8月22日，华为云宣布组织架构调整，多个部门将被裁撤或整合，其中就包括企业智能产品线下的盘古大模型相关部门。消息一出，业界哗然：曾被寄予厚望的盘古大模型，真的就此落幕了吗？

商业决策的背后总有复杂的考量，但从技术角度来说，盘古大模型的价值不容否认更不会消失，尤其是其中的盘古气象大模型（Pangu-Weather）：

它是全球首个登上《Nature》的气象AI大模型，开创了“用 AI 取代传统数值模式”的新思路，并且已在Github开源。所以，不管部门如何，它仍然是大家都可以使用的科研实践的重要工具，值得深入学习使用。

盘古气象大模型：不止是“快”，更是“准” 

盘古气象大模型由华为诺亚方舟实验室与科研团队联合研发，它的意义在于突破传统天气预报模式：

• 首个精度超越传统数值预报的AI方法：在位势、湿度、风速、温度等多个关键气象要素上，它的1小时至7天预测精度均超越了欧洲气象中心的operational IFS等传统数值方法。

• 兼具高分辨率与高效率：模型水平空间分辨率达到0.25°×0.25°，同时预测速度相比传统方法提升了10000倍以上，能实现秒级的全球气象预报。

• 核心技术创新：其成功的关键在于创新的3D Earth-Specific Transformer(3DEST) 架构，该架构能高效处理复杂且不均匀的3D气象数据，更好地学习大气变化的物理规律。

从理论到实践：盘古气象大模型的应用指南 

普通研究者，如何才能亲手使用盘古气象大模型？

本期推荐和鲸社区创作者 @lqy 分享的一个完整的实操项目《利用华为盘古气象大模型实现天气预报》覆盖从环境配置、数据准备、模型推理到结果可视化的完整链路，无论你用的是CPU还是GPU算力，都能让盘古真正“用在自己手里”。

项目fork地址：https://www.heywhale.com/u/59a97b

第一步：自定义获取输入数据

项目详细展示了如何配置环境、安装cdsapi，并编写Python脚本从哥白尼气候数据中心（Climate Data Store）下载第五代欧洲中期天气预报中心再分析资料（ERA5）。

你将学会如何精确获取模型所需的两类输入：

• 近地面变量（2D）：包括海平面气压（MSLP）、10米纬向风（U10）、10米经向风（V10）和2米气温（T2M）。

• 高空变量（3D）：涵盖从1000hPa到50hPa的13个气压层上的位势（Z）、比湿（Q）、气温（T）、纬向风（U）和经向风（V）。

把这些数据处理成模型所需的.npy格式文件，为后续预测打下基础。

第二步：模型推理与迭代预测

这是项目的核心环节。项目提供了华为官方开源的1小时、3小时、6小时和24小时四种不同预测时长的.onnx模型文件 。你将跟随项目指南：

1. 配置推理环境：无论是基于CPU的onnxruntime还是基于GPU的onnxruntime-gpu，都有对应的安装命令。

2. 执行单步预测：通过运行inference_cpu.py或inference_gpu.py脚本，加载初始气象场数据，调用24小时模型，仅需几十秒（GPU）或一分多钟（CPU）即可生成24小时后的全球气象预报结果。

3. 实现迭代预测：更有趣的是，项目还提供了inference_iterative_cpu.py等脚本，演示了如何组合使用不同时长的模型（如连续调用6小时模型），实现长达144小时（6天）的连续预报。

第三步：结果可视化

天气预测不仅要算得快，还要看得懂。项目通过matplotlib等工具，将.npy数组转换为气象云图。

你可以清晰地看到当前时刻与24小时后全球及我国区域的2米气温分布对比，甚至还能计算和绘制出24小时内的气温变化图，直观感受盘古大模型的预测能力。

✍️ 写在最后

盘古大模型相关部门的撤销，意味着组织战略的调整，但并不代表科研成果的消失。

以盘古气象大模型为例，它已经开源，任何人都可以基于它展开研究与实践。和鲸社区创作者 @lqy 的项目，则让我们有机会在真实环境中体验它的能力。

这也说明了——组织可能会被裁撤整合，但技术将在科研实践与分享中无限延续。