不是取代,而是共生!气象科学的未来需要AI与数值预报的有机结合

数值天气预报与AI气象大模型 随着模式复杂度和分辨率的提高,传统数值模式在气候变化研究和气候预测方面取得了迅速的进展,但也面临一些挑战,需要得到数据同化、集合耦合、高性能计算和不确定性分析等多方面的支持。气象大模型不断涌现,一些科技公司如华为、英伟达、DeepMind、谷歌、微软等,以及国内外高校如清华大学、复旦大学、密歇根大学、莱斯大学等发布了多个涵盖临近预报、短时预报、中期预报和延伸期预报等不同领域的气象大模型。然而,相对有限的计算资源,限制了模型分辨率的提高和更频繁的模型运行,从而影响了预报的详细程度和及时性。 阅读详情

2022 年常被业内人士视为 AI 赋能气象预测的元年。

从这一年开始,AI 在气象领域的应用呈现爆发式增长,NVIDIA DLWP、Google MetNet-2 等一系列创新方法及模型如雨后春笋般涌现,国内外「首次」、「第一」、「开创性」成果频出,尤其是在提升预报技巧方面,AI 更是展现出惊人的成效,短短几月便实现了数值预报数十年才能达成的目标、甚至更优。

要知道,数值预报诞生至今已有百年历史,曾经推动了大气科学近半个世纪的迅猛发展,是现代天气预报的主流模型。部分场景下,数值预报的精准度被 AI 领先,也不禁引起了业内人士的思考和疑问:这一历经百年验证的经典方法,是否即将被 AI 追赶、超越甚至完全取代?

对此,中国气象局上海台风研究所副所长黄伟认为:「在可预见的将来,AI 气象预报和传统数值预报的有机结合,才是预报技术取得突破的最有效途径。 」

确实如此,数值预报和 AI 存在天然的耦合关系,数值预报可以通过物理数学理论提供可解释的预报结果,AI 可以利用知识经验提高预报计算速度和精度,两者互补或许才是未来气象预报发展的关键道路。

我们试图通过梳理拆解数值预报的前世今生,与颇具代表性的前沿人工智能方式方法,帮读者由点及面了解二者之间的复杂关系和潜在可能。

从理论到实践,数值预报的百年探索

事实上,在数值预报出现之前,基于天气图的外推预报才是当时气象预报的主流手段。

在这里插入图片描述

布兰德斯的第一张天气图,图源:沐曦

在底图上填写各城市、测站位置以及主要河流、湖泊、山脉等地理标志,将世界各地同一时间的气象要素绘制在这张图上,形成天气图。通过分析天气图,根据气象演变在短时间内具有连续性原则,把当前的天气趋势外延一段时间,就能得出预报结果。

基于天气图的外推预报不能反映大气内部的运动变化规律,其预报水平受到很大限制。为了得到更精准的天气预报,气象学家们尝试引入数学物理方法,研究天气演变的物理规律, 发展出一个建立在定量描述基础上的预报技术,这就是后来的数值天气预报。

借助电子计算机,数值预报强势崛起

大气的运动轨迹遵循流体力学基本理论。挪威气象学家皮叶克尼斯认为,「大气的未来状态,原则上由大气的初始状态、大气运动方程、质量守恒方程、状态方程、热力学方程等共同决定的」,因此人们尝试将这些影响因素组成一个方程组来反应大气运动状态,把气象观测网提供的大气实时气象要素作为方程组的输入,求解方程随时间的变量值,进而得到大气的未来状态——这就是数值天气预报的基本思想。

1916-1919 年,英国理查德森博士进行了第一次数值预报的实际计算,但这次试验非常失败。事后他总结,「这种预报的计算量非常大, 即使有手工计算器的辅助,也难以在天气到来之前实现预报。」虽然本次尝试效果不佳,但他向外界展示了数值天气预报的基本计算过程、步骤、面临的问题等,为后人提供了很好的学习经验。

