氣象署導入 AI 預報模型，10 分鐘可快速模擬颱風動態

中央氣象署正式對外展示 AI 氣象預報模型的初步成果，將傳統依賴 CPU 物理模擬的氣象預報方式，升級為以 AI 神經網路推論為核心的新一代系統。新模型可在 10 分鐘內快速模擬颱風動態，預報精度相當於傳統方法 4 年的進展，將大幅提升台灣面對極端氣候的因應能力與防救災決策品質。

過去數十年，全球氣象預報主要依賴大型超級電腦執行流體力學、熱力學等物理方程式模擬，計算量龐大、耗時長，且解析度有限。颱風路徑、強度、降雨量等關鍵參數的預報誤差，往往因為計算資源限制而難以進一步精確化。隨著生成式 AI 與深度學習技術突破，全球氣象機構陸續導入 AI 預報模型，包含 Google DeepMind 的 GraphCast、NVIDIA 的 FourCastNet 等都已展示優於傳統方法的預測能力。

氣象署署長呂國臣指出，AI 將從根本上改變傳統氣象預報模式。新模型運用大量歷史氣象資料訓練，能在短時間內預測未來數天的天氣狀況，並針對颱風路徑、強度變化、降雨分布等關鍵指標提供更高解析度的預測。對台灣這個每年面對多次颱風威脅的島國而言，預報精度的提升直接關係到撤離決策、農漁業損失減免與基礎建設保護。

從技術面看，氣象署的 AI 模型整合本地氣象觀測資料（包含氣象站、雷達、衛星、海洋浮標等）與全球氣象數據，並針對台灣周邊海域與地形特性進行優化。新模型的 10 分鐘運算時間相較傳統方法的數小時甚至數天，使氣象署能在颱風來襲前提供更頻繁的更新與更多情境模擬，為防救災決策提供更彈性的支援。

對台灣防救災體系而言，AI 預報模型的導入將帶來深遠影響。地方政府、農業、漁業、交通、能源等部門都可獲得更精確、更頻繁的氣象資訊，從而提升整體韌性。未來氣象署將持續擴大 AI 應用範圍，包含豪雨預警、空氣品質預測等領域，全面強化台灣的氣候適應能力。