NVIDIA 于太平洋时间 11 月 18 日在 SC24 上发布了两项基于 Earth-2 的全新 NVIDIA NIM 微服务，可将 NVIDIA Earth-2 中的气候变化模型的模拟计算速度提高 500 倍。
Earth-2 是一个数字孪生云平台，用于模拟并可视化呈现天气和气候条件。全新 NIM 微服务为气候技术应用提供商提供了领先的生成式 AI 驱动的功能，以辅助预测极端天气事件。
NVIDIA NIM 微服务有助于加速部署基础模型，同时确保数据安全。
极端天气事件日益频发，引发了人们对灾害相关安全问题、备灾和潜在财务影响的担忧。
彭博社的一份报告显示，2024 年上半年，自然灾害造成的保险损失约为 620 亿美元，较近 10 年平均值高出了 70% 左右。
NVIDIA 本次发布的 CorrDiff NIM 和 FourCastNet NIM 微服务，将帮助气象技术公司以更快的速度生成更高分辨率、更加准确的预报。相比传统系统，NIM 微服务也提供了更加领先的能源效率。
全新 CorrDiff NIM 微服务用于更高分辨率建模
NVIDIA CorrDiff 是一种可实现公里尺度超高分辨率的生成式 AI 模型。该系统的超分辨率模拟能力在今年 GTC 上分享的台湾地区台风应对案例中得以展现。CorrDiff 基于 WRF 模型的数值模拟结果进行训练，可以生成 12 倍更高分辨率的天气预报结果。
对气象学家和相关行业来说，能够精确到最小公里尺度可视化的高分辨率预报至关重要。保险和再保险行业依赖详细的气象数据来评估风险概况。但是，使用 WRF 或高分辨率快速刷新等传统数值天气预报模型来达到这种详细程度往往过于昂贵而耗时，因而不够实用。
与使用 CPU 的传统高分辨率数值天气预报相比，CorrDiff NIM 微服务的计算速度高出了 500 倍，能效提升了 10000 倍。此外，CorrDiff 现在以 300 倍的更大规模运行，可对整个美国进行超分辨率处理 (即提高低分辨率图像或视频的分辨率)，并能以公里尺度的可见度预测降雪、结冰和冰雹等降水事件。
全新 FourCastNet NIM 微服务使大规模集合预报成为可能
并非每个用例都需要高分辨率预报。对某些应用来说，使用粗分辨率的大规模集合预报反而能获得更好效果。
由于计算能力限制，IFS 和 GFS 等最先进的数值模型分别只能生成 50 组和 20 组预报。
最新推出的 FourCastNet NIM 微服务提供了全球范围的中期粗分辨率预报。通过使用欧洲中期天气预报中心或美国国家海洋和大气管理局等业务气象中心的初始场，提供商可生成未来两周的预报，速度比传统数值天气模型快 5000 倍。
这为气候技术提供商带来了新机遇，使其能够以不同尺度评估极端天气相关风险，从而预测当前计算工作流对低概率事件发生可能性的遗漏。
了解有关 CorrDiff 和 FourCastNet NIM 微服务的更多信息，请访问 ai.nvidia.com。