背景
全球大氣模擬一直是氣候科學中成本最高的工作之一。若想把颱風、暴雨、下坡強風這類小尺度天氣現象顯式模擬出來，解析度必須拉到幾公里等級，而 X-SHiELD 正是這樣的高解析度全球大氣模型——它用物理方程把風暴這類細小過程直接算出來，代價是運算量極為龐大，研究人員很難一口氣跑上十年，或一次產生多套情境做比較。為了在成本與解析度之間找到平衡，Allen Institute for AI（Ai2，人工智慧研究所）先在 2026 年初推出 HiRO-ACE 氣候模擬器系統，採兩段式設計：ACE 是以 100 公里粗解析度運作的 AI 模型，負責長時間、大範圍的模擬；HiRO 則負責把粗解析度輸出「放大」成 3 公里細節。2026 年 10 月 14 日，Ai2 發表 HiRO-ACEv2，最主要的更新是新的降尺度模型 HiROv2，讓整套系統能以大約 X-SHiELD 三百分之一的成本，產生全球 3 公里解析度的氣候資料。
核心內容
HiROv2 相對前一代有兩項關鍵變化。第一，它不再只預測降雨，而是能同時輸出多個高解析度欄位，包括降雨、風速與海平面氣壓，因此能涵蓋的極端天氣類型大幅擴大。第二，研究團隊調整了訓練方式，使模型在重現最強烈的降雨、風速與氣壓數值上明顯進步。當輸入被粗化處理的 X-SHiELD 資料時，HiROv2 重現的高解析度統計結果與目標模擬的差距在 3% 以內，即使是發生頻率只有百萬分之一的罕見事件也一樣。在熱帶氣旋方面，HiROv2 能準確估算颶風的總能量，包括訓練過程中從未見過的風暴，並生成具有真實颶風眼與雨帶結構的畫面；不過眼睛周圍的風速與氣壓分布仍比 X-SHiELD 稍微不對稱。此外，模型也能真實生成沿山坡下沖的強風。
Ai2 同時更新了 ACE 版本。在一項長達十年的模擬中，ACE 產生的颶風、平均氣候型態，以及降雨、風速與氣壓的整體分布，都與 X-SHiELD 吻合良好。這代表 ACE 的粗解析度模擬足以作為長期高解析度氣候資料的穩固基礎。把 ACE 與 HiROv2 串接後，團隊產生了一整年的全球 3 公里資料，統計結果與 X-SHiELD 高度接近；值得注意的是，HiROv2 的輸入並非真實的 X-SHiELD 資料，而是 ACE 自行運算出的模擬結果。在十年模擬中，HiRO-ACEv2 颶風的能量與同期的 X-SHiELD 相當，快照畫面也顯示出多種與 X-SHiELD 相似的其他極端事件。
技術脈絡解讀
這套系統的核心思路，是把「長時間、大範圍」與「高解析度、小尺度」兩種需求拆開處理。X-SHiELD 之所以昂貴，是因為它必須以物理方程顯式模擬風暴這類小尺度過程；ACE 用 AI 學習大尺度環流，成本大幅降低，但 100 公里的格距會把風暴內部結構抹平。HiRO 的角色則是用 AI 從粗資料還原細節，本質上是一種統計降尺度：它不是重新跑一次物理模擬，而是根據學到的模式補回小尺度特徵。也因此，HiRO 的表現上限取決於它所學習的對象，這次是 X-SHiELD。就成本而言，產生全球高解析度資料約比執行 X-SHiELD 便宜三百倍；若只需要單一區域，依範圍大小還能再省下百倍以上。Ai2 也正在開發精簡版 HiROv2，速度有望再快十倍以上。
為讓使用者在不執行情況下先看到輸出品質，Ai2 建立了網頁示範頁面，把預先產生的降雨、風速與海平面氣壓結果，以 HiROv1、HiROv2 並列 X-SHiELD 的方式呈現，讓使用者縮放到自己關心的區域做視覺比較，以互補技術報告中的量化結果。模型可直接下載，官方也提供教學筆記本說明操作流程。
影響與限制
對研究人員而言，HiRO-ACEv2 提供了一個彈性且低廉的方式，批量產生十年以上、涵蓋極端事件的全球高解析度降雨、風速與氣壓資料，這在過去受限於運算預算幾乎很難做到。不過限制也很明確：由於 HiRO 是從 X-SHiELD 學習而來，目前只能搭配針對 X-SHiELD 調校的 ACE 版本使用，尚無法為其他氣候情境產生高解析度資料，例如更暖的未來，或是 ERA5 這類歷史再分析資料集所描述的過去。接下來，Ai2 計畫以新的 X-SHiELD 資料集重新訓練，其中包括模擬全球均溫升高 4°C 世界的版本，讓系統能應對不同氣候背景。團隊也規劃加入近地表溫度、雪與冰等輸出欄位，進一步支援雪量預測這類應用。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。