1946 年,世界上第一台电子计算机 ENIAC 问世,其计算速度可达每秒 5,000 次加法运算。从那时起,被誉为「计算机之父」的冯·诺依曼身边就总是围绕着来自世界各地的优秀气象学家们,他们的目标是,用刚刚诞生的电子计算机做出准确的数值天气预报。

在这里插入图片描述

世界上第一张成功的数值天气预报图,图源:中国天气网

1950 年,美国科学家查尼、费也托付、冯·诺伊曼等基于前人经验,第一次在 ENIAC 上成功算出了 500 百帕天气形势的 24 小时预报,这是数值天气预报的首次成功, 也是一个划时代的标志。自此,围绕数值天气预报的研究迎来了蓬勃发展时期,无数国内外科学家、机构纷纷投身该领域发展。

中国气象局:坚持自主研发,掌握四维变分资料同化技术

1975 年,欧洲中期天气预报中心 (ECMWF) 顺势成立, 并在成立的第 4 年就发布中期数值天气预报产品,逐步建立起在世界数值天气预报领域的领先地位。现如今,ECMWF 拥有目前世界上最先进的数值天气预报系统,携手 34 个成员国、合作成员国的国家气象和水文机构等,设计新的服务产品、评估和诊断预报质量。据了解,成员国的气象机构享有特权,能够每天实时收到中心做出的数值天气预报产品和服务,这种服务还通过商业化渠道,提供给 30 多个国家的客户。

然而,中国并不是 ECMWF 的成员国。

我国数值预报模式在发展初期曾面临一道选择题,是引进 ECMWF 最先进的数值预报,还是自主研发国产数值预报?直接引入省时省力,但 ECMWF 的预报技术核心,四维变分资料同化技术从不向他国公开。「为了不被欧美国家卡脖子,中国需要自己掌握核心技术」。中国气象局地球系统数值预报中心全球数值天气预报系统工程技术团队成员孙健表示。

  • 三维变分资料同化:多个时刻的大气状态数据,如温度、湿度、气压、风速等,被假定为同一时刻,通过数值预报模式运算,得出未来某一时刻的天气状态。

  • 四维变分资料同化:在三维变分资料同化的基础上,加入时间维度信息,把多个时刻的大气状态数据联系起来,找到数据间的变化关系,再通过模式运算推算未来天气。

1995 年国家气候中心成立,历经十年研发,国家气候中心在 2005 年成功推出了 NCC 气候预测模式系统,作为我国第一代短期气候预测动力气候模式业务系统,它迅速投入业务运行,在国家的防灾减灾及气象保障服务中发挥了不可估量的作用。

通过不断的自主创新与突破,我国第二代、第三代短期气候模式预测业务系统相继问世,成为现代气候业务系统中不可或缺的组成部分。为进一步推动气象预报技术的发展,中国气象局组建数值预报创新基地、成立数值预报中心,在四维变分同化、模式动力框架、卫星资料同化技术等方面实现重大突破。

2021 年,我国数值天气预报系统再获国家科学技术进步奖,成为行业发展的又一个里程碑。2024 年 1 月,中国气象局报道,其自主研发的全球同化预报系统 (CMA-GFS) V4.0 正式运行。此次升级后,北半球可用预报天数突破 8 天,全球预报空间分辨率从 25 公里提升到 12.5 公里,中国同化技术取得了国际领先成就,我国成为国际上为数不多自主研发全球四维变分同化系统的国家之一。

尽管数值预报在过去数十年间取得了显著进步,面对卫星遥感、雷达观测、飞机观测、船舶观测、海上浮标等来源的海量观测数据,即便是当今的超级计算机,也需要几个小时的模拟推导才能完成提前 3 天的气象预报,计算资源在处理庞大信息量时面临很大挑战。

科技的浪潮从未停歇。随着 AI 的兴起,这个顶着「专为处理大数据而生」的技术,可以给气象预测带来更快的计算速度、更高的预测精度、更低的花费成本,受到了人们的广泛关注。

