微軟研究院宣布開源Aurora AI基礎模型，該模型結合深度學習與大規模異質資料處理技術，除了能精確預報天氣，還可透過微調應用於海洋波浪及空氣品質等多種環境事件，推動氣象與地球系統科學的技術發展。
根據微軟團隊發表於《Nature》期刊的論文，Aurora為大型人工智慧基礎模型，以超過一百萬小時來自衛星、雷達、氣象站及電腦模擬等多種來源的氣象與環境資料訓練而成。該模型不限於傳統天氣預報任務，其彈性架構可經有限微調，應用於颱風路徑預報、海浪高度及方向分析，甚至空氣污染事件預測。
Aurora訓練所使用的資料規模，較多數同類人工智慧模型更為龐大，使其在不同預報任務能有效整合多元資料來源，例如在2023年杜蘇芮（Doksuri）颱風路徑預測，Aurora於事件發生前四天即能準確預測其將登陸菲律賓北部，當時美國聯合颱風警報中心（JTWC）則預測路徑較偏向臺灣附近。根據微軟研究團隊測試，Aurora於2022至2023年全球熱帶氣旋預報任務，軌跡預測表現於所有比較案例均優於七個主要氣象中心，這是機器學習模型首次在該領域全面超越傳統數值模式。
除天氣與氣旋外，Aurora在海浪預報及空氣品質預測等複雜環境事件，同樣展現高度精確度。針對海浪預報，Aurora可捕捉細緻波浪結構變化，對於受颱風影響的極端海象能有更佳掌握。在空氣品質預測案例，儘管訓練階段未特別學習大氣化學反應，Aurora仍可透過少量空氣品質資料微調，有效預測沙塵暴等空氣污染事件，並大幅降低傳統方法的計算資源消耗。
Aurora採用彈性的深度學習編碼器架構，能同時處理多源、結構多樣且維度複雜的資料，在推論階段可於數秒內產生中期氣象預報，速度約為傳統數值天氣預報系統的5,000倍，且運作成本明顯較低。研究團隊指出，Aurora每次微調作業僅需約4至8周即可完成，較傳統數值氣象模式開發周期大幅縮短。
目前Aurora模型已整合至MSN Weather服務，並於Azure AI Foundry Labs上提供開發者試用及二次開發。微軟已釋出模型權重及部分原始碼，開發者可依需求進行微調，支援能源調度、農業風險預警、交通安全等多元應用。
