物界前沿AI人工降雨这事，我替你们看了，结论有点意外
被朋友安利了一家叫Recast的公司，说是用AI做人工降雨，刚出隐形状态。我第一反应是不信。人工降雨这事儿几十年了，撒碘化银，条件合适才挤出来几滴，这玩意儿能有什么新花样。但朋友甩过来的链接里有个数字确实戳到我了：过去六个月，他们飞了100多架次，自己训练了一个超高分辨率的AI天气模型，还搞出了更便宜更高效的播撒材料。我决定认真看看。
先给不熟悉的朋友解释一下人工降雨是干嘛的。就是往云里撒东西，让云里的水汽凝结成水滴掉下来。过去主要靠飞机飞到云层里撒碘化银，或者用地面燃烧炉往上升气流里送。效果嘛，一直有争议，因为很难证明这场雨是撒出来的还是本来就要下。Recast的做法有意思的地方在数据。他们每次播种飞行都收集高分辨率天气数据，拿这些真实数据去训练AI模型。这个思路跟传统气象预报完全不一样。传统模型像HRRR，是物理方程算出来的，把温度、气压、湿度、风速全丢进去解方程组。AI模型不看方程，看数据，从播撒案例里反推什么样的云、什么条件下、撒多少东西能下雨。
我试着在他们的公开资料里挖更多细节，比如那个hyper-resolution模型到底多高分辨率，没公开。但有一篇Nature子刊的论文提到，区域性的AI天气模型在24小时累积降水预测上已经能跟传统数值模型打平甚至更好。另外一个叫GraphCast的AI模型，能提前10天预报，速度比传统模型快得多。这个方向不是只有Recast在做，但他们手里有真实播种数据，这是别人没有的。
不过有个问题让我有点犹豫。我记得之前看过一篇Science Advances的研究，说在极端温度记录和风速记录这种异常天气上，传统物理模型还是比AI模型准。AI模型擅长学规律，但极端天气本身就是反规律的，样本太少，AI学不到东西。人工降雨恰恰是个需要处理边角情况的活儿，云的情况千差万别，AI模型跑得再快，遇到没见过的云型可能就抓瞎。这个点我在他们公开资料里没看到回应，也可能内部有方案，只是没放出来。
我这边测下来的感觉是，Recast的技术路线是成立的，至少数据闭环是通的。播种飞机上天，收集数据，训练模型，再飞，再收集。这个循环每转一圈模型就准一点。传统气象公司靠国家气象站的数据，自己飞出来的数据肯定更贴合实际需求。而且他们说的更便宜更高效的播撒材料，如果真能落地，能把人工降雨成本打下来，农业和水利那边肯定愿意买单。但我不觉得这是普通用户现在该关注的东西。如果你不是做农业、水利或者气象服务的，这跟你没关系。它不像ChatGPT下载就能用，这是个B2B生意，客户大概是政府、水库、农业集团这类角色。而且人工降雨本身政策门槛很高，气象法、空域管理、水资源分配，每一关都不好过。
所以结论是看情况。技术方向我认可，AI加真实观测数据的闭环很有说服力，但落地路径和极端天气表现还有不确定性。如果你做相关行业，或者想了解AI在垂直领域的应用，值得关注一下。如果只是觉得AI能造雨很酷想试试，那暂时没有公开产品，你只能看着他们继续飞。我上周写过一篇中国AI模型的帖子，当时觉得AI替代人工的节点快到了。看了Recast之后想法有点变化，AI确实在进每个行业，但进得最深的还是那些有数据闭环的地方。天气行业数据天然难拿，谁先攒够数据，谁就有话语权。这个逻辑放到哪都成立。
本文编译自 Hacker News，原文：https://www.recastsystems.com/
版权归原作者所有，本文为基于公开报道的编译与独立分析。
