一键生成知识图谱8 分钟理解报告 · 全文 29 页 · 解读 97 字 · 8 张图 · 18 个数据点
气象预报的精度提升，背后是算力这个“隐形引擎”在推动。从1950年ENIAC上的第一次数值天气预报，到今天AI与超算深度融合，数值天气预报、海洋预报和空气质量预报都对计算、通信、内存和I/O提出了近乎苛刻的要求。这份报告既梳理了三类预报的计算特点与主流模式，也详细介绍了联想天气和气候HPC架构、DSS-G存储、模式I/O与GPU优化，以及北京冬奥、韩国KMA、加拿大ECCC等落地案例。对关注气象算力选型与能效的企业用户来说，报告里有哪些可复用的架构思路和实测数据，值得逐项拆开来看。
核心判断
- 数值天气预报是计算与通信双密集型应用，分辨率加倍会使总计算量增加约16倍。
- 联想天气和气候架构以EveryScale可扩展单元为基础，单单元192台服务器、384个CPU。
- 联想为北京气象局提供的系统浮点运算峰值达2.3PFlops，核心业务计算能力提高近20倍。
- “妈祖”海洋模式采用GPU加速后，制作全球10公里海洋环流预报可降低能耗90%以上。
- 韩国KMA第5代超算由Maru和Guru两套冗余集群组成，各达25Petaflops峰值性能。
脱水解读
三类预报同根同源：都是超算的重负载
数值天气预报：分辨率翻倍带来16倍计算量
模式家族盘点：WRF、Grapes、FVCOM与NAQPMS
联想天气和气候HPC架构：容量与能力的平衡
软件与存储配套：LSF调度与DSS-G存储
模式优化两条线：I/O聚合与GPU异构加速
落地案例：北京冬奥、韩国KMA与加拿大ECCC
图说解读
数值天气预报六项计算特点
这张表把报告中对数值天气预报计算特点的归纳集中呈现出来。极高的并行度意味着计算任务可以在空间上做域分解，分配给成千上万个处理器核心；而相邻网格点之间需要交换气压梯度、平流输送数据，又让通信开销成为性能瓶颈的关键。
内存与存储带宽方面，模式需要将整个三维大气状态载入内存，随着分辨率提高内存需求呈立方级增长，I/O往往成为制约整体效率的环节。报告还指出，全球10天预报按10分钟时间步长需要1440步，任何单步计算的优化都会因步数巨大而产生显著影响。这些特点共同决定了气象HPC系统必须在计算、通信、内存和I/O四个维度上均衡设计。
碳通通三类预报的主流模式一览
报告对天气、海洋、空气质量三类预报的主流模式做了系统盘点，这张八宫格选取了其中代表性较强的八个。天气模式里，WRF是全球学术界和业务界应用最广泛的中尺度模式，Grapes是中国气象局区域和全球预报业务的核心，AREMS对中国区域暴雨有较强预报能力，ECMWF-IFS则在5至10天中期预报领域优势明显。
海洋模式里，FVCOM采用非结构三角形网格，能灵活拟合曲折海岸线；ROMS广泛应用于区域尺度海洋环流和生态系统研究。空气质量模式里，NAQPMS是中国科学院大气物理研究所自主研发的区域城市空气质量模式系统，已在北京、上海和广州等多个城市环保部门实现业务化运行；WRF-Chem则实现了气象模式与化学传输模式在时间和空间分辨率上的完全耦合。这些模式虽然领域不同，但都对高性能计算集群、高速互联网络、大容量内存和并行文件系统有强烈依赖。
碳通通联想EveryScale扩展单元规模
联想天气和气候HPC架构基于EveryScale可扩展单元结构构建。单个可扩展单元具有192台服务器和384个CPU，在标准胖树网络拓扑中可扩展到10个可扩展单元，达到2048台服务器和4096个CPU。报告还指出，如果考虑Dragonfly+等其他扩展网络拓扑，架构可呈指数级增长。