解决 3 大难题,AI 气象预测实现精度、速度双重提升

基于机器学习的天气预报可以根据历史气象数据(包括观测和分析数据)来训练预测模型,这种模型能够识别并学习数据集中不易用显式方程表示的因素,进而提高预测准确性。

然而,机器学习模型在向更高精准度预测跃进时,仍存在诸多挑战,主要有迭代误差累积、高分辨率数据稀疏、极端天气预测平滑化这 3 大难题。 近年来,从学术界到产业界,也围绕这 3 大挑战展开攻坚,推动了 AI 气象预测在天气预报精度与速度上的双重提升。

Pangu-Weather 解决迭代误差累积问题

在解决迭代误差累积方面,2023 年 7 月,华为云研究人员推出了全球 AI 气象预报大模型 Pangu-Weather。 该模型是首个预测精度超过传统数值预报模式的 AI 方法,预测速度可提升 10,000 倍以上,模型水平空间分辨率达到 0.25°×0.25° ,时间分辨率为 1 小时,覆盖 13 层垂直高度,可精准预测细粒度气象特征,秒级实现对位势、湿度、风速、温度、海平面气压等气象结果的预测。

Pangu-Weather 解决了 AI 气象预报模型一直以来存在的精度不足问题:由于大气现象本质上是 3D 的,基于 2D 神经网络的 AI 气象预报模型在处理不均匀的 3D 气象数据时存在一定局限;此外,数据驱动 AI 方法缺少数学物理机理约束,在长时间的预报迭代过程中会不断积累迭代误差。

在这里插入图片描述

三维 Vision Transformer 架构

对此,Pangu 团队创造性地提出了适应地球坐标系统的三维神经网络 (3D Earth-Specific Transformer),并用层次化时域聚合策略来减少预报迭代次数,进而减少迭代误差。 该研究以「Accurate medium-range global weather forecasting with 3D neural networks」为题发表在 Nature 上。
论文地址: https://www.nature.com/articles/s41586-023-06185-3

尽管 Pangu-Weather 已经实现 0.25° 高分辨率的预测,但很多气象学家仍希望能够获得更高分辨率的气象预测,带来更精细的预报结果。

FengWu-GHR 解决高分辨率数据稀缺难题

在解决高分辨率数据稀疏问题上,2024 年 3 月,上海人工智能实验室联合国家气象中心、国家气象信息中心、南京信息工程大学、香港科技大学等机构发布全球高分辨率 AI 气象预报大模型 FengWu-GHR。 该模型是首个将预报分辨率提升至 0.09° (9km*9km) 的 AI 气象大模型,可对中期天气进行 10 公里级的建模与预报。较此前的 0.25°,范围精确率超过 7 倍,有效预报时长由 10.75 天提升至 11.25 天。

该研究以「FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather Forecasting」为题,发表在 arXiv 上。
论文地址:https://arxiv.org/abs/2402.00059

在这里插入图片描述

FengWu-GHR 技术框架

受限于过去的观测技术,高分辨率数据存在稀缺。研究人员创新性地提出了空间一致性映射、解耦组合迁移学习技术,通过学习低分辨率再分析数据上预训练模型的先验知识,并结合少量的高分辨率实时运行分析数据,增加对区域大气活动的二次建模,破解高分辨率数据稀缺难题。

「Pangu-Weather 曾在每个预测时间点使用单独的训练模型来解决误差累积问题,这种方法很有效,但其训练成本非常高昂。我们在每一步的预测过程增加了 LoRA 模块,并结合少量参数对每一步进行训练,这相当于每一步预测都有了新的模型,但只需要引用少量参数,显著减少了计算成本。」上海人工智能实验室青年研究员苏锐表示。

