[智能应用]数据共享，AI开放计算架构不可或缺的“拼图”丨ToB产业观察 [复制链接]

2025年10月1日，欧洲中期天气预报中心（ECMWF）宣布向全球用户开放实时数据目录，包括综合预报系统和人工智能预报系统生成的数据。公众可以获取ECMWF每日4个预报时次，每次覆盖未来1-15天的全球范围，最高分辨率可能至0.1°格点预报数据。这些数据中包含温湿度、气压、降水、风速、位势高度、涡度和散度等众多预报变量，层面上则支持1000hPa、925hPa直至50hPa，共13个标准等压面。
无独有偶，在一周前的9月23日，中科曙光旗下企业中科天机也发布“高分辨率气象数据共享计划”（以下简称共享计划），共享计划旨在面向世界用户开放全球12公里及中国区域3公里分辨率、15天逐小时输出的160余项气象要素模式数据，并将共享“中国区域公里级数据”“全球次季节12公里数据”“中国区域2.5公里低空三维数据”等融合数据。
欧洲中期天气预报中心与中国企业不约而同地共享与开放数据，正引发整个气象数据服务行业的价值共振。
开放数据——商业化的第一步
AI时代，数据开放共享已从“可选项”变为“必选项”。国家数据局 2024 年数据显示，中国2022年数据产量达8.1ZB（约等于81亿部100GB 手机的存储量），但政府掌握的80%高质量公共数据仍处于“沉睡” 状态，而训练一个行业大模型需至少千万级标注数据，数据供给缺口达60%。这场由AI倒逼的 “数据革命”，正通过制度创新与技术突破，重塑数字经济的生产力格局。
数据开放共享的加速推进，首先源于顶层设计的系统性重构。2022 年《关于构建数据基础制度更好发挥数据要素作用的意见》出台后，全国已形成 “中央统筹+地方试点” 的发展格局，31个省份出台数据要素市场化改革方案，12个国家级数据交易所陆续运营，为AI发展扫清制度障碍。
从目前应用上看，政府主管部门是数据开放共享最大的“贡献者”，比如，福建省通过《大数据发展条例》确立“三权分置”（所有权、经营权、使用权分离）机制，建成全省统一的数据汇聚平台，接入2000 多个政务系统，汇聚数据超1400亿条。在公共数据开放平台上，近4万个数据目录、6000多个接口向社会开放，累计提供1.5亿次数据下载服务，催生了 “社保快贷”“水系调度” 等62个AI应用场景。
不过，在政策的号召之下，也有不少企业选择将数据开放共享出来，进行行业的赋能。比如前文提到的中科天机就开放了其在全球12公里/中国区域3公里分辨率、15天逐小时输出的气象全要素模式数据。
开启商业气象共赢模式
近年来，世界气象组织（WMO）首要推动的联合国全民早期预警行动计划促进了对预报产品的需求，客观上推动了数据和模式的开放共享。随着科技快速迭代与进步，人工智能技术发展、气象预报预测能力的提升也在催生数据与技术开放共享。
另一方面，据中国气象局的预测显示，到2030年，中国气象数据开放量将突破500PB，带动相关产业规模超5000亿元。但要实现这一目标，仍需跨越安全、标准、收益的障碍。
而中科天机开放了其气象数据的举措则是与ECMWF“不谋而合”，与ECMWF开发的数据相比，天机数据主要具有四个方面的差异化优势。
首先是，更高分辨率的中国区域数据。相比ECMWF数据，中科天机不仅共享全球12公里数据，同时还提供了更高分辨率的中国区域3公里数据。这些精细化数据可以更好地满足新能源、低空经济、航空等领域对气象数据分辨率的更高要求。
二是更高的数据输出频率。同样是15天、360小时的数据时长，中科天机数据可以保证逐小时间隔输出，而ECMWF数据采取了分级输出，即0-90小时的数据按1小时间隔输出，而90小时以上的数据按3小时和6小时间隔输出。对于风力发电这类需要高频气象数据支撑的企业而言，更密集的数据显然可以更好地满足需求。
三是更低的数据获取成本。目前国内用户仅需登录中科天机官网即可免费下载想要的数据。而ECMWF数据获取成本包含信息费、数据量费和服务费三部分，目前只有信息费被免去，用户一般需要约190万才能获取其一年全球160余项的所有气象要素，其中还未包含国际带宽费用。
四是更便捷的数据可视化服务。用户在中科天机官网即可使用其先进的可视化平台，进一步提升数据的应用便捷性，让数据价值更快、更精准地触达用户，而ECMWF共享数据则需要通过第三方平台实现可视化。
在四个差异化优势之下，是包括动力与物理深度融合技术、全球自由变焦技术、球立方网络技术、次网络地形技术、气象AI大模型技术、全模块异构加速技术，以及非静力平衡假设在内的7大技术的底层技术支撑。
以动力与物理深度融合技术为例，其实现了在质量、能量守恒的前提下，做到动力与物理的深度融合。而在7大技术的支持下，中科天机最终解决了高分辨率模拟所碰到“灰区”，以及高分辨率模拟中的时效性，这两大困扰气象学领域难题。
对此，中国科学院大气物理研究所朱江研究员表示，由于气象预报的混沌特性和不确定性，决定了单一数据存在局限性，多种数据的综合应用可以有效提高应用的质量。
从"单打独斗"走向"协同创新"
不仅于此，数据集的开放对于AI时代实现“开放共享”也仅仅是一个开始，“共享计划”是中科天机加入AI计算开放架构后，为商业气象大模型提供高质量数据集构建能力的关键举措，也是中国企业首次向全球共享高分辨率气象数据的重要行动，可为新能源、农业气象、智慧水利、航空保障、轨道交通、航海运输、低空经济等领域的数智化发展提供有效数据支撑。
就在中科天机宣布开放天机数据前不久举办的2025世界智能产业博览会上，中科曙光协同AI芯片、AI整机、大模型等20多家产业链上下游企业，共同发布国内首个AI计算开放架构。
纵观全球气象数据开放进程，本质上都是通过制度创新和技术突破释放数据要素价值。而中科曙光构建的AI开放计算架构，则在此基础上更进一步——它不仅是技术底座的革新，更是对AI产业发展模式的系统性重构。
该架构以GPU为核心构建高效紧耦合系统，通过"算、存、网、电、冷、管、软"七大维度的协同创新，实现了从单点突破到集群创新的跨越式发展。这种开放架构的深层价值，在于构建了可持续发展的AI生态体系。正如智能手机领域安卓系统通过开放生态催生应用爆发，中科曙光的开放架构正推动AI产业从"单打独斗"走向"协同创新"。

