天氣預報不只是民眾每天生活的參考依據，對於颱風、降雨量的預測也是政府因應極端氣候的重要防救災依據，中央氣象署今天(5/29)向行政院長卓榮泰展現我國AI氣象科技的發展成果。氣象署長呂國臣表示，AI將改變傳統的氣象預報模式，從CPU物理模擬走向GPU資料驅動發展，10分鐘就能完成颱風模擬。
極端氣候及複合型的災害已逐漸成為常態，以過去6年為例，臺灣氣候型態劇烈變化，前3年沒有颱風登陸，導致嚴重乾旱；後3年則有11個颱風侵襲臺灣。部分颱風出現異常路徑，例如從高雄登陸造成非典型的災害。而東部地震、堰塞湖與颱風降雨交互影響之下，形成複合型災害。
呂國臣表示，2023年除了生成式AI爆發之外，全球氣象AI模型也快速成熟，包括Google、微軟、Nvidia，甚至是歐洲中期預報中心（ECMWF）等機構，都已投入AI氣象模式研發。聯合國科學界甚至形容，未來天氣預報將迎來一場「革命」。
傳統天氣預報主要依靠觀測資料與CPU運算的物理模式，但需要花費數個小時來模擬大氣變化；而新一代的AI氣象模式改以資料驅動、GPU運算為核心，透過機器學習快速推演未來天氣發展。
因此，氣象署也重新思考整體技術架構，包括硬體算力、GPU設備、資料治理與AI人才培育等問題。
導入15套AI模型，颱風模擬時間縮短至10分鐘
從2024年開始，氣象署導入15套AI全球氣象模式，率先應用於颱風預報。
呂國臣指出，傳統颱風模式一次模擬往往需要3、4小時，但AI模式能在10分鐘內完成預報，大幅提升決策時效。
氣象署分析Google、Microsoft、NVIDIA等模型後發現，在3至5天的颱風路徑預測上，AI模式的誤差已明顯優於傳統物理模式。
AI模式應用測試至今，已有一些小成果，氣象署以2024年的凱米颱風為重要實戰案例。在颱風生成初期，AI模式便提前5天預測颱風將接近臺灣東北部，而當時的傳統歐洲物理模式仍判斷颱風將北轉琉球。
另外，氣象署結合高速電腦的小區域模式，提前2天預估南高屏山區可能出現超過1,800毫米降雨，地方政府提前撤離山區居民。
呂國臣表示，凱米颱風後續累積雨量接近莫拉克等級，AI模式已在實際防災上展現高度價值。
AI導入後，預報誤差下降率提升至12%
除了預測時間縮短，呂國臣指出，過去臺灣氣象預報能力每年平均進步約2.7%，但自導入AI模式後，2024年開始預報誤差下降率已達12%。「等於一次跨越未來4年的進步」。
除了颱風路徑，AI模式也已應用於短延時強降雨、山區豪雨與強風等情境模擬。
例如氣象署與Nvidia合作進行高解析度降尺度實驗，利用全球模式資料推估臺灣局部強風與降雨變化，希望進一步提升局部劇烈天氣預測能力。
提升AI預報品質的背後，資料清理與觀測品質是基礎
不過，呂國臣坦言，目前AI模型能否發揮效益，關鍵仍在於資料品質。
他指出，氣象署目前正大規模整理過去15年的雷達觀測資料，進行資料清洗、去雜訊與重建，建立可供AI訓練使用的資料集。
這並不是一件簡單的工作，以雷達資料為例，每10分鐘便會產生一筆雷達觀測資料，累積資料量相當龐大。未來還將整合，海象雷達、海面觀測、陸域氣象站、空域觀測，建立「全域陸海空聯合觀測」資料基礎。
呂國臣強調，這些觀測資料將成為臺灣自己的「觀測資料DNA」，也是發展本土化AI氣象模式的重要基礎。
啟動9年高速運算計畫，將打造新竹氣象科學園區
因應AI氣象模型對GPU與高速運算需求增加，氣象署也同步推動新一代高速電腦計畫。
目前氣象署規畫以9年、3期方式，建置第7、8、9代高速電腦，目標將算力從現有12PF（Petaflops）提升至85PF。
預報解析度也希望從目前3公里提升至1公里以下，進一步從「鄉鎮級」預報走向「村里級」預報。
目前正在採購第7代高速電腦，未來第8、9代電腦將會規畫設置於新竹氣象科學園區，並納入大型GPU運算與節能機房設計。
AI氣象資料將成防災與氣候調適核心Data Hub
氣象署表示，未來AI氣象系統不用於天氣預報服務，也會進一步支援我國的防災、基礎建設與氣候變遷調適。
目前氣象署已與國網中心、國研院、臺大、清大，以及Google、Nvidia、美國NCAR等單位合作，希望建立臺灣自己的AI氣象技術與人才體系。
呂國臣表示，未來希望將AI氣象資料進一步發展成國家級Data Hub，成為臺灣推動永續治理與防災韌性的核心基礎設施。
