综合海内气候大模型发展并对标国际前沿进展，中国气候局联合清华大学组建攻关团队，在大模型预报核心技能、预报精准程度上寻求打破，构建了“风清”大模型。
该模型具有大气强物理融入和可阐明性，在实现高效打算的同时，可为预测结果供应物理可阐明性依据，自动挖掘包括景象系统内在的物理演化。
该模型的演习过程紧密结合物理守恒特性，可有效提升永劫效预报结果的生动度。
该模型采取可扩展的多时效优化策略，可综合考虑未来多天预报的效果，有效延长预报时效，不断提升短中期预报效果。
考验结果表明，该模型环球可用预报天数达到10.5天，超过欧美主流气候预报大模型，尤其是在较长预报时效，具有更为明显的上风。

聚焦附近预报中的核心难题，中国气候局与清华大学联合攻关团队构建“风雷”大模型。
该模型将数据驱动与物理驱动两大科学范式紧密结合，显著提高了公里尺度下0至3小时雷达回波的预报能力，并实现深度学习与物理规律的无缝隙领悟。
同时，“风雷”大模型将物理模型的中尺度预测和人工智能的对流尺度预测有机领悟，在预测准确性和细节丰富性上实现打破。
同时，构建了一套“数据—算力—平台”全流程短临预报系统，能够在3分钟内天生0至3小时逐6分钟的雷达回波外推产品，实现强回波预报技巧提升25%。

面向15天以上更大不愿定性的景象预测难题，中国气候局联合复旦大学和上海科学智能研究院基于人工智能方法构建了“风顺”大模型。
“风顺”大模型创新地引入基于流依赖的凑集扰动智能天生技能，从而更加合理地捉住了未来景象系统演化的不愿定性，同时“风顺”还纳入了海气相互浸染关键过程，进而提升了对热带大气时令内振荡MJO的预测技巧。
该系统在中国气候局智算平台上完成了业务支配，逐日滚动开展100个凑集成员的大样本预测，形成了面向未来60天环球基本要素和极度事宜的确定性和概率预报测试产品，对环球降水的预测技巧展示出一定的上风。

值得一提的是，“风清”“风雷”“风顺”三个大模型，完成了基于国产环球大气再剖析资料CRA-40、雷达不雅观测资料、风云卫星遥感资料的演习和考验评估，有效降落了目前主流气候预报大模型对国际再剖析资料的依赖度。

据悉，5月24日，中国气候局在第七届数字中国培植峰会·数字气候分论坛上发布了人工智能景象预报大模型示范操持，调动和勉励社会各界力量，共同打造人工智能技能研发和气象运用的创新生态。
同时发布了第五批气候数据开放共享目录，旨在支撑各行业开展人工智能大模型的演习评估。