AI在智慧气象技术中的应用

20XX/XX/XXAI在智慧气象技术中的应用汇报人:XXXCONTENTS目录01

智慧气象与AI技术概述02

AI驱动的气象技术核心引擎03

国家级AI气象模型体系04

地方特色AI气象应用实践CONTENTS目录05

AI气象服务典型应用场景06

数据治理与高质量数据集建设07

挑战与未来发展趋势08

国际合作与中国方案贡献智慧气象与AI技术概述01智慧气象的核心价值与发展背景全球气候变化与极端天气挑战在气候变化加剧、极端天气事件频发的全球背景下，气象服务的精准性、时效性和应用广度已成为影响社会安全、经济发展和民生福祉的关键因素。智慧气象：气象现代化建设的核心方向智慧气象通过融合大数据、人工智能、物联网、云计算等前沿技术，重构传统气象服务的逻辑与边界，推动气象数据从“观测记录”向“价值创造”跨越。政策驱动：打造智能经济新形态2026年《政府工作报告》明确提出打造智能经济新形态，深化拓展“人工智能+”，促进新一代智能终端和智能体加快推广，为气象智能化指明方向。提升防灾减灾与服务民生能力智慧气象提升了气象预报的精细化水平，有效支撑防灾减灾决策，赋能千行百业，如农业精细化生产、能源系统智能调度、公共健康风险防控等，服务经济社会高质量发展。AI技术赋能气象服务的变革预报精度与时效的飞跃AI模型如“风清”可在3分钟内生成未来15天全球预报，有效预报天数达10.5天；“风雷”模型实现强对流预警提前量3小时，强回波预报技巧提升25%，台风24小时路径预报误差缩小至58公里，保持国际领先。服务模式向场景化延伸AI推动气象服务从政府决策向企业运营与公众生活拓展。如农业领域的精准灌溉、病虫害预警，交通领域的高速公路能见度监测与航班延误预测，能源领域的风电功率预测与光伏发电效率优化，以及公众端个性化气象服务APP。数据价值从记录到创造气象数据从“部门独享”转向“社会共用”，通过API接口、数据平台等形式开放。AI与地理信息、社会经济等数据融合，催生出“气象+场景”的定制化服务，如结合城市热岛效应数据与电力负荷模型预测电网压力，实现数据从“观测记录”向“价值创造”的跨越。人机协同重塑业务流程AI成为预报员的“数智同事”，从“模式挑选者”转变为“决策把关人”。如AI系统可即时生成天气形势分析初步结论，让预报员更专注于异常数据验证和复杂天气系统解读，提升预报效率与准确性，重塑预报员工作日常。2026年智慧气象行业发展现状技术驱动下的气象服务变革

智慧气象通过融合大数据、人工智能、物联网、云计算等前沿技术，提升了气象预报的精细化水平，推动气象数据从“观测记录”向“价值创造”跨越，重构传统气象服务逻辑与边界。基础设施智能化升级

传统气象观测网络加速向“空天地海”一体化转型，地面观测站、雷达、卫星、无人机、浮标等多元设备形成立体监测体系，结合5G通信技术实现数据实时传输，如新一代相控阵天气雷达缩短强对流天气预警时间。数据生态开放与融合

气象数据从“部门独享”转向“社会共用”，气象机构通过API接口、数据平台等形式向公众、企业开放数据。例如，中国气象局“风云地球”平台整合多源气象数据与AI分析工具，供农业、交通、能源等行业用户调用，并与多领域数据交叉融合，催生出“气象+场景”定制化服务模式。预报技术范式突破

人工智能成为气象预报核心引擎，AI模型通过学习海量历史数据直接预测天气演变。如谷歌“GraphCast”模型在台风路径预测中精度与ECMWF模式相当，计算效率提升数千倍；中国气象局“风雷”智能预报系统实现从全球尺度到乡镇级别的无缝预报，覆盖多时段需求。服务模式场景化延伸

智慧气象服务对象从政府决策扩展至企业运营与公众生活。在农业领域提供精准灌溉等服务，交通领域保障出行安全，能源领域提升可再生能源利用率，公众端涌现个性化气象服务APP，提供穿衣指数、运动建议等增值服务。AI驱动的气象技术核心引擎02人工智能：从辅助工具到核心能力