气象数据开放：从“单打独斗”走向“协同创新”

2025年10月1日，欧洲中期天气预报中心（ECMWF）宣布向全球用户开放实时数据目录，包括综合预报系统和人工智能预报系统生成的数据。这一举措不仅为全球科研、商业和业务用户提供支持，也标志着气象数据开放共享进入了一个新的阶段。

ECMWF与中科天机的数据开放

ECMWF的数据开放：
- 覆盖范围：每日4个预报时次，每次覆盖未来1-15天的全球范围。
- 分辨率：最高可达0.1°格点预报数据。
- 预报变量：包括温湿度、气压、降水、风速、位势高度、涡度和散度等。
- 等压面：支持1000hPa、925hPa直至50hPa，共13个标准等压面。

中科天机的“高分辨率气象数据共享计划”：
- 分辨率：全球12公里及中国区域3公里分辨率。
- 数据输出频率：15天逐小时输出。
- 数据获取成本：免费提供给国内用户。
- 数据可视化服务：提供便捷的可视化平台。

数据开放的背景与意义

AI时代的数据需求：
- 数据产量：中国2022年数据产量达8.1ZB，但政府掌握的80%高质量公共数据仍处于“沉睡”状态。
- 数据缺口：训练一个行业大模型需至少千万级标注数据，数据供给缺口达60%。

