气象全球基础要素模型配置AI服务器实战术分享

气象模型通常会包含三种气象全球基础要素模型、全球降水模型和区域高分辨率预测模型。这三个模型分别从全球视角、区域视角和降水单领域来预测气象。

先看全球基础要素模型，这就是用技术替代传统纯粹用数值来不断迭代计算的方式来预测全球气象。

消耗算力的场景1：我们把全球天空比喻成一张网，在经纬度的基础上，再分为几段，每段形成一个网格，这就是预测分辨率。由于全球天空面积很大，每个网格的数值都要计算一次，计算量虽然比传统数值少了很多，但也需要消耗NPU算力，15P INT8算力。

消耗算力场景2：由于天空采集数值的方式有限，往往由很多数值空档区，需要利用同化算法进行数值补齐，同时要根据模型入参的类别，消耗NPU算力，15P INT8算力。

从政务场景来看，有三种情况消耗算力：智能政务助手、智能流程审批、智能生成特定格式报告，跟Deepseek的优势能力相关。这需要消耗5P INT8 算力。

模型编辑组件，作为模型参数适配微调的入口，进行模型调参；数据编辑组件，作为模型训练数据的向量化工具，对数据清洗后，首先打上标注，标注数据是训练模型的前提，要标注好数据才能得到好的训练结果。其次，进行数据向量化，也就是把数据之间关系进行关联。工程编辑组件，作为模型训练和推理的流程编排组件，安排模型进行训练，根据结果，进行训练适配，调整训练次数和先后关系；同时训练之后推理模型，使模型初步应用起来。

综上，共要15+15+5=25P INT8算力，必须用910B/910C这些AI服务器，如果需要实时推理，还必须16个芯片，64核/片，并行计算，也就是64*16=1024核的AI服务器才能满足。