全球數值預報向1至5公里邁進，異構計算正成為重要支撐。近日，MCV數值模式依托曙光8000實現全球公里級預報計算時效達標，為這一技術路線增添了國產應用實踐。

公里級競爭，推動計算架構改變

數值預報的發展，一直與計算能力相互推動。更強的算力，讓科研人員能夠采用更細的網格，研究更多天氣過程。如今，歐洲ICON、美國MPAS等主流模式團隊相繼借助加速計算平臺，向全球公里級推進。

分辨率提高，帶來的計算需求并不只是多做一些運算。計算單元之間需要交換更多數據，模擬結果也要及時保存。規模越大，通信、存儲和任務分配對效率的影響越明顯。即使增加處理器，整場預報也未必能按比例提速。

科研團隊因此需要重新安排計算任務：哪些工作適合通用處理器，哪些可以交給加速處理器大規模并行完成。異構計算通過這種分工，提高整體運行效率，為模式繼續提升分辨率提供空間。

這也是公里級競爭呈現出的計算趨勢。前沿問題越復雜，科研方法與計算架構的聯系就越緊密。模式研發需要考慮平臺特點，計算系統也要圍繞具體任務進行優化。

國產異構平臺完成應用驗證

此次發布的成果，由中國氣象局地球系統數值預報中心與中科曙光聯合完成。MCV模式在曙光8000上，用不到1小時完成全球5公里分辨率、未來10天的預報計算，達到國際主流業務時效標準，并通過批量預報質量檢驗。

曙光8000采用超智融合異構計算架構。圍繞MCV模式，團隊共同優化計算、通信、存儲和軟件系統，并驗證不同計算單元運行結果嚴格一致，使計算效率和結果可靠性同時滿足要求。

存儲讀寫效率提升約30倍，是其中一個有代表性的改進。它說明，提高任務運行速度既需要更強的運算能力，也需要減少等待數據的時間。只有各環節配合起來，硬件能力才能充分用于科研。

這樣的應用過程，也讓科研機構與計算企業的合作更加深入。模式團隊提出問題，計算團隊分析瓶頸，雙方共同調整，再通過完整任務檢驗效果。積累下來的工具和經驗，會繼續推動國產計算平臺完善。

在全球5公里計算時效達標之后，團隊還完成了全球3公里分辨率模擬試驗。更高分辨率尚處于研究階段，但模式繼續演進已有了可供驗證的平臺。

從支撐模擬，到改變研究方法

氣象領域的進展，是前沿科研計算需求變化的一個縮影。生命科學、材料研究和流體模擬等領域，也越來越多地將數值模擬與人工智能結合。

數值模擬用于描述復雜過程、生成數據，人工智能從結果中尋找規律、輔助模型改進。一次計算由此可以為下一輪研究提供更多線索，幫助科研人員篩選問題、調整方向。

這種科學智能研究方式，需要平臺同時具備高精度科學計算和人工智能訓練推理能力。曙光8000將兩類能力統一到同一系統，為模擬、分析和驗證之間的銜接提供條件。其在蛋白質研究、分子動力學、湍流模擬等方向的應用，也體現了這一需求的廣泛性。

從全球公里級預報出發，可以看到一條更深的變化：科學問題推動計算架構演進，異構計算又促進數值方法與人工智能結合。先進算力由此更深入地參與研究過程，幫助科研人員加快驗證、擴大探索范圍，為前沿發現提供新的可能。