「此外,极端天气事件的数据同样很少,数据驱动的 AI 模型在预测极端天气时会出现结果平滑化趋势,如何提升极端天气的预测精度也是未来需要解决的一个难题。」

Aurora 预测极端天气提速 5,000 倍

在解决极端天气预测平滑化问题上,2024 年 5 月,微软发布了首个大规模大气基础模型 Aurora。 该模型在超一百万小时的多样化天气和气候模拟中训练,通过以 0.1°(赤道处约 11 公里)的高空间分辨率运行,可以捕捉大气运动的复杂细节,不到 1 分钟即可精准实现 10 天的高分辨率天气预报,计算速度比最先进的数值预报系统 IFS 还要快 5,000 倍。

更令人惊喜的是,该模型可以提升对极端天气的预测能力,比如对风暴「夏兰」等恶劣天气事件的急剧恶化进行预测。该研究以「Aurora: A Foundation Model of the Atmosphere」为题,发表在 arXiv 上。

论文地址: https://http://arxiv.org/abs/2405.13063

在这里插入图片描述

Aurora 模型

Aurora 的设计目标是处理异构的黄金标准输入,并以不同的分辨率和保真度生成预测。该模型由一个灵活的 3D Swin Transformer 和基于 Perceiver 的编码器和解码器组成,能够处理和预测跨不同空间和压力层次的大气变量。

通过在海量且多样的数据集上进行预训练,再针对特定任务进行微调,Aurora 可以捕捉大气的复杂模式和结构,即使在诸如极端天气等有限的训练数据下对特定任务进行微调,依然有出色的预测能力。

除了前面提及的 3 项成果外,英伟达的 FourCastNet、谷歌 DeepMind 的 GraphCast、阿里巴巴的 SwinVRNN、清华大学联合中国气象局发布的 NowcastNet、复旦大学的伏羲等,众多 AI 气象大模型的出现正不断拓展着 AI 气象预测的边界。

值得一提的是,为了进一步加快人工智能在气象业务领域应用,2024 年 5 月,我国气象局发布了《人工智能气象大模型训练专题数据目录》,该目录公开了 6 大数据资源/产品,中国气象局全球大气再分析产品 1.5 版本、中国气象局全球同化预报系统 (CMA-GFS) 全球天气模式产品 4.0 版本、中国气象局全球海洋气象实况分析产品、全球热带气旋数据集、全球地面整编数据集、全球高空整编数据集等。此举旨在促进社会各界便捷获取数据资源,以支持并加速其在人工智能技术应用、特别是气象领域的研发与创新。

可以说,无论从技术还是政策层面,AI 气象预测都处于快速发展的黄金时期,得到了「政产学研」的高度关注。

AI 结合传统数值预报,才能走的更远

人工智能作为当下全领域的技术担当和科技宠儿,被视为足以颠覆大气科学领域的新生力量,然而 AI 的可解释性和可信度仍然存在欠缺。 「黑盒」式 AI 模型直接从海量数据中获取信息,不需要遵守物理定律,这导致气象学家无法理解 AI 做出预报的动力依据。

聚焦传统的数值预报方法,它基于气象动力理论,通过数学表达和偏微分方程积分,再以流体力学编程技巧实现,能够提供高度可信和可解释的预报结果,对 AI 方法而言是一个十分必要的补充。

事实上,我国气象学家正积极投身于 AI 与传统数值预报融合的前沿研究。2024 年 5 月,中国气象科学研究院灾害天气国家重点实验室研究员徐洪雄团队,发表了一项开创性研究成果,他们成功将 Pangu-weather 天气 AI 预测大模型与区域数值预报模式 WRF-ARW 结合,这是 AI 天气模型在驱动区域数值预报中的首次应用,不仅捕捉到了极端天气事件的关键物理过程,还将 400 毫米降水量的有效预测期延长至 8.5 天,显著提升了预报技巧。

该研究以「Improvement of disastrous extreme precipitation forecasting in North China by Pangu-weather AI-driven regional WRF model」为题,发表在 Environmental Research Letters 上。

