DeepMind 近期展示的 GraphCast，把原本需要大量超級電腦算力的全球數值預報，變成「約 1 分鐘就能產出未來 10 天」的成果，而且在多項評估指標上，準確度可超越傳統被視為標竿的全球預報系統。這不只是 AI 又贏一次比賽而已，它更像是在重新定義「預報速度、成本與可用性」之間的平衡。 從「解方程式」到「學會大氣如何變化」 傳統天氣預報（NWP）核心是物理方程式：把大氣分割成網格，用流體力學、熱力學等規則一步步往未來推演。它的優點是可解釋、可控，也能與觀測同化、物理參數化等系統深度整合；代價則是計算昂貴、迭代耗時，且解析度與時效常得取捨。 GraphCast 走的是另一條路：以大量歷史再分析資料與天氣場資料訓練模型，學到「從現在狀態到下一時刻狀態」的轉移規律，再連續多步推進到未來。它以圖結構來表達地球表面與大氣網格之間的關係，讓模型能更有效捕捉不同地點之間的相互影響（例如鋒面移動、急流變化）。 「1 分鐘 10 天」的意義：不是炫技，而是決策節奏改變 預報變快，真正改變的是各行各業的決策節奏。 防災與政府單位：更快產出多情境預報，有機會把人力從「等結果」移到「做研判」。當颱風路徑或豪雨帶快速變動時，能更頻繁更新風險圖與資源調度。 航空與航運：路徑規劃高度依賴風場、亂流、對流雲系。若能用更低成本跑更多方案，就能在燃油、準點率與安全之間做更細緻的最佳化。 能源與電網：風電、太陽能出力預測與負載預測都和天氣密切相關。更準的中期預報能改善電網備轉容量安排，降低尖峰備援成本。 農業與保險：種植管理、灌溉與病蟲害風險常以 7–14 天尺度做規劃。若中期預報更穩定，保險理賠模型與風險定價也能更貼近實際。...