可扩展单元由四个计算机架和一个中央网络机架组成，中央网络机架容纳高速InfiniBand叶交换机和骨干交换机以及以太网连接。基础机架可方便地扩展，为任何规模的预测模型提供按需增长。这种模块化设计让用户可以从较小规模起步，随预报业务需求逐步扩容，而不必一次性建成超大集群。
碳通通DSS-G存储性能关键数字
联想DSS-G以“极致性能”为核心设计理念，面向高性能计算、人工智能、大数据及云环境。报告给出的关键数据是：单流读写超过10GB/s，宏观上实现高达2500GB/s以上的实测聚合数据带宽，足以满足海量客户端并发访问的苛刻需求。
其创新的Declustered技术将数据分布到所有磁盘，实现故障后分钟级的快速数据重建，且重建过程对前端应用性能几乎无影响，极大保障了业务连续性。在架构上，DSS-G采用灵活的构建模块，支持从中小规模到超大规模集群的平滑横向扩展，确保容量与性能的线性增长。它集成了客户端、块、文件和对象等多种数据访问方式，在一个统一平台上高效支撑多样化的现代应用，消除了数据孤岛。
碳通通北京气象局系统性能提升对比
北京2022年冬奥会和冬残奥会气象中心启动运行，雪上项目几乎全部在山地特殊气候条件下举行，需要时间精确到分钟级、空间到百米级的精准赛事气象专项预报。联想为北京市气象局提供了全套解决方案，达到浮点运算峰值2.3PFlops，核心业务计算能力提高将近20倍，不仅支撑冬奥会特殊需求，同时完全满足北京局未来三到五年的业务需求。
存储方面，DSS高端并行存储系统提供可用容量8.5PB，是原有高性能存储系统约4倍容量，聚合带宽可达120GB/s以上，是原有存储系统性能的10倍。集群计算节点全部采用联想新一代水冷服务器，采用温水直接水冷技术，具有更宽泛的进水温度范围，PUE可低于1.1，为客户节省大量电费。该水冷技术也是业界全球部署最多、成熟可靠的水冷系统。
碳通通妈祖模式GPU加速的节能账
报告介绍了联想为全球领跑的海洋环流数值模式“妈祖”提供运行平台支撑的成效。该模式采用GPU并行加速技术，具备对海量数据进行快速计算的能力，运行高效低耗，是国际海洋业务化同类模式中的首创。通过并行化处理，原本可能需要超过1000小时的计算任务，现可在几百至上千台服务器上运行，并在几十分钟内快速生成预报结果。
节能效果同样显著：制作全球10公里分辨率的海洋环流数值预报时，相比传统CPU超算模式，可节省80%以上的设备购置经费，降低能耗90%以上，每年节约电费约200万元，相当于减少碳排放520吨。这组数据说明GPU异构加速不仅缩短预报时间，也改变了超算的能耗结构。
碳通通韩国KMA第5代超算规模
韩国气象局负责运营韩国气象超级计算机国家中心NCMS，是韩国最大的超级计算机，用于支持关键的天气和气候预报。为利用预报建模和分辨率方面的进展，KMA将天气预报分辨率从12公里×12公里提升至8公里×8公里，这需要计算能力的大幅提升。
KMA选定联想HPC技术，配备SD650 V2服务器以及海王星Neptune液冷技术，实现散热部件全液冷。新的超级计算机由两个冗余的4000节点系统Maru和Guru组成，总共有8064个SD650V2和426个SD530计算节点，实施九个Lenovo分布式存储解决方案，总容量63PB。Maru和Guru集群各自能够达到25Petaflops的峰值性能，再加上50Petaflop的理论峰值，足以跻身世界十大系统之列，在2021年全球超算TOP500排名中位居23和24名。所有关键任务天气预报超级计算机都是镜像的，KMA以两套配置完全相同的系统作为备份，以防需要快速提取模型避免预报失误。
碳通通加拿大ECCC超算配置与排名