论文链接:

https://iopscience.iop.org/article/10.1088/1748-9326/ad41f0

随着气象预测的进一步发展,让 AI 与传统数值预报结合正在成为大多专家们的共识。AI 或许难以彻底成为知阴晴雨雪、掌冷暖变化的新主导,而历经百年验证的经典数值预报方法,在当代极端天气频发、精准预测困难重重的大背景下,也需要与时俱进、不断迭代。唯有新旧方法相辅相成,才有望在未知挑战中,孵化、衍生出一种更可信更高效的复合方法,这或许才是未来气象预测的最佳途径。

在这里插入图片描述

HyperAI超神经持续追踪 AI4S 前沿成果,开源项目「awesome-ai4s」汇集了百余篇 AI4S 论文解读, AI+气象学专题汇总如下:

https://github.com/hyperai/awesome-ai4s

参考资料:
https://iap.cas.cn/gb/kxcb/kpwz/202004/t20200417_5551357.html
https://www.metax-tech.com/en/ndetail/12503.html
http://paper.people.com.cn/rmzk/html/2024-04/29/content_26056178.htm
https://www.eurekalert.org/news-releases/1007746

https://www.camscma.cn/article/5327

气象AI范式革命:从解方程到学模式的生成式预报 天气预报正经历一场静默却深刻的范式迁移——从依赖物理方程求解的数值天气预报(NWP),转向基于海量再分析数据(如ERA5)训练的生成式AI模型。这一转变由算力成本下降、高质量时空序列数据规模化沉淀,以及扩散模型、图神经网络(GNN)、LoRA等AI方法论跨域适配共同驱动。其技术价值不仅在于速度提升数千倍,更在于以数据驱动方式逼近传统模型难以刻画的非线性大气过程(如云微物理)。当前已落地于台风路径预测、风电功率预报、城市内涝预警等高价值B端场景,并普遍采用‘AI+NWP混合增强’架构保障物理一致性与业务鲁棒性 阅读详情

相关推荐

数字孪生进阶:从可视化镜像到动态预测共生体的核心技术路径

数字孪生是物理实体在虚拟空间的全生命周期动态映射,其核心在于通过数据驱动与模型驱动相结合,实现虚实交互与闭环优化。从技术原理看,它深度融合了物联网、大数据、仿真建模与人工智能,构建起一个能够实时感知、分析预测甚至自主决策的虚拟系统。这一技术的核心价值在于突破传统监控系统的局限,从被动反映状态升级为主动预测与优化,从而在效率提升、风险预警和成本控制等方面创造显著效益。其典型应用场景广泛覆盖高端装备的预测性维护、智慧城市的运营管理以及生物医药的个性化治疗等领域。本文聚焦于实现这一价值跃升所依赖的四大关键技术支柱

cuizhu0832的博客 265

DeepMind与Google Research齐发力,多技术路线打造AI天气预报的「六边形战士」

本文盘点了 Google Research 与 DeepMind 面向天气预报领域发布的多项成果。

HyperAI超神经 1244

数字孪生地球?

数字孪生地球是一种利用多种先进技术构建的虚拟模型,以实现对真实地球环境的高度精确模拟和实时监控。这一概念最早由美国在1998年提出,是大数据、云计算、人工智能等新一代信息技术与地理信息技术及航空航天产业深度融合的产物。具体而言,数字孪生地球通过将地球上所有事物数字化,并将其放入一个虚拟的空间中,借助卫星的对地观测数据和导航定位参数,形成一个高精度的虚拟地球模型。这个模型可以用于气象预测、自然资源管理、城市规划等多个领域,帮助人们更好地理解和应对自然和人类活动带来的影响。

