曼彻斯特大学用英伟达Earth-2做英国空气污染预报，模型两天训完
研究团队用Earth-2 CorrDiff在Isambard-AI上训练出覆盖全英、分辨率2-3平方公里的污染模型，并已把StormCast和推理流程搬上DGX Spark桌面AI超算。
AI解读：曼彻斯特大学把英伟达用于天气的Earth-2生成式模型改用来预测空气污染，模型在英国国家AI超算Isambard-AI上训练，只用了两天，且第一次尝试就跑通。
传统空气质量模型要把化学过程放进天气模型，计算量大、跑得慢，所以细节和更新频率都受限。Earth-2的生成式降尺度模型把这一步变轻，让全英国范围的污染场可以按更高分辨率做出来。
这次模型的覆盖范围是英国，分辨率2-3平方公里，用的是模拟出的一年逐小时污染数据。团队下一步想接入更多开放数据，把分辨率推到街道级别。
对普通读者来说，直接受影响的不是天气App，而是医疗机构和政府部门：研究者设想医院可以提前告诉哮喘患者明天或下周所在区域污染会升高，也可以在野火发生时用边缘设备数据做实时判断。
目前这套工作流仍处于研究阶段，团队计划开源训练数据和工作流，让其他国家或城市用本地数据自己训练污染模型。能不能真正落地，取决于各地的污染观测数据是否开放、算力是否拿得到。
曼彻斯特大学的研究者用英伟达Earth-2系列开放AI模型训练出一个覆盖全英国的空气污染预报模型，训练在布里斯托的英国国家AI超算Isambard-AI上完成，耗时两天。
根据英伟达博客作者Isha Salian的报道，该模型分辨率为2-3平方公里，团队随后把Earth-2 StormCast加入工作流，后者支持直接使用空气质量观测做随时间变化的预报，并在NVIDIA DGX Spark个人AI超算上跑通了测试训练和推理流程。
把化学模型换成生成式框架
曼彻斯特大学地球与环境科学系教授David Topping看到英伟达Earth-2系列开放AI模型和工具已经解决了天气预报中的同类问题，于是提出把同样的生成式框架用于污染场。
“最大的挑战是预报空气质量所需的算力，”Topping说。“一旦把化学放进天气模型，它们就变得非常非常慢。所以我说，为什么不试试把英伟达为气候和天气开发的生成式框架用在污染场上？”
团队与英伟达Earth-2团队合作，用已有化学-气候模拟生成训练数据，再在Isambard-AI上训练Earth-2 CorrDiff——一个生成式降尺度模型。报道称模型第一次尝试就工作了。
此后团队加入了Earth-2 StormCast，这个模型支持直接使用空气质量观测做时间相关的预报。博士研究生Hao Zhang在Isambard-AI上训练了StormCast，他说：“能从一个英伟达框架切换到另一个，真的很让人印象深刻。我们才刚刚开始探索如何用不同方式使用这些框架来模拟复杂的污染场。”
- 训练数据：用已有化学-气候模拟生成的一年英国污染数据，按小时间隔模拟。
- 模型：Earth-2 CorrDiff负责生成式降尺度，Earth-2 StormCast负责时间相关预报并直接使用空气质量观测。
- 训练地点：英国国家AI超算Isambard-AI，位于布里斯托。
- 推理与小型训练：可在NVIDIA DGX Spark桌面AI系统上运行。
两天训练和2-3平方公里分辨率
报道称，Topping和团队用一年英国污染数据模拟出逐小时间隔的数据，生成了覆盖全英国、分辨率2-3平方公里的详细污染模型。
在Isambard-AI的一个八GPU节点上，训练过程只用了两天。Isambard-AI是英国最强大的AI超算，配备5,448块NVIDIA GH200 Grace Hopper超级芯片，提供21 exaflops的AI性能。
布里斯托大学布里斯托超算中心主任、Isambard-AI联合创始人Simon McIntosh-Smith说：“Earth-2 CorrDiff展示了对Isambard-AI内世界级英伟达硬件极其高效的利用。对于一个气候类项目来说，GPU小时数相对较低是合适的，运行这些工作负载所需的超级计算机功率也更少。”
模型除了能回顾过去一年的空气污染，也能帮助预测英国未来的空气污染情景。团队计划引入更多开放数据进一步提高分辨率，让研究者能理解街道尺度的空气污染。
Topping现在办公室里有一台DGX Spark在重新训练模型。“你现在可以花几千美元就开始开发强大的AI模型，”Topping说。
- 训练数据：一年英国污染数据，逐小时模拟。
- 模型覆盖范围：全英国。
- 分辨率：2-3平方公里。
- 训练硬件：Isambard-AI单个八GPU节点。
- 训练时间：两天。
- Isambard-AI配置：5,448块NVIDIA GH200 Grace Hopper超级芯片，21 exaflops AI性能。
潜在用途：从医疗预警到野火实时决策
报道提到，另一个潜在应用是面向医疗机构的主动空气质量提示。Topping设想，区域和国家医疗服务机构可以联系哮喘等疾病的患者，告诉他们明天或下周所在地区的空气污染会很高。
团队还在探索如何把空气污染模型与边缘AI设备的数据配对，摄入实时空气质量数据并驱动实时决策，比如在野火发生时。
Topping说：“为了改善人类健康，我们必须理解我们呼吸的空气中环境压力源的影响。我们的全英国污染模型让我们可以模拟潜在未来情景，比如预测不同的污染相关政策变化如果生效会发生什么。”
英伟达天气与气候开发者关系经理Niall Robinson说：“这个模型在Isambard-AI上训练了两天——现在可以在一台放在桌上的DGX Spark上运行——这改变了谁能做这种科学以及做得多快。我们才刚刚开始看到这些开放工作流在全球能做什么。”
- 医疗预警：医疗机构可提前通知哮喘等患者所在区域污染将升高。
- 实时决策：模型可与边缘AI设备数据配对，用于野火等场景。
- 政策模拟：可模拟不同污染相关政策变化的潜在影响。
开源计划和五年设想
团队计划开源污染模型的训练数据和工作流，以便为其他国家和地区训练类似模型。Topping说：“我们的目标是把这套工作流提供给全世界。我们希望每个全球国家和每个主要城市，只要有一小段超级计算机AI时间，就能用本地数据生成自己的详细污染模型。”
展望五年后，Topping看到的终点更简单：一个智能体界面，临床医生或政府机构提问，模型链处理其余一切。“随着空气质量观测更开放，有人可以向运行在DGX Spark上的污染模型提问：这个社区明天的污染会怎样？然后一整条交互链会给出答案，基于这些框架所代表的科学。”
报道还提到，Topping将在9月30日的网络研讨会“AI for Science: From the Lab to the Frontier”上分享更多内容。
- 开源内容：训练数据和工作流。
- 目标：让每个国家或主要城市能用本地数据训练自己的详细污染模型。
- 五年设想：智能体界面，由模型链自动回答污染问题。
- 相关活动：9月30日网络研讨会“AI for Science: From the Lab to the Frontier”。