AI在气象预报全流程的深度渗透AI已从数据清洗、模式优化等辅助环节，延伸至预报决策全流程。如生成对抗网络(GAN)可模拟极端天气历史场景，为模型训练提供稀缺样本；自然语言处理(NLP)技术能自动解析气象文本报告，提取关键信息供决策系统调用。

“数据驱动+知识引导”的双引擎融合模式未来，AI与物理模型的深度融合将成为主流。通过此模式，可提升预报的物理一致性与可解释性，弥补纯数据驱动模型在极端物理条件下的不足，确保预测结果符合流体力学规律。

算力与效率的革命性提升AI模型显著降低计算成本并缩短预报时效。例如谷歌GraphCast模型在台风路径预测中精度与欧洲中期天气预报中心(ECMWF)模式相当，计算效率提升数千倍；华为盘古气象大模型速度相比传统数值预报提升10000倍以上。

从单一模型到集群化智能矩阵我国气象人工智能已形成覆盖短时临近、中短期、次季节—季节全时效的智能模型矩阵。如“风雷”“风清”“风顺”等国家级模型，以及各地因地制宜研发的“智霁”“智瞳”“雨师”“扶摇”等特色模型，构建“人工智能算力+人类经验”的协同新模式。大数据与云计算：支撑海量数据处理

气象数据的独特挑战气象数据具有多源、异构、高维的特点，其存储与计算需求远超传统IT架构，对处理能力提出极高要求。

云计算的弹性资源优势云计算平台通过弹性资源分配，可动态支持从实时监测到长期气候模拟的多样化任务，显著提升资源利用率与处理效率。

典型应用案例例如，亚马逊云科技(AWS)为美国国家海洋和大气管理局(NOAA)提供的云服务，使其能够快速处理卫星数据并发布预警。

数据湖技术的统一管理数据湖技术的引入，实现了结构化与非结构化数据的统一管理，为AI模型训练提供了高质量燃料，加速了数据价值挖掘。物联网与边缘计算：实现"最后一公里"覆盖01LPWAN技术支撑偏远地区数据采集在偏远地区或复杂地形，物联网设备通过低功耗广域网(LPWAN)如LoRa技术，实现气象数据的低成本采集。例如，LoRa技术支持的温湿度传感器可连续工作数年，无需频繁更换电池，有效填补观测盲区。02边缘计算提升数据处理效率边缘计算节点对原始数据进行预处理，仅上传关键特征，显著减少带宽占用和数据传输延迟。智能气象站通过边缘计算能力，可在本地完成初步数据处理，提升实时响应速度。03智能穿戴设备构建众包观测网络智能穿戴设备（如手环、手表）开始集成气象监测功能，通过众包模式补充官方观测网络，形成"人人参与"的气象感知生态，增强了对微尺度气象现象的捕捉能力。04荆门：AI赋能实景画面智能识别监测荆门市气象局整合区域自动气象站数据与行业部门户外监控资源，迭代完善基于实景画面的AI智能识别技术，实现大雾、雨雪等关键天气的精细化观测，夯实春运气象服务硬件基础。区块链：保障数据安全与可信共享