百态·数智思维 | 聚焦大数据、量化与未来AI 707

[1897]基于JAVA的气象建筑设计智慧管理系统的设计与实现

数据共享与开放将成为常态,建立统一标准和规范的数据交换接口,促进气象大数据资源的社会化利用,同时,通过强化气象知识库管理,推动气象科研成果的转化应用,为建筑设计提供更为科学、全面的气象决策依据。同时,设计数据库表结构,确保气象数据的有效存储与高效查询。五、气象预警推送、专家咨询及数据共享模块开发与测试(第14-16周):针对具有实时性和互动性的模块进行重点开发和测试,如气象预警推送功能需对接各类通讯接口,气象专家咨询模块需要考虑用户交互流程的便捷性,而气象数据共享模块则要保证数据的安全性和合规性。

muyu2980的专栏 1049

启发式解法实战指南:从足够好到可交付的工程化路径

启发式解法是一种在计算资源、时间与业务约束下寻求‘足够好’可行解的核心工程方法,其本质是将人类经验转化为可量化、可干预、可解释的规则系统。它不追求数学最优,而强调问题边界定义、瓶颈聚焦与ROI权衡,广泛应用于智能调度、推荐系统、风控决策等高实时性、强约束场景。关键技术包括贪心算法(快稳可溯)、局部搜索(邻域微调)和模拟退火(跳出局部),选型关键在于业务语义对齐与运维成本可控。本文结合物流调度、信用卡额度、行李分拣等真实案例,系统拆解从目标量化、瓶颈识别、规则骨架设计到灰度上线与健康度治理的全生命周期实践,直

virusswb的专栏 346

【信息科学与工程学】计算机科学与自动化——第三十篇 系统工程01

系统工程

weixin_49199313的博客 736

打破「非此即彼」,平衡 AI 与物理,中国科学院提出建立可学习的气候模型

将 ScienceAI设为星标第一时间掌握新鲜的 AI for Science 资讯平衡 AI-物理模型示意图。编辑 |X人工智能(AI)迅速发展,大模型正在重新定义我们理解和应对气候挑战的方式。AI 模型已经席卷了大气科学的各个领域。今年年初,中国科学院大气物理研究所黄刚研究员团队将物理与 AI 融合,提升了数值模式的降水预报技巧。近日,黄刚团队联合中国科学院大学、青岛海洋科学与技术国家实验...

人工智能学家 542

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品)

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品)

jks212454的博客 448

AI伦理决策系统:从电车难题到可审计的工程实践

AI伦理决策是人工智能深度融入社会关键场景(如自动驾驶、医疗调度、信贷审批)时必须直面的基础性问题。其核心在于如何将模糊的道德原则转化为可计算、可验证、可追责的技术实现,而非陷入哲学思辨。技术上需兼顾价值对齐(确保AI目标与人类根本价值一致)、情境建模(在数据局限下逼近真实语境)与责任闭环(保障每一步推演留痕、可追溯、可干预)。‘电车难题’在此已不再是思想实验,而是检验AI系统鲁棒性、公平性与透明度的高亮探针;而‘伦理决策备忘录(EDM)’和‘多维度价值向量’等工程化方案,则代表了从理论共识走向落地部署的关

weixin_30859423的博客 391

企业AI Agent的审计与合规

本文将带你从**“0基础理解企业AI Agent审计与合规”到核心概念梳理:用大白话+学术定义拆解什么是“企业AI Agent”、“可审计性(Auditability)”、“可解释性(Explainability,XAI)≠可审计性”、“合规性(Compliance)”、“黑盒拆解的三层维度”等硬核但必须掌握的概念;风险与合规背景:从**内部风险(数据泄露、误操作、模型偏差)和。

Java大师兄的博客 301

音频质量评估指标全解析:从主观到客观的全面指南

本文全面解析了音频质量评估的核心指标,涵盖主观评价(如MOS、DMOS)与客观评价(如PESQ、STOI、SDR)。重点介绍了DNSMOS等AI驱动的无参考评估方法,并提供了根据语音通信、噪声抑制、语音分离等不同场景选择指标组合的实战指南,帮助开发者和研究者科学量化音频质量。

rum55的博客 646

小型水库水雨情和大坝安全监测解决方案

在紧急情况下,快速启动应急预案,实现资源的快速调配与有效指挥,最大程度减少灾害损失。综上所述,本方案通过构建一个从数据采集到智能分析,再到决策支持的闭环系统,为小型水库的水文气象监测与坝体安全保障提供了全方位、智能化的解决方案,旨在提升水库管理的科学性与安全性,确保水资源的有效利用与环境保护的和谐共生。蓝蜂网关实时监测现场设备,在平台设定阈值报警规则,一旦监测数据超过预设安全范围,立即触发预警系统,通过电话AI语音、短信、消息推送、网页语音报警等多种渠道向管理人员发送预警信息,确保快速响应。

