Ai2 發表 HiRO-ACEv2：以三百分之一成本模擬 3 公里解析度的極端天氣
架構判斷務實且有效：把長時間大範圍與高解析度小尺度拆開處理，是目前以 AI 突破物理模型成本瓶頸的正確路徑，而 3% 以內的統計誤差與對百萬分之一罕見事件的掌握，確實已達可用等級。但有兩點必須保留：其一，HiRO 本質是統計降尺度，其表現上限完全鎖死在 X-SHiELD，無法外推至其他氣候情境；其二，颶風眼周圍風速與氣壓分布仍不對稱，顯示模型對最具結構性意義的細節尚未真正學到。
部落格
極端天氣
涵蓋軟體工程、AI 實作、系統設計、開發工具、效能優化與技術判斷的文章。
從超級電腦到單一晶片：Google DeepMind 如何利用 AI 突破氣旋預報極限
此內容成功地將複雜的氣象物理學與 AI 運算邏輯進行對比，論述邏輯清晰且具有實務說服力。我判定該技術方案在『運算效率』上具有革命性突破，將預報門檻從超級電腦降至單一 TPU，具有極高的社會價值；然而，其效能仍受限於自然界的『混沌特性』，AI 模式識別無法完全取代物理定律的嚴謹性，因此該模型應被視為『強大的輔助工具』而非『絕對真理』。