一、案例背景
1.1 从“算力孤岛”到“超算互联网”
长期以来，中国超算资源呈现“各自为战”的格局：天津、广州、深圳、长沙、无锡等地的超算中心算力规模可观，但跨中心调度困难、应用软件生态割裂、算力利用率参差不齐。2023年起，国家超算互联网联合体启动建设，目标是将全国超算中心连成一张“算力网”，实现算力、数据、应用的一体化调度与交易，使算力像水电一样“即取即用”。
到2026年，国家超算互联网核心节点已部署十万卡级AI4S（AI for Science）计算集群。这一集群并非单一数据中心的简单堆叠，而是通过高速网络互联、统一调度平台整合而成的异构算力池，面向科学计算与大模型训练提供“按需调用”的公共服务。其平台属性在于：算力不再是某家机构的私有资产，而是可计量、可交易、可弹性组合的公共基础设施。
1.2 气象预报的“第三次范式转移”
气象预报是典型的算力密集型科学计算领域。传统数值天气预报（NWP）依赖超级计算机求解大气物理方程，一次全球中期预报需要数千万核时的算力，且模式参数化存在固有误差。2010年代以来，以华为盘古气象、谷歌GraphCast、欧洲中期天气预报中心（ECMWF）AIFS为代表的人工智能气象模型崛起，将预报问题转化为“数据驱动的函数拟合”，推理速度较传统NWP提升数千倍，被视为气象预报的“第三次范式转移”。
然而，AI气象模型存在两大软肋：其一，确定性预报（单次输出）在10天以上时效迅速衰减；其二，模型训练高度依赖国外算力平台与开源框架，数据、模型、算力的自主性不足。集合预报——即通过多成员扰动生成概率分布——是延长有效预报时效的关键技术路径，但集合预报对算力的需求是确定性预报的数倍乃至数十倍，成为AI气象模型业务化的“算力门槛”。
1.3 “风清”事件的来龙去脉
2026年10月，“风清”人工智能全球短中期集合天气预报系统V1.0通过业务化评审并投入运行。公开信息显示：
……