纳睿雷达发布"睿宸"气象大模型：短时临近预报的AI化尝试

7月1日晚间，A股上市公司纳睿雷达（688522.SH）披露公告，首次正式对外发布自研的"WDSPT0152型"S波段全极化多功能有源相控阵雷达，以及配套的"睿宸"超精细化短时临近AI气象大模型。公告里那句"新产品处于发展初期，尚未取得客户订单，未来收益存在不确定性"写得很实在，但市场关注的并不是订单——而是这家做雷达硬件出身的公司，为什么这个时点端出了一款气象大模型。

短时临近预报，被 AI 撬动的窗口

先说"超精细化短时临近"这几个字是什么意思。气象业内一般把预报按时效切成几段：0—2 小时叫临近预报（Nowcasting），0—12 小时叫短时预报，之后才是短期、中期、长期。临近预报最难的地方在于，传统数值天气预报模型（NWP）跑一遍要花几十分钟到几小时，等结果出来，雷暴、冰雹、龙卷这些强对流天气早就已经落地了。

所以过去二十年，临近预报主要靠雷达外推——把雷达回波当图像，用光流法算出移动矢量，然后线性外推 30 分钟到 2 小时。这套方法在均匀移动的层状云下还能用，一碰到强对流的生消、合并、分裂就抓瞎。这也是 DeepMind 2021 年发 DGMR、清华 2023 年在 Nature 发 NowcastNet 时，业内为什么会觉得"AI 终于摸到临近预报门槛"的原因。

纳睿雷达把"睿宸"定位在这个赛道上，思路和 NowcastNet 那一支比较接近：用生成式模型学习雷达回波的时空演化，而不是硬解流体力学方程。这条路径的好处是推理快，几秒钟就能出未来两小时、公里级甚至百米级空间分辨率的预报；坏处是可解释性差，遇到训练分布外的极端事件容易"塌"。

公告本身没披露模型架构，但从命名和"超精细化"这个定位来看，大概率是扩散模型或 Transformer 变体在雷达网格数据上的一次落地。这是 2024 年以来气象 AI 的主流范式。

硬件+模型的组合拳，才是纳睿的算盘

真正让"睿宸"和外面那些开源气象大模型区别开的，是它绑定的那台雷达。

和"睿宸"一起发布的 WDSPT0152 是 S 波段（10 cm 波长）的全极化有源相控阵雷达。这里三个关键词都值钱：

• S 波段：波长长、穿透力强、对强降雨衰减小，适合远距离探测和暴雨监测。国内新一代天气雷达网（CINRAD）主力就是 S 波段。
• 全极化：同时发射水平和垂直偏振波，能判断雨滴形状，进而反演出雨/雪/冰雹的相态和粒径分布。传统单极化雷达做不到这一点。
• 有源相控阵：电扫代替机扫，扫描一遍从 5—6 分钟压到 1 分钟以内。数据刷新率提高一个数量级，AI 模型才有足够密的时间序列可以学。

这里能看出纳睿的一个判断：气象大模型的竞争，最终会落回到数据源上。华为盘古气象、上海 AI Lab 的风乌、DeepMind 的 GraphCast 都是靠 ERA5 再分析数据训出来的，做的是全球中尺度、公里级以上、6 小时到 10 天的中期预报。但要做百米级、分钟级的临近预报，ERA5 分辨率不够用，只能靠雷达。而全国 S 波段双偏振雷达存量有限，能自己造雷达、自己攒数据、自己训模型的公司，在这个细分场景里天然有壁垒。

这也解释了为什么纳睿要把雷达和模型打包发布。单卖模型没门槛——开源社区里能拿的天气模型一抓一把；单卖雷达是老生意，天花板看得见。绑成一套硬件+算法+服务的方案卖给民航、气象局、地方应急，故事才讲得通。

竞品图谱：这条赛道已经不空了

盘一下国内外的位置，气象 AI 大致分成三层：

| 层级 | 时效 | 代表模型 | 数据源 | | --- | --- | --- | --- | | 中期数值预报 | 1—14 天 | 华为盘古气象、上海 AI Lab 风乌、DeepMind GraphCast、GenCast、微软 Aurora | ERA5 再分析 | | 短时预报 | 0—12 小时 | 谷歌 MetNet-3、伏羲短临 | 卫星+雷达+观测融合 | | 临近预报 | 0—2 小时 | DeepMind DGMR、清华 NowcastNet、纳睿睿宸 | 雷达回波为主 |

