为了突破气象大模型预报核心技术和提升预报精准度，中国气象局联合清华大学组建了攻关团队，并构建了“风清”大模型。该模型融合了大气强物理和可解释性，不仅能够高效计算，还能提供预测结果的物理可解释性依据，自动挖掘天气系统内在的物理演变规律。此外，“风清”模型在训练过程中紧密结合物理守恒特性，有效提升了长时效预报结果的活跃度。该模型还采用了可扩展的多时效优化策略，综合考量未来多天预报的效果，有效延长预报时效，不断提升短中期预报效果。检验结果表明，“风清”模型的全球可用预报天数达到10.5天，超过欧美主流气象预报大模型，尤其是在较长预报时效方面，具有更为明显的优势。
针对临近预报中的核心难题，中国气象局与清华大学联合攻关团队构建了“风雷”大模型。该模型将数据驱动与物理驱动两种科学范式紧密结合，显著提高了公里尺度下0至3小时雷达回波的预报能力，并实现了深度学习与物理规律的无缝隙融合。同时，“风雷”模型将物理模型的中尺度预测和人工智能的对流尺度预测有机融合，在预测准确性和细节丰富性上取得了突破。此外，构建了一套“数据—算力—平台”全流程短临预报系统，能够在3分钟内生成0至3小时逐6分钟的雷达回波外推产品，实现强回波预报技巧提升25%。
面向15天以上气候预测难题，中国气象局联合复旦大学和上海科学智能研究院基于人工智能方法构建了“风顺”大模型。该模型创新地引入基于流依赖的集合扰动智能生成技术，更加合理地捕捉了未来气候系统演变的不确定性。“风顺”还纳入了海气相互作用关键过程，提升了对热带大气季节内振荡MJO的预测技巧。该系统已在中国气象局智算平台上完成业务部署，逐日滚动开展100个集合成员的大样本预测，形成了面向未来60天全球基本要素和极端事件的确定性和概率预报测试产品，在全球降水预测技巧上展现出一定的优势。
值得一提的是，“风清”、“风雷”、“风顺”三个大模型都完成了基于国产全球大气再分析资料CRA-40、雷达观测资料、风云卫星遥感资料的训练和检验评估，有效降低了目前主流气象预报大模型对国际再分析资料的依赖度。
中国气象局在第七届数字中国建设峰会·数字气象分论坛上发布了人工智能天气预报大模型示范计划，旨在调动和激励社会各界力量，共同打造人工智能技术研发和气象应用的创新生态。同时发布了第五批气象数据开放共享目录，旨在支撑各行业开展人工智能大模型的训练评估。
