去年微软在Nature上发Aurora时，很多人以为这是又一个"论文发完就结束"的研究项目。模型能预测4个气象变量，离实际业务需求还有距离。到了今年Aurora 1.5发布，扩展到26个变量，时间分辨率从6小时提升到1小时——真正让行业内认真对待的是这个跨度：直接从"实验室能跑"变成了"业务系统能用"。

直观对比：一个快速发展的气旋，6小时内可能已完成生成、增强、登陆全过程。小时级预报让预报员看到风暴的中间演变阶段。对做能源负荷预测的团队，光伏发电受云层影响波动极大，6小时间隔的数据几乎等于盲猜午后雷阵雨对太阳能板出力的影响。

四个变量到二十六个：到底是什么变了

Aurora 1.0选择了4个核心变量：温度、湿度、风速、气压。这是气象模型的标准起点。1.5扩展到26个，新增降水率、云量、短波辐射通量、土壤湿度、边界层高度、海面温度等。不是简单"加参数"，而是覆盖到地表过程、大气垂直结构、辐射传输等多个物理维度。

一个值得关注的细节：新增变量中有几个与可再生能源预测直接相关。短波辐射通量决定光伏出力上限，土壤湿度影响农业灌溉调度，边界层高度是空气质量预测的关键输入。Aurora 1.5的变量选择有明显"应用导向"痕迹，而非学术论文式的"增加变量以提升精度"。

技术上，模型架构没有根本性变化，仍基于Vision Transformer的3D Swin结构。改进集中在两点：输入编码层从4通道扩展到26通道后的训练稳定性，以及多变量间物理一致性的保持。简单增加变量会导致模型学到假相关，1.5的预训练策略做了针对性调整——在部分样本中随机遮蔽某些变量，迫使模型学习变量间的真实物理关系。

集合预报为什么才是真正的突破

预报圈看Aurora 1.5，最关注的不是26个变量，而是集合预报能力的加入。

天气预测本质上是混沌系统。初始观测存在误差——探空气球空间稀疏、卫星遥感反演偏差、地面站覆盖不均——这些误差在积分过程中会被放大。确定性预报给的是"明天下午3点下雨"，集合预报给的是"明天下午有60%概率下雨，30%概率阴天，10%概率晴"。后者才是业务决策需要的信息。

Aurora 1.5在88.9%的评估指标上优于ECMWF的集合预报系统。需要放在背景里看：ECMWF的IFS是全球公认的数值预报黄金标准，经过数十年迭代优化。一个AI模型在一年内从4个变量发展到在集合预报上超越IFS，这样的速度在气象领域从未有过。

飓风路径预测的提升尤其明显。台风路径受副热带高压、季风气流、中纬度槽脊等多重因素影响，初始场细微偏差可导致200公里以上的路径误差。Aurora 1.5的集合预报在路径不确定性量化上表现更好——给出的是一套更合理的概率分布，而不只是单一预测线。

对能源、农业、交通行业来说，"下雨概率多大"比"精确到街道的预报"更实用。电网调度需要的不只是"明天是否下雨"，还需知道可能的波动范围以安排备用容量。

从研究到产品：最难的跨越

微软把Aurora从研究团队移交给了产品团队。这个组织动作比任何技术参数都说明问题。研究团队追求SOTA，产品团队追求稳定运行、可维护、可接入。1.5就是交接的产物。

模型权重和一年前一样。变化是1.5同时提供托管API和决策支持工具——气象数据预处理、可视化、偏差修正——这些"非AI"的功能对落地往往比模型精度更重要。一个开发者拿到权重后，从原始数据到可用预报之间涉及格式转换、区域裁剪、时间对齐、后处理校正等大量工程工作。托管服务把这些从几天缩短到几分钟。

对中小企业来说这个变化很直接。过去做能源负荷预测或物流规划，需要自己训练专用模型。现在一个开放模型覆盖了主要变量，微调成本远低于从头训练。一个做光伏运维的团队不需要再雇气象专家搭建预报系统——在Aurora基础上接上本地观测数据做微调，就可以跑出站点级的太阳能预测。

当然也有局限。Aurora 1.5目前只开放了部分功能，企业级SLA、私有化部署、高分辨率区域模型等需求没有明确时间表。从开源模型到可商业采购的服务之间，还有一段距离。

关于维基框架

维基框架关注企业应用开发中的长期维护问题。在实际项目中，业务系统往往同时涉及权限、微服务、接口协议、部署环境等复杂因素，因此我们希望提供一套更容易扩展和维护的基础框架。

• 官网：https://framewiki.com
• Gitee：https://gitee.com/wiki-framework
• GitHub：https://github.com/wiki-framework
• 示例项目：https://gitee.com/cdkjframework/framewiki-example
• 📄 许可证：MulanPSL-2.0（木兰宽松许可证，第2版）