往上比，纳睿显然不打算和华为、微软抢中期预报的地盘——那是万亿参数、上千张 H100、需要全球再分析数据的赛道。往下比，NowcastNet 之类的学术模型没有硬件配套，很难直接卖给用户。纳睿卡在临近预报这一层，做的是一个产品化程度更高、场景更垂直的东西。

场景想象一下并不难：机场跑道 15 分钟后是否会有雷暴过境、高速公路能见度未来 30 分钟内会不会跌破 200 米、光伏电站两小时内辐照变化、城市内涝重点街区未来 90 分钟的降水强度……这些都是传统 NWP 输出粒度覆盖不到的场景，也都是有直接付费能力的行业客户。

商业化：公告里那句"未通过订单"是关键

必须把冷水泼在这里。纳睿在公告里明确写了"尚未取得客户订单"，这不是套话，是实情。

气象服务的下游客户结构非常固定：中国气象局体系、民航气象、军方、行业气象服务（能源、交通、农业、保险）。这几个市场都有各自的准入门槛和采购周期。气象局主导的国家级天气雷达网，采购是走招标的；民航气象要过民航局适航认证；行业气象服务市场化程度最高，但需要案例和口碑积累。一款刚发布的新雷达+新模型，从演示到订单落地，一般要走 12—24 个月。

所以"睿宸"这次发布，更像是一次技术卡位——把"我们也有 AI 气象大模型"这个标签先立起来，接下来看的是产品能不能在实际业务里跑出效果、能不能进气象局的正式业务系统、能不能拿下头部行业客户的示范项目。这些是雷达设备厂商切入软件服务市场的常规路径，参考的是墨迹天气、心知天气这类互联网气象服务商过去十年走过的路，只不过纳睿是从硬件反向切进来。

从二级市场角度，纳睿雷达上市以来主要标的属性是"民航气象雷达国产替代"，AI 气象大模型给的是一个新的想象力空间。但真金白银的营收贡献，至少 2027 年才有可能开始体现。

给开发者的观察

对做行业应用的开发者来说，几个信号值得注意：

1. 气象 AI 正在从科研走向工程。华为盘古、风乌都已经开源或半开源，加上 ECMWF 官方推出 AIFS，你现在完全可以在自己的服务器上跑一个中期预报模型。临近预报这一层的开源生态还不成熟，但也就是一两年的事。
2. 数据获取比模型更难。中期预报有 ERA5 这种公开数据集，临近预报要拿到高质量雷达数据不容易。像纳睿这样自己产数据的公司，是这一层的稀缺资源。
3. 行业气象服务是被低估的机会。新能源、物流、保险、农业几个赛道对高精度、高频次气象数据的付费意愿正在起来。前几年做行业气象 SaaS 的初创公司融资并不理想，现在因为 AI 把成本压下来，商业模型有可能重新走通。

如果你自己在做一些围绕气象数据的应用，比如把预报结果接进业务系统、做异常告警、做时序建模，通常还需要一个通用 LLM 来做自然语言层的封装——从查询意图解析到告警文案生成。这类通用能力现在成本已经很低，通过 OpenAI Hub 这类聚合平台可以用一个 Key 同时调 GPT、Claude、Gemini 和 DeepSeek，方便做效果对比和 fallback。至于气象模型本身，短期内还是走专有部署或数据服务的路线更现实，通用 API 网关目前不会覆盖到这一层。

结语

气象是 AI 落地的经典垂直赛道，理由很简单：数据结构化程度高、目标函数明确、市场付费方稳定、社会价值大。过去两年这个赛道热度已经被科研机构和大厂验证过一轮，接下来是设备厂商、行业服务商、数据平台的正面竞争。

纳睿雷达的"睿宸"发布，是国产气象 AI 从算法竞赛转向工程化、产品化的一个信号。它不会像 GPT-5 那样引爆讨论，但对气象、民航、能源这些下游行业的开发者来说，是接下来一两年要认真关注的一条产品线。

公告里那句"未来收益存在不确定性"，短期是风险提示，长期看是这条路的诚实注脚——好东西还得跑出来给市场看。