建议收藏丨部门没了,大模型还能跑多久?盘古气象大模型保姆级使用指南

华为盘古气象大模型|登Nature 至于华为云选择AI气象预报领域作为一个“突破口”,一方面,气象预报尤其是对极端天气如暴雨、台风、干旱、寒潮的精准预测关乎国际民生,另一方面,气象预测问题非常复杂,AI可以从海量数据中挖掘出新的大气演变规律,在精度和速度上具有巨大的提升潜力。气象数据超高的分辨率对AI模型的训练造成了巨大的挑战,盘古气象大模型现在的输入分辨率为1440×720×14×5,相比计算视觉任务常用的分辨率224×224×3大约500倍,随着分辨率的进一步增加和模型的增大,需要的算力资源也会迅速增加。 阅读详情

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(复制至浏览器打开)

创作者主页:https://www.heywhale.com/u/567048

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。

想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2025 年 AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享!

👇👇扫码免费领取全部内容👇👇

​

一、学习必备:100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT,帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例?大模型电子书?这份资料帮你站在 “行业高度” 学 AI:

1. 100+本大模型方向电子书

在这里插入图片描述

2. 26 份行业研究报告:覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容,涵盖:

  • 职业趋势:《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》;
  • 商业落地:《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》;
  • 领域细分:《AGI 在金融领域的应用报告》《AI GC 实践案例集》;
  • 行业监测:《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT:听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会,包含百度、腾讯、字节等企业的一线实践:

在这里插入图片描述

  • 安全方向:《端侧大模型的安全建设》《大模型驱动安全升级(腾讯代码安全实践)》;
  • 产品与创新:《大模型产品如何创新与创收》《AI 时代的新范式:构建 AI 产品》;
  • 多模态与 Agent:《Step-Video 开源模型(视频生成进展)》《Agentic RAG 的现在与未来》;
  • 工程落地:《从原型到生产:AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看:大厂 AI 岗面试 “弹药库”,300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗?这份面试资料帮你提前 “押题”,拒绝临场慌!

1. 107 道大厂面经:覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景,包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题,每道题都附带思路解析:

2. 102 道 AI 大模型真题:直击大模型核心考点

针对大模型专属考题,从概念到实践全面覆盖,帮你理清底层逻辑:

3. 97 道 LLMs 真题:聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案,比如让很多人头疼的 “复读机问题”:


三、路线必明: AI 大模型学习路线图,1 张图理清核心内容

刚接触 AI 大模型,不知道该从哪学起?这份「AI大模型 学习路线图」直接帮你划重点,不用再盲目摸索!

在这里插入图片描述

路线图涵盖 5 大核心板块,从基础到进阶层层递进:一步步带你从入门到进阶,从理论到实战。

img

L1阶段:启航篇丨极速破界AI新时代

L1阶段:了解大模型的基础知识,以及大模型在各个行业的应用和分析,学习理解大模型的核心原理、关键技术以及大模型应用场景。

img

L2阶段:攻坚篇丨RAG开发实战工坊

L2阶段:AI大模型RAG应用开发工程,主要学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

img

L3阶段:跃迁篇丨Agent智能体架构设计

L3阶段:大模型Agent应用架构进阶实现,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。

img

L4阶段:精进篇丨模型微调与私有化部署

L4阶段:大模型的微调和私有化部署,更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调,并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。

img

L5阶段:专题集丨特训篇 【录播课】

img
四、资料领取:全套内容免费抱走,学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口?别犹豫,这份免费资料就是你的 “起跑线”!

从零开始学习盘古气象大模型微调 在Setup the CDS API personal access token部分,可以查看自己的url与key,这是用来登录的许可证,ubuntu用户需要创建一个新的环境文件.cdsapirc,复制url与key并存入环境文件中。调用xrarray读取nc数据,再用np.concatenate函数在valid_time(axis=0)维度上拼接,得到三维的surface数据和四维的upper_air数据。过程中可能会出现环境文件的报错,只需要在报错中提示的目录下重建环境文件.cdsapirc即可。 阅读详情

相关推荐

从零开始基于盘古大模型预测全球重力位势温度风速教程

手把手教你你使用华为盘古大模型预测全球气温!

