近日，由南京信息工程大学罗京佳教授领衔，联合来自中国、韩国、德国、美国和澳大利亚的45位跨学科专家在《国家科学评论》（National Science Review, NSR）发表了题为“AI for atmosphere-ocean sciences: advancements, challenges, and ways forward”的重磅综述 。文章系统性地梳理了人工智能（AI）在气象与海洋科学中的最新应用进展，深刻剖析了当前面临的挑战，并为构建下一代“物理一致、可信赖”的地球系统智能科学勾勒了未来蓝图。

核心视点： AI已成范式变革

过去一个世纪，大气与海洋科学主要依赖观测、理论分析和数值模拟。然而，传统数值模式在应对海量异构数据、次网格过程参数化以及高昂计算成本时面临长期瓶颈 。文章系统性地指出：人工智能（AI）已超越“工具”范畴，正引发地球科学领域的“范式转变”。AI不仅能在几分钟内完成传统模式数小时的天气预测，更在极端事件监测、数据同化、气候预测等方面展现出颠覆性潜力，标志着我们理解和预测地球的方式进入了全新阶段。

全链条覆盖：AI在地球科学中的革命性应用

文章详细梳理了AI在地球科学中的革命性应用，其能力贯穿全链条：

• “火眼金睛”的监测者：AI能自动处理数据、精准地识别台风、大气河、海洋中尺度涡旋等复杂现象，性能远超传统基于阈值的方法。

• “超级速算”的预报员：以盘古、GraphCast、风乌、伏羲等为代表的AI气象大模型，在中短期天气预报的精度和效率上已全面超越业务数值模式预报系统。新涌现的AI海洋模型，甚至能将厄尔尼诺（ENSO）的预测时效延长至近两年。

• “精雕细琢”的校正师：AI可高效地对传统动力学模式的输出进行偏差订正和降尺度处理，显著提升业务精细化水平。

• “未雨绸缪”的服务官：在能源、农业、灾害预警等领域，AI凭借其高效、高分辨率的预报能力，正转化为实实在在的社会经济效益。

直面挑战：从“黑箱”到可信赖伙伴

然而，纯粹的“数据驱动”AI模型也存在固有缺陷。文章毫不避讳地指出了三大核心挑战：一是“黑箱”难题：模型决策过程不透明，影响科学可信度；二是物理一致性缺失：可能违反能量、质量守恒等基本物理定律，在长期模拟或极端外推场景中失效；三是评估体系不完善：如何系统、公平地比较不同AI模型，并与传统方法对标？

破局之路：融合、比较与智能体

针对挑战，文章提出了清晰且具共识的“未来之路”：

• 首选路径：物理-AI融合。将物理定律以“硬约束”或“软约束”方式嵌入AI模型，发展“混合物理-AI模型”，这是确保模型可靠性、可解释性和长期稳定性的关键。NeuralGCM等模型是此方向的先驱。

• 关键基建：AI模型比较计划。文章提出建立 “AI-MIP” ，即基于AI的模型比较项目。这类似于传统气候领域的CMIP，旨在为层出不穷的AI气象、气候、海洋模型建立统一的评估基准、标准化数据集和协议，是领域健康发展的基石。

• 终极愿景：AI智能体。文章展望了“AI科学家”的到来。文中介绍的Earthlink智能体，已能理解科学家自然语言指令，自主搜寻和下载数据、设计试验方案、编写代码与执行、生成报告。未来，预测模型与推理智能体的结合，将形成从“预测”到“决策”的闭环，成为人类应对气候变化的强大协作者。

评价与展望

这篇由国际重量级团队完成的综述，不仅是对过去几年AI地球科学爆炸性发展的系统性总结，更是为整个领域的未来发展绘制了权威路线图。它标志着该领域从追求“预测性能”的初级阶段，迈入了构建“物理一致、值得信赖、可业务化”的下一代地球系统智能科学的新纪元。

正如文章结语所言，我们正在步入一个“人与机器协同科学”的新时代，以共同应对气候变化这一复杂挑战。

文章架构

论文信息：Jing-Jia Luo, Jiangjiang Xia, Baoxiang Pan, et al. AI for atmosphere-ocean sciences: advancements, challenges, and ways forward. National Science Review, 2026, nwag063. https://doi.org/10.1093/nsr/nwag063