中国经济导报、中国发展网记者崔立勇报道
2026年9月15日，中国气象局地球系统数值预报中心与中科曙光（603019）在郑州国家超算互联网核心节点联合发布曙光8000气象领域重大应用成果。我国自主研发的MCV数值模式，依托全国产十万卡级AI超集群曙光8000，在1小时内完成全球5公里分辨率、未来10天的预报计算，达到国际主流业务时效标准，并通过批量预报质量检验。
这项成果来自两个重要支撑：一是中国气象局地球系统数值预报中心自主研发的MCV模式，这是物理方程驱动的数值天气预报模式；二是中科曙光（603019）研制的曙光8000超集群，这是国内首个全国产十万卡级AI超集群。正是两者的结合，使中国自主物理大气模式与国产超大规模异构算力实现协同突破，进入国际下一代高分辨率气象模式竞争的第一梯队。
此前，我国上一代GRAPES／CMA-GFS全球模式分辨率为12.5公里。分辨率从12.5公里提升到5公里意味着什么？中国气象局地球系统数值预报中心首席科学家陈起英在接受媒体采访时表示，分辨率的提升带来暴雨强度、台风强度预报准确性的提高。
分辨率提升的代价是计算量急剧增加。中国气象局地球系统数值预报中心高级工程师蒋沁谷分析，模式分辨率每提升一倍，水平格点增加4倍，时间步长缩短一半，计算量至少增长8倍；如果垂直方向再加密，可以达到16倍。从几十公里向5公里推进时，计算量呈指数级增长。
国际上对数值预报的计算时效有一条“金标准”。蒋沁谷在接受媒体采访时介绍，参照美国遴选下一代模式时的要求，预报模式一天的计算必须在8.5分钟内完成，10天预报必须在85分钟之内完成一次预报，即使放宽也不能超过2小时。模式产品要在规定时间内产出，推送给预报员，预报员再结合卫星雷达观测资料和自身经验，分析研判决策预报，再发布给社会公众，极端天气还要提前预警。在公里级分辨率下，传统CPU架构已经不能在规定时间内完成整个预报。
蒋沁谷说，为了应对分辨率提升后的计算量指数级增长，团队根据国内高性能计算机发展趋势，选择和中科曙光（603019）联合，探索在国产异构加速卡算力上把数值预报计算效率大幅提升，满足实际业务运行的时效性要求。
中国气象局地球系统数值预报中心研究员副主任李兴良在接受媒体采访时介绍，考虑到计算成本和收益，全世界都会往5公里分辨率的方向努力，科学研究可以做到1至3公里甚至更高。
围绕计算效率、运行稳定性和结果可靠性，MCV模式与曙光8000展开联合攻关。中科曙光（603019）高端计算总工程师卜景德在接受媒体采访时表示，双方建立联合团队，从算法设计到关键环节深入学习，从并行优化和体系结构思路对程序进行系统化升级改造，实现了数倍的性能提升。
卜景德用“皇冠”来形容气象应用对算力平台的意义。卜景德说，很多科学计算场景，研究者可以集中跑一些任务，但气象模式作为生产系统，实现业务化就必须实现稳定、可靠、高效，对算力平台的稳定性要求极其严苛。
曙光8000能够承接这项任务，与系统设计思路有关。卜景德介绍，曙光8000在系统设计之初就做了面向应用级别的设计，包括超智融合全精度、网络设计、存储系统设计、高可靠高稳定性设计，这些设计是应用能快速跑起来、跑得稳的基础。传统超算系统偏重机器建设，曙光8000整个系统在立项之初就把应用作为很核心的重要方向，汇集了国内顶尖应用团队联合攻关。
气象数据规模不容忽视。卜景德说，气象局系统合作中有几百PB的数据，一个笔记本电脑硬盘是512G，相当于20万—30万台笔记本放在一起存数据。针对气象特点，团队设计了冷热存储迁移、冷热分级方案。工程层面的优化，把加速器的理论算力转化为真实业务时效。
曙光8000的能力不只在气象。资料显示，曙光8000采用CPU+GPU异构体系，支持FP64至INT8全精度，覆盖科学计算、模型训练、推理和工业仿真。系统已适配近200项行业应用和500余个主流大模型，重点应用优化覆盖20余个领域、300余项重点应用，70余项应用实现万卡规模扩展，并接入国家超算互联网，支撑跨中心算力服务和多行业应用。
卜景德介绍，气象目前占曙光8000资源分配的很少一部分。除此之外，曙光8000还服务新药研发、新材料研制、科学智能、人工智能（885728）、大模型创新、具身智能、石油勘探研发等领域，在蛋白质研究、分子动力学、湍流模拟等方向已开展多项大规模计算实践。
超智融合是曙光8000的另一个特点。据介绍，高精度数值模拟与低精度智能计算可在同一套系统中高效协同，曙光8000支持异构算力的原生一体化融合。
蒋沁谷说，数值天气预报是传统科学计算，模式里CPU、GPU硬件指标包括双精度64位或32位计算性能。然而大模型AI应用很多追求低精度，比如16位浮点精度、8位。曙光8000的全精度从64位到32位，甚至到16位、8位，这些计算单元可以支撑传统科学计算、AI应用，甚至未来数智融合，在一个系统内既有数值预报模块，也有人工智能（885728）模块，相互协作，推进预报准确率提升。
从建成计算设施，到完成重大科研任务，再到支持持续探索，我国算力基础设施的应用正在不断深入。据悉，下一阶段双方的合作包括MCV模式深度优化，模式算法与硬件架构深度融合，进一步提高整体计算效率；将更多分量模式，包括资料同化、海洋、海冰等，移植到国产异构计算平台等。
卜景德表示，AI4S带来两个机会：一是传统科研速度更快，原来做不了的事情现在能做；二是国内弯道超车的机会，随着算法快速演变，中国会产生大量应用，这些应用会对原来的应用进行替代，未来更多中国应用会走向世界舞台。