数据真实性与完整性保障气象数据的真实性与完整性对防灾减灾至关重要。区块链技术通过分布式账本与加密算法，可追溯数据来源并防止篡改，确保数据在全生命周期内的可信。

农业保险理赔简化农业保险公司可通过区块链验证农户提交的气象灾害证明，简化理赔流程，提高效率和透明度，减少理赔纠纷。

跨机构数据共享的权限管理跨机构数据共享时，区块链的智能合约功能可自动执行权限管理，确保敏感信息仅被授权方访问，实现数据的安全合规流动。国家级AI气象模型体系03高分辨率与高频次更新实现全国范围1公里分辨率的未来3小时、逐10分钟的回波降水格点预报，推理时间仅5至10秒，支持10分钟级高频更新。强回波预报质量提升强回波预报技巧提升超25%，在局地极端强对流天气预报中展现出优势，为防灾减灾争取宝贵时间。物理与数据驱动深度融合将数据驱动与物理驱动范式深度融合，首次将三维连续性方程嵌入神经网络以模拟大气垂直运动，设计"物理约束层"强制学习雷达回波立体结构。业务化集成与应用集成于中国气象局短临预报业务系统（SWAN），支持国省市县四级强天气预警业务，在多次强对流过程预报中发挥关键支撑作用。短时临近预报："风雷"模型技术突破全球中短期预报："风清"模型业务化应用模型核心性能与效率"风清"模型作为全自主知识产权的人工智能全球短中期预报系统，可在3分钟内生成未来15天、25公里分辨率逐6小时的全球预报产品，包含13层高空要素与11类地面要素，全球有效预报时效超10.5天。业务化部署与服务范围该模型于2024年9月10日完成业务化，通过气象开放应用平台（MOAP）和气象大数据云平台"天擎"面向全国提供服务，并集成于中国气象局国际早期预警业务支撑平台，纳入与阿联酋、巴基斯坦等多国双边合作框架协议。关键天气过程支撑案例在2025年汛期转折性天气形势预报、台风"格美"路径强度预报、华北大范围高温过程以及梅雨锋暴雨等高影响天气预报中均发挥了有效支撑作用，极端天气与关键要素预报精度对标国际领先水平。次季节-季节预测："风顺"模型性能优势全球覆盖与集合预报能力具备覆盖全球的预报能力，每日可提供包含100个集合成员的60天预测产品，为大范围气候趋势研判提供有力支撑。关键气候模态预测性能在关键气候模态预测性能上达到国际先进水平，对热带大气季节内振荡（MJO）的有效预测能力可达32天。极端天气预测与风险预警在极端天气预测中表现亮眼，能提前捕捉如"南海夏季风暴发偏晚"等关键信号，为我国能源调度等提供前瞻性风险预警。气象服务交互："风和"语言模型创新应用

01千亿参数语言模型：智能交互新窗口"风和"是面向气象服务领域的千亿参数语言模型，作为连接海量气象数据与用户的重要"智能交互窗口"，可应用于灾害预警、交通运输、旅游出行等多样化场景。

02专属语料库与问答集：服务能力基础构建了专属气象语料库及49万条场景化问答集，为"风和"模型提供了坚实的知识基础，使其能够理解和响应用户的各类气象相关查询。

03服务模式转变：从"人找信息"到"信息找人"实现气象服务从传统的"人找信息"模式向智能化的"信息找人"模式转变，提升了服务的主动性和精准性，让用户更便捷地获取所需气象信息。

04多场景应用：满足多元需求公众可查询旅游沿途天气，风力发电场工作人员能询问风电场风力等，"风和"模型能够满足不同用户在不同场景下的气象信息需求。地方特色AI气象应用实践04深圳"三剑客"：智霁、智瞳与阿福模型升级智霁模型：强化台风与暴雨强度预报与华为云联创研发，提供深圳及周边未来7天3公里分辨率气象要素预报。2026年升级强降水预测增强技术，改进台风强度预报算法，部分指标优于传统数值模型。智瞳模型：延长强降水有效预报时间联合哈尔滨工业大学（深圳）研发，将强降水有效预报时间从1小时延至3小时。2026年优化多源数据融合与物理机理融合技术，改进海上强对流预测算法，提升暴雨、雷雨大风预警精准性。阿福助手：构建多场景气象智能体联合鹏城实验室完善，集成国省语料库，推进小智能体模块研发。实现台风风雨影响、重大活动专报等多情景业务应用，重塑预报预警业务流程，提升预报员工作效率。青岛"百米级、分钟级"短临预报体系构建

数智预报体系核心架构青岛构建0到240小时无缝隙、全覆盖的数智预报体系，融合人工智能预报模型，实现从"公里级、小时级"到"百米级、分钟级"的跨越，暴雨预警提前量提升至105分钟，强对流预警提前量提升至53分钟。

高分辨率智能网格预报技术打造覆盖整个城市的高精度天气地图，最小网格达100米×100米，包含温度、降水、风速等详细气象要素，实现预报预警精准落点到街区，为城市精细化治理提供支撑。

本地化AI模型二次开发应用针对青岛"山海城湾"特殊地形，开展AI模型本地化开发，建成中国北方海雾卫星遥感监测数据集，海雾预报准确率稳定在80%以上；开发沿海大风客观算法和雷暴大风随机森林模型，提升复杂天气预测能力。

