微软 Aurora 1.5 开源：把天气预报做到了小时级

微软把 Aurora 又推进了一版，这次是小时级

7 月 9 日，微软研究院正式放出 Aurora 1.5——地球系统基础模型的一次大版本更新。相比一年多前那个惊艳了气象圈的初代 Aurora，这一版把变量数一次性加到了 22 个，时间分辨率从 6 小时压到 1 小时，还内置了概率集合预报的能力。代码在 GitHub 上，权重挂在 Hugging Face 上，学术、政府和研究机构可以直接下来跑。

消息一出，圈内的第一反应不是「哇 AI 又赢了」，而是——终于等到了一个能真正扔进业务系统的版本。

22 个变量意味着什么

先说变量。初代 Aurora 主要围绕大气基本量（温度、湿度、风场、气压那一套）做全球预报，覆盖面已经够宽，但对下游行业来说还是「隔着一层」。1.5 版本这次一口气加进来的 22 个变量，选得相当有针对性：

• 能源相关：地表短波/长波辐射通量、10 米风的分量、边界层高度——太阳能和风电场调度直接吃这些数据
• 农业相关：土壤湿度分层、蒸散发、地表温度——种植决策和灌溉调度绕不开
• 交通相关：能见度、低空湍流、跑道侧风分量——航空和海运的痛点
• 气候风险：极端降水概率、复合热浪指数一类的派生量——保险和再保险公司这两年最缺的东西

这不是简单地在输出层多接几个头，而是意味着 Aurora 已经从一个「基础研究成果」向「行业可消费的预报产品」跨了一步。做过气象数据集成的人都知道，业务系统真正头疼的不是缺一张全球温度图，而是每一个下游应用都要自己拼一套派生量。Aurora 1.5 相当于把这层活直接做了。

小时级和集合预报，这两个才是硬骨头

如果说加变量是「加宽」，那小时级预测和集合预报就是「加深」。

传统数值天气预报模型，比如 ECMWF 的 IFS，业务运行的高分辨率产品是 6 小时或 3 小时一步。学术界这几年跑 AI 气象模型也基本停在 6 小时。要下到 1 小时，最大的麻烦不是算力，而是训练数据本身——ERA5 再分析数据的时间密度、观测数据的时空对齐、模型自回归误差累积——每一项都得重新调。

Aurora 1.5 的做法（根据微软放出的技术报告）是在原有 Swin Transformer 3D 骨干上做了两件事：一是把时间嵌入换成更细粒度的位置编码，二是引入了针对短时预报的微调阶段，用高频观测数据做条件生成。这套组合拳让模型在 1–24 小时窗口的表现追上了业务级 nowcasting 系统，同时不牺牲中期预报（3–10 天）的能力。

集合预报是另一件让业务方眼前一亮的事。天气预报的本质是概率问题——「明天下雨概率 70%」比「明天下雨」有用得多。传统集合预报要跑几十次不同初值的数值模拟，成本极高，欧洲中心的 51 成员集合预报每天要烧掉几百万核时。Aurora 1.5 用扰动初值 + 扩散采样的方式一次生成集合成员，成本被压到了原来的百分之一量级。这不是学术意义上的胜利，是真的能改变谁能跑集合预报的问题。

飓风海伦妮实测：Aurora 赢了 ECMWF

光说指标没意思，看一个具体案例。

微软这次拿 2024 年的飓风海伦妮（Helene）做了回溯测试。海伦妮是去年 9 月登陆美国东南部的一场大灾，路径预测的准确度直接决定了佛罗里达、佐治亚州多少人要提前撤离。Aurora 1.5 的中位数路径误差比上一代低了约三分之一，跟 ECMWF 的业务模型对比，在综合指标上以 88.9% 的胜率领先。

要理解这个数字的分量，得知道 ECMWF 是什么级别的对手——欧洲中期天气预报中心几十年积累的物理模型 + 数据同化系统，在飓风路径预测上一直是全球金标准。DeepMind 的 GraphCast、华为的盘古气象都是先在 ECMWF 数据上训练，再宣称「追平或超过」。Aurora 1.5 这次不是追平，是在飓风这个最难的场景里直接压过去了。

当然，88.9% 的胜率是在特定指标集合下算出来的，跨到台风、极地气旋、内陆强对流这些场景能否保持，还得看后续独立验证。但方向已经很清楚：AI 气象模型不再是「快但不准」的替代方案，它开始在关键场景里做主力。

开源 + 商业化，微软这盘棋下得比 Google 精明

Aurora 1.5 走的是完全开源路线——模型权重上 Hugging Face，代码上 GitHub，Apache 2.0 许可证。这跟 DeepMind 的 GraphCast 只放论文和推理代码、训练细节和权重讳莫如深的做法完全不同。

但微软并不是做慈善。同一天他们也宣布，Aurora 1.5 会被集成进 Microsoft Weather、Bing 天气、以及 Azure 上的气象数据服务。开源出去的是模型本身，微软要卖的是跑这个模型的基础设施和数据管道——实时观测同化、云端弹性推理、行业定制微调，这套东西任何一家研究机构自己搭都要几百万美元起步。

这个策略比 Google 那种「藏着掖着」的路线聪明。开源换生态、生态换云消耗，气象这个市场足够垂直、足够 B 端，微软很清楚模型本身不是护城河，服务化能力才是。对开发者和研究者来说，能拿到一个真正 SOTA 的天气基础模型，本身就是 2026 年这半年最大的礼物之一。

该谁紧张

最紧张的应该是那些做「AI 气象 SaaS」的初创公司——比如 Atmo、Tomorrow.io 这类。它们此前的技术壁垒建立在「我们有自研模型」上，Aurora 1.5 把 SOTA 直接白送，护城河瞬间浅了一大截。接下来的差异化只能靠数据接入、行业 know-how 和垂直场景的微调能力，纯做模型的没戏了。

对气象部门和研究机构反倒是好消息。国家级气象中心过去要跟商业公司谈授权、谈价格，现在完全可以自己下载权重、在自己的超算上跑，数据主权和成本都能压下来。发展中国家的气象服务能力也会因此拉平一大截——这大概是 Aurora 1.5 最有社会价值的一面。

一点判断

Aurora 从 1.0 到 1.5，只用了一年出头。这个迭代节奏说明微软是真把它当基础模型在推，不是发一篇 Nature 就完事的实验项目。从技术路线看，气象领域的「GPT 时刻」已经过了——争议早就不是「AI 能不能做天气预报」，而是「能做到哪些行业场景、以什么样的成本」。

下一个值得关注的节点，大概是 Aurora 2.0 会不会把海洋、冰川、大气化学这些子系统更深地耦合进来，做成真正意义上的地球系统基础模型。微软的野心显然在那里，从这次新增变量里已经能看出苗头。

对开发者来说，现在可以做的事很多：拉下代码试跑、在自己关心的区域做微调验证、或者干脆基于它做一个垂直行业的 API 服务。开源的红利窗口，通常在头六个月最厚。

参考来源

• IT之家：更精准地预测飓风，微软 Aurora 1.5 天气预报模型发布 — 国内媒体首发报道，含飓风海伦妮实测数据
• GitHub - microsoft/aurora — Aurora 官方开源仓库，包含模型代码、微调脚本和文档
• Hugging Face - microsoft/aurora — 模型权重与检查点托管地址