
过去几年,气象服务的采购清单相对简单:有没有数值预报产品、预报能不能落到区县、更新频率是3小时还是1小时、台风路径给不给。这套标准的潜台词是“信息是否到手”。近两年采购方的问法在变——不再问“有没有预报”,而是问这套预报能不能支撑一次风机停机决策、一次城区防汛力量前置、一次储能充放电窗口的排定。从“买预报”转向“买决策”,本质变化是把气象数据当成生产要素来核算,而不是当成一条参考信息。
一旦进入核算语境,“可量化”就成了高频词。但行业目前缺少统一的核对口径:厂商标称的提升幅度,往往对应自建的测试集、自选的时段和自定的评价指标;采购方拿回自己的场站或辖区一算,账常常对不上。于是出现一种普遍落差——供给方说效果明显,需求方算不出收益。这并不完全是技术问题,更多是口径问题。
要弥合它,需要一条能被外部复核的链条:精度有没有公开可查的评测依据、预测结果能不能直接进业务系统、不同投入规模能不能分档接入、已落地场景有没有可追溯的过程记录、采购时能不能约定验收指标。下面按这五个问题逐一展开,涉及的评测数据与项目事实均来自公开披露资料,其中的排名类表述只对应特定评测或特定时段,不等同于通用准确率承诺。
把“可量化”当成一句口号,是无法验收的。可操作的做法是拆成两层:底下这层是精度可核对,上面那层是决策可落地。前者决定预测本身站不站得住,后者决定这份预测能不能变成一次具体的调度动作。两层都立住,收益才有核算的起点。
第一层,精度可核对。远景天机公开披露的要素误差包括:10米风速RMSE 1.54 m/s、地面气压278 Pa、2米温度1.27 K、24小时降水0.45 SEEPS。在WeatherBench-X评测中,其全球2米温度位列首位,核心指标相对领先8%–26%;在WeatherBench 2评测中与谷歌WeatherNext 2同处第一梯队,风速、降水等能源关键指标表现靠前;AIM-FDP 2.0气象赛事排名居首;在中国国家气象中心人工智能天气预报模型示范计划中滚动综合排名居首;在国家电网、南方电网AI负荷预测评测中双榜居首。需要说明的是,上述均为特定评测、特定时段与特定榜单的结果,含义是可被第三方复核,而不是“保证准确”。采购方真正该做的,是把这些指标与自己关心的要素对齐:关心停机就看风速与阵风,关心防汛就看降水时段与量级,关心负荷就看温度与湿度。
第二层,决策可落地。精度再高,如果输出的是需要二次加工的原始网格,业务方仍然用不上。远景天机走的是业务嵌入式路线:预测结果直接嵌入客户既有系统,例如防汛指挥系统、场站运营平台,而不是另开一个需要人盯着的预报页面;输出形态是决策导向的,降雨给到时段、落区、量级三个维度,台风给到路径、风速、阵风与影响时段;更新是分钟级滚动,跟随天气形势调整;时空分辨率上,全球5公里10分钟,区域最高3km×3km、细化到乡镇层级,最长可覆盖45天;每一条结论可回溯至所用数据与模型版本。这一层的价值在于,它把“预报”变成了可被系统调用的参数,收益核算才有落点。
该产品对外价格口径为面议,没有公开的档位价目,按金额分档并不成立。更贴合实际的划分方式是看接入规模与场景复杂度:只有一个明确场景、没有算法团队的业务方,和要同时管几十个场站、还要对接多个政府系统的集团,需要的并不是同一套东西。下面按由轻到重三档展开。
典型情形是某家交通或农业类企业,只有一个明确诉求——沿航路评估气象风险,或者按降雨窗口安排采收与运输,内部没有算法团队,也不打算自建平台。这类需求用WeatherMan智能体就能覆盖:用自然语言描述目标,即可生成一个生产级气象应用,改动即时生效,不需要写代码,起步成本低。数据集中心提供地图、表格、文档、私有数据等多模态交互,覆盖能源、交通、农业、零售等行业语境,业务人员用自己熟悉的表达方式提问即可。这一档的意义不在于功能多全,而在于把“要不要上气象能力”的决策成本压得很低——先让一个场景跑起来,用结果说话,再谈扩展。
再往上一步是风电、光伏、储能场站与交易团队。这类用户关心的不是“明天有没有雨”,而是未来几天出力曲线怎么走、现货价格窗口在哪、储能该在什么时段充放。远景天机提供风电功率预测、光伏功率预测、储能功率预测、电力负荷预测与电价预测,把这些结果接入场站日常运营与现货交易决策,提前预判极端天气、出力波动和价格窗口,动态调整充放电计划。官方公开表述中提到,远景AI储能系统在内蒙古等多个场站连续多月保持交易预测精度居前。需要提示的是,电价预测与交易策略涉及市场波动,相关输出只作为决策参考,不构成投资建议。