政策推动：
- 顶层设计：2022年《关于构建数据基础制度更好发挥数据要素作用的意见》出台后，全国已形成“中央统筹+地方试点”的发展格局。
- 地方实践：福建省通过《大数据发展条例》确立“三权分置”机制，建成全省统一的数据汇聚平台。

商业气象共赢模式

气象数据的商业价值：
- 产业规模：到2030年，中国气象数据开放量将突破500PB，带动相关产业规模超5000亿元。
- 应用场景：新能源、农业气象、智慧水利、航空保障、轨道交通、航海运输、低空经济等领域。

中科天机的差异化优势：
1. 更高分辨率的中国区域数据：提供3公里分辨率的中国区域数据。
2. 更高的数据输出频率：逐小时间隔输出。
3. 更低的数据获取成本：免费提供给国内用户。
4. 更便捷的数据可视化服务：提供先进的可视化平台。

技术支撑与协同创新

底层技术支撑：
- 动力与物理深度融合技术：实现质量、能量守恒。
- 全球自由变焦技术：灵活调整分辨率。
- 球立方网络技术：提高计算效率。
- 次网络地形技术：精确模拟地形影响。
- 气象AI大模型技术：提升预报精度。
- 全模块异构加速技术：提高计算速度。
- 非静力平衡假设：解决高分辨率模拟中的时效性问题。

协同创新的生态体系：
- AI计算开放架构：构建高效紧耦合系统，实现从单点突破到集群创新的跨越式发展。
- 产业链上下游合作：协同AI芯片、AI整机、大模型等企业，共同推动AI产业发展。

结语

欧洲中期天气预报中心与中国企业不约而同地共享与开放数据，正引发整个气象数据服务行业的价值共振。这一举措不仅推动了气象预报的精度和效率，也为AI时代的“开放共享”提供了新的范例。通过构建可持续发展的AI生态体系，气象数据开放正从“单打独斗”走向“协同创新”，为各行业的数智化发展提供有力支撑。

数据共享是AI开放计算架构的核心支撑，二者通过“数据-算力-生态”协同推动AI产业从封闭走向开放普惠。

📌 背景：AI时代的“数据刚需”与算力挑战
AI大模型训练需千万级标注数据，但中国80%高质量公共数据仍“沉睡”，数据供给缺口达60%3。同时，2024年国内智能算力规模虽达32%，但面临高端供给不足、成本高、跨平台兼容难等问题5。这一背景下，数据共享与开放架构成为破解瓶颈的关键。

🧩 数据共享与AI开放计算架构的协同逻辑
🔗 数据共享：开放架构的“燃料供给”
案例：中科天机开放全球12公里+中国区域3公里分辨率气象数据，覆盖160余项要素，免费向全球提供35。
价值：相比ECMWF数据年均190万的获取成本，显著降低商业气象大模型的数据门槛，催生新能源、低空经济等62个AI场景35。
🏗️ AI开放计算架构：数据价值释放的“引擎”
中科曙光联合20余家企业发布国内首个AI开放计算架构，以GPU为核心实现“五级开放”：

开放层级    核心措施    目标
部件级    适配多品牌GPU    打破硬件壁垒
系统层    算存网电冷协同优化    提升算力效率
软件层    兼容主流AI框架    降低开发成本
数据集层    开放气象等专业数据    支撑场景化大模型训练
（补充说明）该架构已应用于曙光AI超集群系统，支持万亿参数大模型训练，推动算力普惠24。

✅ 结论：开放生态重塑AI产业格局
数据共享与AI开放计算架构形成“数据供给-算力支撑-场景落地”的闭环：

制度创新：31个省份出台数据要素改革方案，12家国家级数据交易所运营，为开放提供政策保障3；
技术突破：中科天机通过7大技术实现数据高分辨率与低成本获取，开放架构解决跨平台兼容难题