阿姆斯特丹大学领导的国际团队开发了AI模型“极光”，基于百万小时地球系统数据训练，能高效预测空气质量、海浪和极端天气，提升全球灾害应对能力。相比传统方法，“极光”采用机器学习，降低计算需求，使高质量预测更普及，尤其适用于基础设施薄弱地区。测试显示，其空气质量预测优于传统模型74%，海浪预测精度超数值模拟86%，热带气旋预测击败七家专业机构，高分辨率天气预测在92%的场景中领先。模型已免费开放，助力资源有限的国家和机构快速获取关键气候数据，未来应用广泛。

🌍“极光”AI模型基于超过一百万小时的地球系统数据训练，能够高效预测空气质量、海浪和极端天气事件，有望提升全球灾害应对能力。

🚀相比传统预报方法，“极光”采用机器学习技术，大幅降低计算需求，使高质量预测更易普及，尤其适用于基础设施薄弱地区，无需重复基础训练。

🌡️测试表明，“极光”在多项预测中表现卓越，空气质量预测优于传统模型74%，海浪预测精度超过数值模拟86%，热带气旋预测击败七家专业机构，高分辨率天气预测在92%的场景中领先。

🔑“极光”模型已免费开放，用户仅需提供特定任务数据即可微调，可缩短开发周期，帮助资源有限的国家和机构快速获取关键气候数据。

随着气候灾害日益频繁，阿姆斯特丹大学领导的一支国际研究团队开发了名为“极光”（Aurora）的AI模型。该模型基于超过一百万小时的地球系统数据训练，能够高效预测空气质量、海浪和极端天气事件，有望提升全球灾害应对能力。

传统预报方法依赖复杂数值模型和超级计算机，成本高昂且耗时。相比之下，“极光”采用机器学习技术，大幅降低计算需求，使高质量预测更易普及，尤其适用于基础设施薄弱地区。该模型由阿姆斯特丹大学等机构参与研发，其13亿参数的基础架构在多项测试中表现卓越：空气质量预测优于传统模型74%的案例，海浪预测精度超过数值模拟86%，热带气旋预测在全部测试中击败七家专业机构，高分辨率天气预测在92%的场景中领先，尤其在极端事件中优势显著。

研究人员指出，“极光”可缩短开发周期，帮助资源有限的国家和机构快速获取关键气候数据。模型已免费开放，用户仅需提供特定任务数据即可微调，无需重复基础训练。未来，其应用可能扩展至洪水、野火、农业产量及可再生能源预测等领域。

在全球极端天气加剧的背景下，“极光”等AI技术或将成为从被动救灾转向主动防灾的关键工具，推动气候韧性建设。