多维度气象风险预警模型应用构建精确到路网桩号的公路交通风险模型和城市积涝风险模型，实现从"天上有雨"到"地上积水"的全链条预测，为2026青岛马拉松等重大活动提供逐小时、逐30分钟的精细化气象保障服务。江苏"风掣"模型与"灵云"智能体协同应用"风掣"AI模型：强对流预报的"智慧眼"江苏气象部门联手高校打造的"风掣"AI模型，覆盖0—12小时短时预报，融合多源观测数据，2分钟内完成推演。2025年使强对流预警平均提前量提升至53分钟，预报精度较传统模式提升22%，在第四届全国智能预报技术方法交流大赛中获雷暴、大风双料全国第一。"灵云"智能体：预警全流程的"加速器""灵云"强对流预警智能体以"风掣"模型成果为核心数据源，实现从监测识别、智能研判到预警生成、推送的全流程智能化。将预警报告全链条处理时间从传统人工的约10分钟压缩至1分钟，2025年汛期在江苏9次重大致灾强对流过程中，5次提前5.4小时发出提醒。协同应用：筑牢防灾减灾与产业赋能防线两者协同不仅提升了强对流天气"早发现、早决断、早防范"能力，有效减少气象灾害损失。还深度赋能交通、能源等领域，如高速公路能见度识别模型使恶劣天气交通事故同比下降51%，15分钟级风光功率预测模型在2025年7月台风期间指导南通东耀风电场发电效益增长近3倍。四川"5413"气象智能框架实践

整体框架布局：系统谋划气象智能转型四川省气象局印发人工智能气象应用实施方案，提出"5413"整体框架布局。即建设算力环境、算法模型等"5大基础"支撑，推进人工智能在监测、预报、服务和人工影响天气"4大领域"融合应用，打造具有四川特色的"1套智能体"，并不断优化机制、人才等"3大保障"。

基础支撑体系：筑牢云原生异构算力底座四川基于云原生技术构建"四层解耦"的总体架构体系，实现对国产信创硬件在内的异构算力资源的统一抽象与弹性调度。选定深度适配信创算力的千问系列模型作为全省气象应用的大语言模型底座，并配备向量化模型与多模态模型，确保核心业务的可靠性与安全性。

多智能体协同：场景赋能重塑业务流程依托自建的气象智能体应用开放协作平台，四川构建了系列智能体应用。包括面向决策的"口袋书"智能体、实况通报产品制作智能体、天气图分析智能体，以及联合国家气象信息中心研发的ChatMUSIC数据查询智能体，实现14万条语料和2500余种天擎数据"一站式"智能问答与获取，全面驱动业务"智能化"。

应用成效与展望：智驱业务结出丰硕成果四川依托人工智能技术实现高水平成果转化，四川省气象台在第四届全国智能预报技术方法交流大赛中斩获团体及两项单项第六名；创新研发22类超100个要素的区域实况网格与预报预警产品，通过四川数字气象业务一体化平台和四川气象APP支撑核心业务，实现AI与数值模式双轮驱动，为防灾减灾提供硬核科技支撑。AI气象服务典型应用场景05气候适应型城市建设与精细化治理

01城市气象大脑：多源数据融合与风险动态模拟构建整合气象、交通、环境等数据的“城市气象大脑”，实现暴雨内涝、高温热浪等风险的动态模拟与预警。例如，新加坡“虚拟新加坡”平台可模拟不同降雨强度下的排水系统负荷，为城市规划提供科学依据。

02绿色建筑与气象数据联动：降低城市碳足迹推动绿色建筑与气象数据的联动，优化空调、照明等设备的能耗。通过结合实时气象数据与建筑能源管理系统，实现建筑能源使用的动态调节，有效降低城市整体碳足迹。

03智能交通气象服务：提升出行安全与效率开发针对交通场景的精细化气象服务，如高速公路能见度监测与预警、城市积涝风险预报。青岛构建了精确到路网桩号的公路交通风险模型，为交管部门智能调流和安全管控提供支撑，降低恶劣天气引发的交通事故。

04城市多灾种早期预警智能体：赋能防灾减灾决策研发城市多灾种早期预警智能体，如上海“MAZU-Urban”，集成风云卫星、多源AI预报模型，实现从监测、预报到预警发布、风险评估的全流程智能支撑，并已在35个国家和地区试用，提升城市防灾减灾决策效能。农业精细化生产与智慧农业赋能