SunGlassGreat 2958

盘古大模型实战

盘古大模型运行与可视化实战

2201_75862806的博客 6551

【漆学军】MT4进阶到MT5速成之路(2)获取持仓

MT5在持仓获取上,要比MT4复杂些,分两部分,获取持仓和挂单采用了不同的方法。 一、获取持仓中的buy和sell单 int b=0;//获取buy单个数 int s=0;//获取sell单个数 double lot_total_buy=0;//获取持仓中buy单的总手数 double lot_total_sell=0;//获取持仓中sell单的总手数 for(int i=0; i<PositionsTotal(); i++) { ulong ticket=Positi

漆学军的编程笔记 1627

华为的大模型终于来了,我的评价是:相当震撼。

老被人说在大模型竞赛中掉队的华为,这次终于带着它的家伙事儿来了。这不,在昨天的华为开发者大会 2023 上,华为就狠狠地秀了一把。将近三个小时的发布会,还是继承了华为以往大杂烩的风格,看得世超是眼花缭乱。不过,总结下来其实也就突出了一个主题:盘古大模型 3.0。其实就在前几天,当别的大模型还在比各种评分的时候,盘古靠着世界顶级期刊 Nature 认证的金字招牌,以一种别具一格的方式进入了大家的视野。

m0_59235945的博客 1826

金蝶云星空核心数据表解析与高效关联查询指南

本文深入解析金蝶云星空核心数据表结构,提供高效关联查询的实战指南。文章详细介绍了基础资料、业务单据和财务模块的关键表及其关联逻辑,重点阐述了如何利用关联表(_LK表)进行跨单据溯源,并分享了编写高性能SQL的实用技巧与避坑建议,帮助开发者、实施顾问和数据分析师快速掌握数据查询方法,提升工作效率。

weixin_29254673的博客 527

一款值得关注的开源企业管理ERP系统

盒木ERP是一款开源的现代化企业管理系统,采用前后端分离架构,后端基于Python+Django,前端使用Vue+Ant Design。系统涵盖采购、销售、库存、财务等核心业务模块,支持移动端操作和PDA扫码。具有开源免费、技术先进、功能完善等特点,适合中小企业使用或二次开发。项目提供详细部署指南,支持Docker容器化部署,是学习ERP系统开发和企业数字化转型的优秀选择。

1112

华为云盘古气象(Pangu-Weather)大模型调试运行之小白教程

最近盘古气象大模型研究成果在《Nature》正刊发表,这个消息引起了大家的广泛关注,作为地理模型爱好者,在之前的学习中接触过一些气象预测模型,对此怀有兴趣,而且顺带蹭蹭热度嘛,不丢人。在此分享一下自己的学习过程,笔者水平有限,如有错误还请大家指正。在本文中,主要学习和实操了三个github项目,一是盘古气象(Pangu-Weather)大模型官方库[1],二是HaxyMoly大佬的Pangu-Weather-ReadyToGo库[2],本文Demo主要使用该作者的github。

古月哲亭 2367

从DDH到FastANI:原核生物分类黄金标准的进化史与技术对比

本文系统梳理了原核生物分类标准从DDH到FastANI的四次技术革命,详细解析了95%相似度阈值的科学依据及应用场景。通过对比DDH、16S rRNA、ANI和FastANI的技术特点与性能指标,为微生物研究者提供基因组分类的实战指南,并展望第三代测序时代的分类新挑战。

weixin_29275257的博客 417

部门没了,大模型还能跑多久?盘古气象大模型保姆级使用指南|建议收藏

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。

Rikki1013的博客 1348

YOLOv11模型剪枝实战:让检测速度翻倍,精度仅降1%的终极优化教程

模型剪枝是YOLOv11落地边缘场景的“关键一步”——它让模型在“瘦身”的同时,几乎不损失精度。从稀疏化训练到通道剪枝,再到工程部署,本教程已为你打通全流程。现在就动手尝试,让你的YOLOv11模型在嵌入式设备、移动端上也能“飞起来”——相信我,当你看到剪枝后的模型在资源受限设备上仍能精准检测时,你会明白这份技术的价值。

