气候模型：三十年算力投入，降雨依然难算

气候政策背后的大部分证据来自气候模型。自1995年以来，一个名为CMIP的国际计划——耦合模式比较计划（Coupled Model Intercomparison Project）——一代又一代地在统一规则下并行运行这些模型。每一代都使用更精细的网格和更多的物理过程，因此需要更多算力。据圣安德鲁斯大学和英国国家大气科学中心的Ioana Colfescu领导的24人团队称，没有人追踪的是：这要花费多少能源，又换来了什么。

159个模型，一个误差分数

团队利用存档输出，为五代CMIP中的159个模型重新计算了统一的误差指数：每个模型模拟的冬季气候（1979–1999年）与观测相差多远，涉及三个变量——海平面气压、地表气温和降水。之所以只选这三个，是因为第二代没有存档其他变量。数值越低越好。

误差中位数从第一代的1.56降到第六代的0.61。同一时期，根据网格分辨率估算，一个典型模型所需的算力增长了约29倍。

稳定的回报率

一代接一代，误差分别下降21%、28%、21%和14%——这是一个不规则的序列。但如果对照每一步增加了多少算力来衡量，规律就变得整齐了：算力每翻一番，误差减少13.5%，在可以进行比较的三次换代中，离散度只有0.7个百分点。

这个比率给出一个简单而发人深省的计算。误差减半大约需要翻番4.8次，作者写道，“因为0.865的4.8次方等于0.5”——而翻番4.8次意味着比今天的模型多出约28倍的算力。与此同时，代际之间的算力增长已经放缓，从翻番2.2次降到1.1次。

作者对其含义持谨慎态度。更好的物理过程也会改进模型，两者无法分开，所以13.5%衡量的是算力与科学的共同回报。而且它描述的是过去的进展，而非自然规律。

降雨落在后面

单一分数掩盖了巨大的差异。从第一代到第六代，海平面气压误差降到原来的1/3.5，地表温度误差降到1/2.7。降水误差只下降了7%。按这一指标衡量，三十年来不断增加的分辨率和复杂度，几乎没有改善对气候影响最重要的那个变量。

无人测量的能耗

能耗报告零零散散。为最新一代公布完整数据的八家机构，合计排放1692吨二氧化碳。在实测能耗的13个模型中，每模拟一年的能耗相差65倍，而且与分辨率几乎没有关联。在30家机构中，有九家公布标准化能耗数据，没有一家报告与预报技巧评分挂钩的能耗。

GraphCast、盘古气象（Pangu-Weather）、伏羲（FuXi）和GenCast等AI天气模型，如今已追平甚至超过欧洲中期天气预报中心的高分辨率预报。据说它们的运行成本要低得多。但团队没有找到任何公开的测量数据说明生成其预报所需的能耗，于是根据报告的硬件和运行时间进行了重建。随后他们把训练也算进来：GraphCast约2900千瓦时，盘古气象约62000千瓦时。按一年每天四次预报计算，训练占每个系统能耗的99%以上，盘古气象在每千瓦时预报技巧上的排名从第二跌到最后。

前沿，而非阶梯

这份路线图建议在技巧–能耗平面上评判模型：一个轴是技巧，另一个轴是能耗，再找出在两方面都没有被其他系统超越的那组系统。用技巧除以能耗得到的分数，可以在同类系统内部排名，但作者警告，这个分数绝不能单独使用：一个几乎无用、但几乎不耗能的模型也会得分很高。他们还提出了五级能耗报告标准，从“已报告”到“完整且经审计”，以及四种事半功倍的途径：设计更好的实验、采用GPU等新硬件、减少数据搬运，以及有针对性的AI组件。

他们也指出了风险：运行更便宜，可能只意味着运行次数更多；而大型天气模型的训练仍然集中在少数机构和国家。他们的第一步很朴素：在下一代模型——CMIP8——启动之前，在精度旁边报告能耗，并划清统计边界。