作物生长环境智能监测中国“农田小气候仪”可实时监测作物冠层温湿度，结合病虫害发生模型，提前推送防治方案，提升作物生长环境调控精度。

农事活动精准指导基于土壤湿度监测、霜冻预警、光热资源评估等功能，智慧气象服务指导农户调整种植结构与农事活动，如优化灌溉时机与种植密度。

畜牧业气象风险防控气象数据与动物健康模型结合，可预测热应激风险，减少牲畜死亡损失，保障畜牧业生产稳定。

特色农业气象服务浙江省气象局研发“百米级、逐小时”格点化温度预报产品和基于茶园田块的降尺度小时温度订正技术，实现山地茶叶霜冻害智能监测精准预报。能源系统智能调度与新能源高效利用

风光功率预测精度提升基于AI的15分钟级风光功率预测模型，精准匹配新能源发电调度需求。2025年7月台风过境期间，南通东耀海上风电场应用该模型，当日发电量从477万千瓦时提升至1677万千瓦时，发电效益增长近3倍。

电力负荷与电网压力预测AI模型结合气象数据与电力负荷模型，可预测高温等天气下的电网压力，为能源调度提供依据。如融合城市热岛效应数据与电力负荷模型，辅助电网优化调度。

氢能产业链气象优化在氢能产业链中，气象数据可指导电解水制氢的时机选择，通过预测光照、风力等可再生能源发电高峰期，优化制氢过程，降低生产成本。

新能源场站安全与效率保障AI模型能精准预警大风极值等气象风险，避免风机因超风速损坏。同时，为新能源场站提供精细化气象服务，提升整体运营效率与安全保障水平。传染病传播的气象风险预测气象条件与传染病传播密切相关，如疟疾传播受气温、降水影响。通过构建“气象-健康”预警系统，可预测蚊媒滋生风险，指导消杀作业，有效防控传染病。极端天气相关健康风险预警气候变化加剧了热射病等健康风险。AI模型结合高温热浪数据与人口分布信息，能识别高危人群与脆弱区域，提前发布预警，建议公众减少户外活动，做好防护措施。空气污染健康影响评估与预警气象数据与污染物扩散模型结合，可提前发布雾霾等空气污染预警。例如，通过分析气象条件对污染物扩散的影响，预测空气质量变化，为公众健康出行和疾病预防提供科学依据。公共健康风险防控与气象-健康预警低空经济与交通物流气象保障

01低空经济气象需求与AI技术支撑低空经济（如无人机、eVTOL）对风切变、湍流、雷暴、能见度、微尺度风场等气象因素高度敏感。AI技术通过微气象建模、城市风场算法等，为低空飞行安全与效率提供精细化气象保障。

02交通物流场景的气象服务创新深圳推出AI区域集合预报模型“智霁2.0”“智瞳”系统，提升强降水临近预报时效；青岛构建精确到路网桩号的公路交通风险模型，为交管部门智能调流提供支撑。

03AI赋能交通物流效率提升案例深圳机场利用气象云平台预测跑道级风向变化，航班准点率提升18%；江苏省基于AI的15分钟级风光功率预测模型，助力南通东耀海上风电场发电效益增长近3倍。数据治理与高质量数据集建设06气象数据质量革命与标准化体系高质量数据集的核心特征高质量数据集需具备时空一致性、高分辨率与无缝隙、长序列与代表性、可溯源与标准化四个关键特征，这些特征直接决定了气象模型的"视力"。国家气象数据质量突破气象部门自主研制的全球大气再分析产品（CMA-RAV1.5），全面支撑中国气象局"风清""风顺"等模型的训练，打破了我国气象模型依赖国外训练数据集的"数据锁"困境，于2025年入选国家数据局"高质量数据集典型案例"。气象数据标准化顶层设计气象部门正强化标准引领，制定气象数据集国家标准与行业规范，建立数据质量认证体系，统一数据处理准则，降低产业沟通成本，以适应数字经济"以质取胜"的新阶段。场景驱动的数据供给新模式面向低空经济、新能源等产业定制专属数据集，赋能新质生产力，实现从数据开放到"数据要素×"的叠加效应，推动气象数据从"观测记录"向"价值创造"跨越。CMA-RAV1.5再分析产品与应用价值

CMA-RAV1.5产品概述气象部门自主研制的全球大气再分析产品（CMA-RAV1.5），全面支撑中国气象局“风清”“风顺”等模型的训练，打破了我国气象模型依赖国外训练数据集的“数据锁”困境。成果于2025年向全社会发布并入选国家数据局“高质量数据集典型案例”。