m0_64661770的博客 714

【GlobalMapper精品教程】074:从Lidar点云创建3D地形模型

本文基于地形点云数据,基于泊松方法、贪婪三角形测量方法和阿尔法形状创建3d地形模型。

智慧空间实验室 2173

【亲测免费】 华为云盘古气象大模型:开启气象预测新纪元

华为云盘古气象大模型:开启气象预测新纪元 【下载地址】华为云盘古气象大模型调试运行教程 华为云盘古气象大模型调试运行教程本仓库提供了一个详细的教程,帮助初学者了解和运行华为云盘古气象(Pangu-Weather)大模型 项目地址:...

gitblog_06566的博客 1891

嵌入式开发板OpenClaw部署:ESP32-S3与RISC-V平台性能评估

ESP32-S3与RISC-V平台在OpenClaw部署中的性能评估 本文对比分析了ESP32-S3和RISC-V两种嵌入式平台在OpenClaw部署中的性能表现。ESP32-S3凭借240MHz双核Xtensa LX7处理器和专用AI加速器,特别适合轻量级AI推理任务;而RISC-V凭借开源架构和模块化设计,可实现更高的能效比。文章详细介绍了ESP32-S3-DevKitC-1、SiFive HiFive1等典型开发板的硬件规格,推荐了ESP-IDF和FreeRTOS等操作系统,并提供了完整的开发环

博客 1128

华为盘古3.0大模型的访问入口在哪里?

华为在最底层构建了以鲲鹏和昇腾为基础的AI算力云平台,以及异构计算架构CANN、全场景AI框架昇思MindSpore,AI开发生产线ModelArts等,能为大模型开发和运行提供分布式并行加速,算子和编译优化、集群级通信优化等关键能力。在L0和L1大模型的基础上,华为云还提供了大模型行业开发套件,通过对自有数据二次训练,就可以拥有自己的专属行业大模型。同时,根据客户不同的数据安全与合规诉求,盘古大模型还提供了公用云、大模型云专区、混合云多样化的部署形态。模型可分为自然语言大模型和多模态大模型两类。

随机指定的博客 1万+

YOLOv11改进 | Conv/卷积篇 | 轻量化多尺度异构卷积(MSHC)优化YOLOv11精度(全网独家首发)

本文介绍了Hype-YOLO提出的MANet结构,这是C3、C2f、C3k2的升级版,能显著增强特征提取能力。MANet整合了DSConv和C2f结构,通过多分支异构设计提升梯度流动和特征语义深度。文章详细解析了MSHC模块的原理,包括其多尺度并行建模、通道混洗等核心机制,并提供了完整的代码实现和训练教程。实验表明,Hype-YOLO的精度优于YOLOv11。该结构在保持轻量化的同时,通过异构分支设计实现了更丰富的特征表达,适用于目标检测等视觉任务。

Snu77的博客 956

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

华为盘古团队被撤?这一刀,终于落下来了

华为盘古团队被撤?这一刀,终于落下来了

hunteritself的博客 7943

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

华为云盘古大模型登Nature:秒级完成气象预测,速度快一万多倍

作者|xxx 编辑|汽车人原文链接:xxxxx点击下方卡片,关注“自动驾驶之心”公众号ADAS巨卷干货,即可获取本文只做学术分享,如有侵权,联系删文华为云盘古气象大模型突破了 AI 预报天气精度不及传统数值预报的世界性难题,该模型是首个精度超过传统数值预报方法的 AI 预测模型,对比传统方法预测速度提升 10000 倍,可秒级完成对全球气象的预测。天气预报是科学计算中最重要的应用场景之一...

