Trump budget cuts threaten NOAA's AI weather forecasting models

•NOAA於2025年12月17日部署了新一代AI驅動的全球天氣預報模型，包括AIGFS、AIGEFS和HGEFS，這些模型顯著提高了預報速度和效率，例如AIGFS比傳統GFS節省高達99.7%的計算資源，並能在約40分鐘內生成16天預報。 [1, 8, 9]
•NOAA的混合式全球集合預報系統（HGEFS）是一個開創性的「大型集合」，結合了31個基於物理的成員和31個基於AI的成員，使其成為全球首個實施此類混合運營系統的氣象機構，並持續優於單獨的AI或物理模型。 [1, 9]
•川普政府提議的2026財年預算削減可能高達NOAA總預算的25%至40%，這可能導致海洋和大氣研究辦公室（OAR）以及幾乎所有NOAA氣候研究實驗室被裁撤，進而造成大量人員流失和天氣氣球發射等關鍵數據收集活動受限。 [2, 4, 7, 12, 22]
•預算削減特別威脅到長期氣候數據收集計畫，例如數十年來監測二氧化碳水平的全球CO2監測計畫（基林曲線），這對理解和預測氣候變遷的影響至關重要。 [19]
•NOAA的AI模型（透過Project EAGLE開發）旨在增強而非取代現有的物理模型，利用Google DeepMind的GraphCast模型作為基礎，並透過NOAA的全球數據同化系統（GDAS）數據進行微調，以實現更快、更頻繁的中期（最長10-16天）集合預報。 [1, 5, 9, 13, 14]

📊 競品分析▸ Show

特性/模型	NOAA AIGFS/HGEFS	ECMWF AIFS	Google WeatherNext 2 (GraphCast)	Huawei Pangu-Weather
模型類型	混合式AI-物理模型 (HGEFS) / 純AI模型 (AIGFS) [1, 9]	純AI模型 [23]	純AI模型 [20, 23]	純AI模型 (3D Earth-specific transformer) [20, 23]
運營狀態	2025年12月17日投入運營 [1, 9]	2024年投入運營 [23] / 2025年2月 [9]	商業可用 (Google Gemini, Maps, Pixel Weather) [20]	商業可用 [20]
計算效率	AIGFS比傳統GFS節省99.7%計算資源；16天預報約40分鐘 [1, 8, 9]	-	-	比傳統NWM快10,000倍 [23]
準確性亮點	顯著減少熱帶氣旋路徑誤差；HGEFS優於純AI和純物理系統 [1, 9]	2026年最準確的AI天氣模型 [24]	在90%的驗證目標上優於ECMWF HRES [23]	極端天氣高精度預測；熱帶氣旋路徑誤差低於ECMWF HRES [20, 23]
預報範圍	中期預報 (AIGFS 16天) [1, 9]	1-10天 [24]	中期預報 (最長15天) [20]	-
解析度	AIGFS 0.25度 (約28公里) [5]	28公里 [24]	-	-

NOAA於2025年12月17日部署了新一代AI驅動的全球天氣預報模型，包括AIGFS（人工智慧全球預報系統）、AIGEFS（人工智慧全球集合預報系統）和HGEFS（混合式全球集合預報系統）。 [1, 8, 9]
AIGFS利用AI技術，比傳統的全球預報系統（GFS）在計算資源上節省高達99.7%，並能更快、更高效地生成預報。 [1, 8, 9]
AIGEFS是一個基於AI的31個成員的集合系統，提供一系列可能的預報結果。 [1, 8]
HGEFS是一個62個成員的「大型集合」，結合了31個物理GEFS成員和31個AI-AIGEFS成員，是運營氣象中心首次採用此類混合方法。 [1, 8, 9]
這些模型是在Project EAGLE（實驗性AI全球和局部區域集合預報系統）下開發的，該項目旨在加速NOAA的AI天氣預報能力。 [3, 5, 14]
NOAA利用Google DeepMind的GraphCast模型作為初始基礎，並使用NOAA自己的全球數據同化系統（GDAS）分析數據進行微調。 [1, 9, 13]
這些模型在0.25度經緯度網格（約28公里）和13個壓力層上運行，每天兩次生成16天的預報。 [5]
HRRR-Cast是NOAA的第一個區域實驗性AI預報系統，它基於ResNet架構（ResHRRR），並使用三年HRRR模型數據進行訓練，其計算效率比運營中的HRRR模型高100到1000倍，甚至可以在單台筆記型電腦上運行。 [13, 18]
AI模型利用現代GPU的並行處理能力，這與傳統物理模型依賴CPU的計算方式不同。 [9]

NOAA的AI天氣預報能力將因預算削減而受損。

預算削減將導致數據收集減少、研究實驗室關閉及人員流失，直接影響AI模型訓練所需的數據品質與數量，進而降低預報準確性。 [2, 4, 6, 7, 12, 19, 22]

美國在AI天氣預報領域的國際領導地位可能被削弱。

預算削減將影響NOAA與國際合作夥伴的數據共享和研究協作，可能導致其他國家（如中國和歐洲）在AI氣象領域超越美國。 [2, 9]

依賴AI天氣預報的行業（如農業、能源、保險）將面臨更大的風險和不確定性。

預報準確性下降將直接影響這些行業的決策制定，增加因極端天氣事件造成的經濟損失和運營風險。 [2, 4, 6]

1960s

NOAA開始監測CO2水平，建立基林曲線數據集。 [19]

2021

NOAA進行AI策略下的培訓資源差距評估，發現缺乏AI相關培訓。 [25]

2025-05-12

報導指出川普政府提議削減NOAA預算，威脅數十年來的CO2數據收集。 [19]

2025-06-18

NOAA分享Project EAGLE的早期進展，該項目旨在加速AI天氣預報的發展。 [5]

2025-12-17

NOAA部署了新一代AI驅動的全球天氣預報模型（AIGFS、AIGEFS、HGEFS），作為Project EAGLE的一部分。 [1, 8, 9, 10]

2026-05-18

衛報報導川普政府預算削減威脅NOAA的AI天氣預測模型。 [11]

川普政府預算削減威脅 NOAA 的 AI 天氣預測模型