Allen Institute：AIMIP基准测试——AI气候模型在历史数据上精度提升2倍，但无法泛化至长期变暖趋势

Allen Institute（AI2）于2026年5月13日发布AIMIP——AI模型比较项目，这是一个AI气象和气候预测社区基准测试。第一阶段评估包含六个建模团队的八个模型模拟，揭示了AI模型在泛化至长期气候变暖方面的严重能力缺失。

AIMIP第一阶段有哪些机构参与？

第一阶段汇聚了共提交八个模型模拟的六个团队：Ai2气候建模、NVIDIA、谷歌研究院、华盛顿大学、马里兰大学和ArchesWeather团队。Allen Institute将该项目定位为「社区工作」——旨在实现可与传统CMIP（气候模型比较项目）框架相媲美的标准化评估。

评估在历史数据上显示了什么？

AI模型表现出色——领先系统在近地面气温等领域将时间平均误差降低了2倍（相较于传统模型）。这表明AI在短中期天气预测方面具有优越性，而传统GCM（大气环流模型）在精细分辨率方面计算成本过高。

AIMIP揭示了哪个严重弱点？

评估发现了显著的泛化弱点：模型在预测训练期之外的长期变暖趋势时表现欠佳。虽然部分模型能够充分跟踪变暖趋势，但其他模型「显著低估了变暖幅度」，表明在不同气候情景间存在泛化差距。这是关键限制——AI气候模型必须能够正确外推至未包含在训练分布中的未来温度情景。

这一弱点对实际应用意味着什么？

AI气候模型目前对历史数据的细粒度重现和短期天气预报有用，但对于百年尺度气候预测仍不可靠——而这恰恰是为政策制定提供依据的气候GCM的主要用途。AIMIP将在后续阶段添加更多模型和情景，特别关注分布外泛化能力。

模型架构由「参与建模团队自主决定」——AIMIP不规定架构，只规定输入/输出规范，从而可以在同一基准测试上比较不同方法（变换器、图神经网络、物理-ML混合模型）。这一方式将AIMIP定位为科学比较基础设施，而非推崇某一特定模型解决方案。