CV_Autobot的博客 1426

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

盘古气象模型安装过程及问题解决

空间分辨率为0.25°,时间分辨率可以为1 h、3 h、6 h和24 h,对应可选择的四个模型。它是一个numpy数组形状(5,137211440),其中第一维度表示5个表面变量(Z、Q、T、U和V**,按精确顺序**),第二维度表示13个压力水平(1000hPa、925hPa、850hPa、700hPa、600hPa、500hPa、400hPa、300hPa、250hPa、200hPa、150hPa、100hPa和50hPa**,按确切顺序**)。3.安装 cartopy 依赖包。

2401_83741584的博客 1065

盘古气象大模型:AI替代数值天气预报的技术解析与复现指南

数值天气预报依赖超级计算机求解物理方程,计算成本极高。AI气象预报通过深度学习直接学习大气状态映射,实现端到端预报,推理速度提升万倍。盘古气象大模型采用3D Earth-Specific Transformer架构,基于ERA5再分析数据训练,在精度上超越传统IFS模式。其技术价值在于大幅降低算力门槛,使中小机构也能开展全球预报和集合预报。应用场景包括台风路径预报、风电功率预测和农业气象服务。本文深入拆解盘古的核心技术,并提供从数据预处理到模型训练、推理评估的完整复现指南,帮助读者快速上手AI气象预报。

weixin_33046983的博客 169

利用ECMWF数据结合大模型进行天气预报

本文详细介绍了如何从 ECMWF 数据出发,利用深度学习模型进行天气预报的全过程。我们下载并处理了 ECMWF 的 ERA5 数据,使用 Transformer 构建了大模型,并展示了训练与预测的流程。未来的工作可以尝试更复杂的模型结构,增加更多气象变量如风速、降水量等,以提高预测的精度。这种方法为传统数值天气预报提供了新的补充,并且可以通过更多的实验与调优进一步提升性能。

专注AI大模型,软件混淆,授权 2910

端侧 AI 工程师实战:MNN、ncnn、Llama.cpp 推理引擎集成、SDK 封装与 NPU/GPU 优化

2026年端侧推理框架选型聚焦三大主力:MNN(综合AI、NPU优化)、ncnn(轻量嵌入式视觉)、llama.cpp(LLM生态与多后端兼容)。MNN适合安卓全栈AI,支持Transformer融合与原生NPU;ncnn以零依赖、极小体积见长,Vulkan后端强化LLM算子支持;llama.cpp凭借GGUF生态实现模型即取即跑,结合Hexagon/OpenVINO后端拓展至骁龙/Intel NPU。选型需权衡算子覆盖、量化策略、后端成熟度与真实负载表现,错误决策将导致性能瓶颈或精度损失。

2301_79189962的博客 591

MLPerf Storage v3.0:Alluxio分布式缓存实现147GiB/s Llama 3大模型checkpoint写入性能

在最新 MLPerf Storage v3.0 测试中,Alluxio 验证了一套成熟且可落地的架构方案:全量 AI 持久化数据集保留在 Amazon S3 对象存储,同时在 GPU 计算侧部署分布式缓存层,为 AI 集群提供高性能的数据访问通路。

Alluxio的博客 344

LLaMA-Factory 训练显存优化:详解各优化参数对显存占用的具体影响

本文详细解读 LLaMA-Factory 各参数对显存影响的具体机制

iiiiii11的博客 326

【回眸】Llama.Cpp 本地大模型高效部署与应用实战

在本地运行大语言模型曾经是很多开发者的梦想,但高昂的服务器成本和复杂的部署流程往往让人望而却步。随着模型量化技术的成熟和推理引擎的优化,如今我们完全可以使用普通的消费级显卡,在自家电脑上流畅地跑起几十亿参数的大模型。这不仅仅是为了节省成本,更重要的是,它意味着我们可以将敏感数据完全保留在本地,无需上传到任何云端服务,从而真正实现数据的私有化和安全可控。对于许多需要处理内部文档、编写代码辅助工具或构建个人知识库的开发者来说,本地化部署提供了一条切实可行的路径。

啤酒鸭的物联网开发记录博客 363
上一篇: 一文读懂传统RAG、多模态RAG、Agentic RAG与GraphRAG
下一篇: AI 实战篇:从零训练你的大模型 ——MiniMind 全流程实战
AI_小站
博客等级 码龄3年 6255粉丝 1154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