高质量数据集关键特征国家气象信息中心数据研究室主任张志强认为，高质量数据集须具备时空一致性、高分辨率与无缝隙、长序列与代表性、可溯源与标准化四个关键特征，这些特征直接决定了气象模型的“视力”。

核心应用价值体现CMA-RAV1.5为我国气象人工智能模型提供了自主可控的高质量训练数据基础，有效提升了“风清”等模型的预报精度与可靠性，推动了智慧气象核心技术的自主创新与业务化应用。场景驱动的数据供给与要素价值释放01强化标准引领的顶层设计制定气象数据集国家标准与行业规范，建立数据质量认证体系，统一数据处理准则，降低产业沟通成本。02构建场景驱动的数据供给模式面向低空经济、新能源等产业定制专属数据集，赋能新质生产力。如深圳开放89项气象数据产品，年共享约2.2亿条，成立气象数据要素联合运营中心，17个产品上架数据交易所。03发挥链主聚合作用，推动多领域数据融合搭建可信数据环境，实现气象数据与地理信息、社会经济等多领域数据融合，达成“数据要素×”的叠加效应，释放数据要素价值。挑战与未来发展趋势07当前AI气象应用面临的核心挑战

数据质量与标准化难题多源气象数据在时空分辨率、坐标系统、格式规范等方面存在差异，缺乏统一的数据治理框架，影响AI模型训练效果。

算法可解释性与物理一致性不足深度学习模型的“黑箱”特性限制其在高风险场景应用，纯数据驱动模型可能违背物理规律，极端天气预测可靠性存疑。

区域发展失衡与资源分配不均发展中国家受限于基础设施与人才储备，智慧气象建设滞后；部分偏远地区观测数据稀疏，形成AI预测盲区。

伦理隐私与安全风险个性化气象服务涉及用户位置、健康等敏感信息，数据共享与流通存在安全隐患，需完善法规与技术防护手段。

小样本极端事件预测瓶颈极端天气事件历史数据稀缺，AI模型难以充分学习其特征，导致对罕见灾害（如百年一遇暴雨）的预报精度不足。"物理+数据"双驱动融合发展方向

物理信息神经网络（PINN）深化应用PINN将大气物理方程嵌入神经网络，解决纯数据驱动模型在极端物理条件下的不可解释性问题，确保预报结果符合流体力学规律，提升模型物理一致性。

AI与数值模式的深度融合通过“数据驱动+知识引导”的双引擎模式，如物理模式与AI深度融合的台风混合模型，实现路径预报和强度预报全球领先，结合传统数值模式优势与AI高效算力。

多源数据融合与物理机理结合优化模型融合雷达、卫星等多源数据和物理机理的技术，如深圳“智瞳”模型改进海上强对流预测算法，提升暴雨、雷雨大风等预警的精准性，增强对复杂天气系统的刻画能力。全场景智能覆盖与产业生态构建核心模型矩阵支撑全时效预报形成以“风雷”“风清”“风顺”为代表的人工智能预报模型矩阵，覆盖短时临近、中短期、次季节—季节全时效。“风清”模型3分钟生成全球10.5天精细化预报，“风雷”实现公里级分钟级强对流预警，“风顺”对热带大气季节内振荡预测技巧达32天。“气象+”赋能千行百业智慧转型在农业领域，“农田小气候仪”指导精准灌溉与病虫害防治；能源领域，AI风光功率预测模型提升新能源利用率，如南通东耀风电场发电效益增长近3倍；交通领域，“百米级、分钟级”网格预报保障道路与航空安全，深圳机场航班准点率提升18%。公众服务迈向个性化与场景化推出“鹏城互动式穿衣指数”“人体舒适度指数”等服务，实现从“我想给你什么”到“你需要什么”的转变。AI预报助手“阿福”“小青象”等重塑预报业务流程，提升服务效率与精准度，满足公众出行、健康等多元需求。构建开源协同的产业创新生态支持人工智能开源社区建设，促进开源生态繁荣。中国气象局推出人工智能天气预报模型示范计划，吸引国内外35家单位参与。雄安气象人工智能创新研究院等平台推动政产学研用融合，“妈祖（MAZU）”等方案向全球40多个国家推广，助力构建全场景气象AI产业生态。气象AI人才培养与跨界融合趋势

复合型人才需求激增，结构面临重构气象行业正从“封闭型专业体系”向“产业生态”转型，急需“大气科学+人工智能+高性能计算+工程化”的复合型人才。传统以天气学