的气候敏感度指标提供启示。未来需重点发展因果发现算法，使AI模型不仅能关联变量，还能识别大气海洋系统中的因果机制。多源异构数据融合技术难点数据格式与标准不统一不同观测系统（如ACTRIS、ICOS、GAW）数据格式差异大，需WMO等组织推动NetCDF-HDF5等统一标准转换，增加数据预处理复杂度。时空分辨率匹配难题卫星遥感数据（如Sentinel-5P为7km×3.5km）与地面IoT传感器（北京500节点PM2.5监测网）时空尺度差异显著，融合时易产生信息丢失或冗余。数据质量与不确定性处理低成本传感器易受环境干扰，数据存在噪声和偏差；传统数值模型与AI模型预测结果存在系统性误差，需开发鲁棒的异常检测与偏差校正算法。高维变量协同建模挑战气溶胶-气象耦合预报需同时解析5类关键气溶胶组分及相关气象要素（AI-GAMFS输出54个变量），变量维度与过程复杂性跃升，传统方法难以捕捉非线性相互作用。AI气象算力支撑体系建设

高性能计算平台赋能AI气象模型AI气象模型对算力需求巨大，高性能计算（HPC）平台如ECMWF集成HPC，可在6小时内完成全球预报。中国气象局智算平台支持“风顺”大模型实时运行，生成0—60天全球气候预测产品。

云计算与边缘计算协同架构云计算平台如GoogleEarthEngine可处理PB级遥感数据，支撑AI模型训练；边缘计算则实现本地化实时处理，如UAV搭载FPGA边缘设备可实时进行高光谱影像分析，提升气象数据处理效率。

量子计算与神经形态计算前瞻布局量子计算有望加速气候模拟，如量子退火算法求解Navier-Stokes方程；神经形态计算如Loihi芯片能效比GPU高1000倍，适用于卫星星上实时数据处理，为未来AI气象算力提供新方向。

数据存储与管理技术革新面对海量气象数据，DNA分子存储技术展现潜力，1克DNA可存储215PB气候数据，解决长期归档需求。同时，WMO推动数据共享标准如NetCDF-HDF5转换工具，提升数据互操作性。物理与AI深度融合的混合建模未来气候模式将向AI和数值模式完全耦合的“物理-AI平衡模型”演进，通过在线参数化