从基本变量预测到复杂现象死磕！全球海洋现象智能预报大模型“琅琊”2. 0 正式发布
一句话看懂：2026年6月6日，中国科学院海洋研究所发布“琅琊”2.0海洋预报大模型。相比2024年的1.0版本，它不再仅预测温度、盐度等基础变量，而是直接针对台风、海冰、风暴潮等六种复杂海洋现象开发了专用子模型，将AI海洋预报能力推向了更贴近防灾和航运安全的应用阶段。
事件核心：发生了什么
2026年6月，在第四届中国数字地球大会上，中国科学院海洋研究所正式发布了“琅琊”大模型的2.0版本。该模型于2024年首次推出1.0版本时，已在全球海洋温度、盐度、海流等基本状态变量上实现了高精度预测，验证了AI用于海洋预报的可行性。
2.0版本的跃迁在于：从“预测状态变量”转向“智能预测复杂海洋现象”。研究团队围绕海洋灾害防御和航运安全等实际需求，专门开发了六个垂直子模型，分别针对台风、降水、风暴潮、内孤立波、中尺度涡旋和海冰。其中，台风预报子模型重点提升了“快速增强”和“突然转向”等极端不确定事件的24小时路径与强度预报精度；降水预报模型则为台风伴随的极端降水预警提供了更强的算力支撑。
根据官方介绍，“琅琊”2.0支持对复杂海洋现象的交互式预报，其输出不再是传统、晦涩的专业变量，而是更具可感知性的预报结果，直接服务于海洋防灾减灾和航运安全决策。
为什么重要
此前，将AI大模型用于海洋预报的主流方向是通过机器学习直接替代或简化传统的数值预报物理方程，预测温度、盐度、流速等基础变量。虽然能提升计算速度，但输出的仍然是专业气象数据，未能直接解决“用户到底想知道什么”的问题——例如台风会不会转向、风暴潮会淹没哪些海岸、海冰是否会阻塞主要航道。
“琅琊”2.0的突破在于：它不再把自己定位为一个“物理方程加速器”，而是一套“垂直场景专用预报系统”。通过为每一种海洋现象单独训练子模型，相当于把AI从“数学家”变成了“现场预报员”。这种思路与当前产业界将大模型拆分为专用小模型（MoE或垂直微调）的趋势一致，但应用在海洋预报领域，目前公开信息显示仍属全球较早的工业级实践。
这一进展意味着，AI在海洋科学中的应用正从“论文验证”迈向“工程落地”，并且有可能在未来与现有数值预报系统（如ECMWF、NOAA）形成互补而非替代的关系。
对用户/开发者/创作者的影响
对于从事海洋防灾、航运物流、港口管理、海洋能源开发的机构和从业者而言，“琅琊”2.0提供了一个基于AI的、更直观的灾害预判工具。传统数值预报结果需要专业人员翻译成决策建议，而该模型输出的“现象级预报”有望缩短从数据到决策的链路。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于AI开发者和研究人员而言，该项目展示了“通用大模型+垂直小模型”在超高精度物理场景下的可行技术路线。研究团队如何设计不同海洋现象的特化网络架构、如何处理有限观测数据下的训练和推理效率，是值得关注的技术细节。
对于创作者或内容生产者，如果涉及海洋科普或极端天气报道，该模型输出的可视化结果（如台风路径演化、海冰动态变化）可能成为更准确、更生动的素材来源。
值得关注的后续
- 产品是否开放API或平台服务？截至目前，官方尚未明确“琅琊”2.0是否面向行业提供开源模型或商业API，开发者生态的建立情况决定了其技术影响力能否扩散。
- 与现有数值预报系统的对比测试：在“快速增强”类台风、复杂局地降水等极端案例上的实际预报得分，将是检验其可靠性的关键指标，建议关注发布方后续的第三方验证报告。
- 是否有国际海洋预报机构的跟进？欧洲中期天气预报中心（ECMWF）和美国国家海洋和大气管理局（NOAA）也在布局AI预报，但路径有所不同。全球海洋预报的“AI范式”竞争格局是否会发生变化，值得长期观察。
来源：AIbase