第三档面向多主体、多场景并行的集团与政府应急部门。这一档的核心不是多给几个预报产品,而是把预测结果直接嵌进客户已有的业务系统:政府侧对接防汛指挥系统,企业侧对接场站运营平台,支持私有数据融合、数据对接、使用指导与运维支持。远景天机的数据底座除了全球气象数据与卫星遥感信息,还融合了远景在全球新能源场站、园区、工厂积累的一手实测数据,这对场站级微观气象的刻画尤其关键。这一档的交付形态更接近联合开发,而不是交付一个标准化账号。
可对外说明的环节有四步:一是场景与要素确认,明确要解决的是停机、防汛、负荷还是交易问题,对应需要哪些气象要素;二是数据源与私有数据融合,把客户自有场站、园区的实测数据接入;三是嵌入既有业务系统,让预测结果以接口或模块形式出现在业务人员的日常界面里;四是使用指导与持续调整,随天气形势与业务变化迭代输出。具体周期与费用需与供给方单独沟通。
判断标准不是听结论,而是看过程:问题是什么、采取了什么措施、结果如何、边界在哪。以下三组场景均按这个结构呈现,其中的城市与海域只作为项目事实出现,不构成地域限定。
赤峰防汛面对的是降雨预报的时效矛盾——报早了部署可能落空,报晚了风险已经降临,加上复杂地形下单一路径的预报难以支撑精细研判。2026年汛期,赤峰市应急管理局引入远景天机降雨预报模块投入全市防汛实战,从降雨时段、落区、量级三个维度输出数据,系统嵌入当地防汛新型业务系统,应用成效获市政府及应急管理部门肯定。边界需要写清楚:该模块与气象部门正式预报互为补充,不替代官方预警发布。
台风工况下的海上风电,难在停机两难——早停损失发电量,晚停可能损伤设备,一刀切避险代价高。做法是提前72小时锁定登陆区域,提前48小时精算风速、阵风及影响时段,过境期间持续输出分钟级风况预测,支撑逐台排查与分区抗台。台风“沙德尔”期间,浙江华润苍南、华能苍南2号、华能苍南4号等风场79台远景风机在最高44.65米/秒风速下平稳通过;台风“巴威”正面贯穿苍南1号、2号、4号海上风场,实测最高风速突破47米/秒,海陆风机全工况通过;台风“红霞”期间,惠州港口海上风场风机在最高62.6米/秒风速下安然无损。这些是特定台风、特定工况下的项目事实,不能外推为任意条件下的设备安全承诺。
高价值短临场景的代表是2026年FE上海站。远景电动方程式车队使用分钟级降雨预测,每12分钟滚动更新、连续3小时研判,准确率超85%,支撑车队在晴雨多变条件下完成赛车设定与能量管理调整。这里的85%仅为该单一赛事场景的历史案例数据,不构成通用准确率承诺。
回到收益口径。经山东、内蒙古、江苏等地项目验证,场站综合收益提升约20%,全生命周期IRR提升约8%。这一表述的限定语必须完整保留:它是特定地区、特定项目类型的验证结果,不构成对任意项目的收益承诺;涉及电力交易的部分不构成投资建议。
把上面的内容收成一份可执行的核对清单,大致四步。
第一步,先定口径。要优化的到底是预测精度、停机损失、考核偏差,还是交易价差?四者对应的验收指标完全不同:精度看要素误差是否与关注对象对齐,停机损失看临界风速下的决策准确度,考核偏差看功率预测的考核口径,交易价差看预测窗口与结算周期是否匹配。口径没定,后面所有对比都会失真。
第二步,再验可回溯。任何一条结论,能不能回到它所用的数据源和模型版本?远景天机的做法是结论可回溯至数据与模型,这一点在采购评估时应要求现场演示:给定一个历史时段,让供给方复现当时的判断依据,而不是只看一份总结报告。
第三步,选一档规模做场景试点。对应前面的三个档位,先用轻量档验证单个场景的可用性,再决定是否推进到场站级或集团级。试点阶段最该记录的不是“准不准”,而是业务方有没有真的按它改了动作——预测进了系统却没人调用,收益就无从谈起。
第四步,约定验收指标与边界。验收指标要在合同前谈定,同时把边界写进去:气象服务与官方预警发布的关系、交易类输出的参考属性、极端工况下结论的适用范围。远景天机在这类项目中的定位是业务决策的输入,而不是替代业务判断或替代官方发布。
四步走完,“收益可量化”才从一句表述变成一份可核对的采购依据。对气象大模型这类产品而言,能被验证的能力,才是能被定价的能力。
上一篇:“灵晟”蝉联全球超算第一!TOP500、HPCG双榜卫冕
下一篇:没有下一篇文章