蓝蜂物联网 832

别再买错磁铁了!手把手教你为TLE5012B/AS5047等磁编码器选配和安装径向充磁磁铁

本文详细解析了为TLE5012B/AS5047等磁编码器选配和安装径向充磁磁铁的关键要点。从充磁方向的物理本质到供应商沟通技巧,再到安装工艺的黄金法则,帮助工程师避免常见错误,确保磁编码器稳定工作。特别强调了径向充磁的重要性及验证方法,并提供了尺寸选择、温度特性和抗干扰设计的实用建议。

weixin_26750481的博客 317

《TRY N2》语法总结

本手册依据《TRY! N2》大纲,精修14章139个核心语法,聚焦N2阶段高阶表达。重点解析「~につき」「~を問わず」「~に限り」等正式书面语,强调语体差异与使用场景,助力学习者精准掌握公告、制度、商务等场合的得体表达,突破语言瓶颈,实现高级日语能力跃升。

倔强禅师的博客 310

Ubuntu20.04安装Eigen3.3.7、模板类Sophus和Ceres

Sophus的使用必须依赖3.3以上的Eigen版本。如果版本太低,Sophus库将无法安装使用。

qq_62964142的博客 3422

卫朋:IPD流程落地——产品计划阶段拆解

IPD计划阶段拆解

产品线负责人 957

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 333

Uniapp微信小程序:详解根据角色权限动态展示底部tabbar,支持不同身份显示不同底部导航+灵活权限组合完整源码,菜单切换不闪烁、秒加载不卡(提供动态原生Tabbar配置+自定义组件形式2种方案)

uni-app微信小程序实现根据用户不同角色显示不同的tabBar,uniapp微信小程序原生tabbar实现动态菜单导航,微信小程序动态tabBar实现:基于自定义组件,灵活支持不同用户角色,动态pages,uni-app微信小程序动态tabBar,根据不同用户展示不同的tabBar,uni-app微信小程序动态切换tabBar,根据不同用户角色展示不同的tabBar,微信小程序自定义底部tabbar动态修改,Uniapp小程序根据权限(角色)不同动态展示底部tabbar,解决tabbar闪烁卡顿问题,小

✅ 精选推荐文章 4286

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 612

姿态传感器/陀螺仪之SC7A20HTR是应用驱动程序设计

define SC7A20_CTRL1_PM_100HZ (0x5 << 4) // 正常模式,100Hz输出数据速率(ODR)// 用于存储6字节的原始数据(X_L, X_H, Y_L, Y_H, Z_L, Z_H)#define SC7A20_WHO_AM_I_VALUE 0x11 // 读取WHO_AM_I寄存器应该返回的值。// 但HAL_I2C_Mem_Read按顺序读,data[0]是X_L(低8位),data[1]是X_H(高8位)MX_I2C1_Init();

corlin6688的博客 764

Coze 上 OpenClaw 完整使用攻略(零代码 + 24 小时在线 + 飞书 / 微信接入)

Coze(扣子)是目前国内零门槛部署 OpenClaw 最友好的平台,无需服务器、不用命令行,5 分钟即可拥有可执行本地 / 云端任务的 AI 助手,还能一键发布到飞书、微信、钉钉等 IM。

hy行者勇哥的博客 2927

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 266

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 203

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 335

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

上一篇: 神经网络替代密度泛函理论!清华研究组发布通用材料模型 DeepH,实现超精准预测
下一篇: 入选ICML!人大团队将等变图神经网络用于靶蛋白结合位点预测,性能最高提升20%
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值