加拿大环境与气候变化部ECCC使用的高性能计算系统，使研究人员能够运行复杂模拟，更准确地预测天气和气候现象。加拿大使用全球环境多尺度模型GEM，用于全球数据同化周期和中期预报，以及区域数据同化旋转周期和短期预报。
作为关键任务国家天气预报，加拿大部署了两个超级计算机环境，采用两个配置完全相同的系统作为备份，由Robert和Underhill两个冗余的1584个节点系统组成，总共有3168个联想SD650V2水冷节点，峰值性能达到10.9PFlops。两套集群在2022年11月全球超算TOP500排名中位居69和70名。由于采用联想海王星技术提高运营和冷却效率，这些系统被列入Green500通用环境前三名中最节能的商用高性能计算系统名单。
碳通通数据解读
| 指标 | 数值 | 单位 | 出处 |
|---|---|---|---|
| 北京气象局系统浮点运算峰值 | 2.3 | PFlops | 五（一）国内案例 |
| 北京气象局核心业务计算能力提升 | 近20 | 倍 | 五（一）国内案例 |
| 北京气象局存储可用容量 | 8.5 | PB | 五（一）国内案例 |
| 北京气象局并行存储聚合带宽 | 120 | GB/s以上 | 五（一）国内案例 |
| 北京气象局系统PUE | 低于1.1 | 五（一）国内案例 | |
| 韩国KMA单集群峰值性能 | 25 | Petaflops | 五（二）全球案例 |
| 韩国KMA存储总容量 | 63 | PB | 五（二）全球案例 |
| 加拿大ECCC系统峰值性能 | 10.9 | PFlops | 五（二）全球案例 |
| 妈祖模式年节约电费 | 约200 | 万元 | 四（二）2、GPU并行计算与硬件架构优化 |
| 妈祖模式年减碳量 | 520 | 吨 | 四（二）2、GPU并行计算与硬件架构优化 |
这组数据把报告中三个落地案例和一项模式优化的关键指标放在一起，便于横向观察气象HPC系统的规模与能效。北京气象局系统浮点运算峰值2.3PFlops，核心业务计算能力提高近20倍，存储可用容量8.5PB，聚合带宽120GB/s以上，PUE低于1.1，面向的是冬奥会分钟级、百米级的精细化预报需求。 韩国KMA单集群峰值性能25Petaflops、存储总容量63PB，加拿大ECCC系统峰值性能10.9PFlops，两者都采用双系统冗余部署，分别服务国家级关键天气预报任务。妈祖模式的数据则从另一个角度说明问题：采用GPU加速后，制作全球10公里分辨率海洋环流预报每年可节约电费约200万元，相当于减少碳排放520吨。这些数字共同勾勒出气象算力在性能、容量与能效三个维度上的实际水平。
| 指标 | 数值 | 单位 | 出处 |
|---|---|---|---|
| 分辨率加倍后网格点数量增加 | 8 | 倍 | 一（四）数值天气预报计算模式与高性能计算 |
| 分辨率加倍后总计算量增加 | 约16 | 倍 | 一（四）数值天气预报计算模式与高性能计算 |
| 全球10天预报时间步数 | 1440 | 步 | 一（四）数值天气预报计算模式与高性能计算 |
| 全球10天预报时间步长 | 10 | 分钟 | 一（四）数值天气预报计算模式与高性能计算 |
| 全球中期数值天气预报可用时效 | 10 | 天以上 | 一（三）数值天气预报现状与发展趋势 |
| 中期预报模式预报时间 | 1-7 | 天 | 一（二）数值天气预报模式分类 |
| 长期预报模式预报时间 | 大于7 | 天 | 一（二）数值天气预报模式分类 |
| 中尺度数值预报模式水平分辨率 | 1 | 千米 | 一（三）数值天气预报现状与发展趋势 |
这组数据聚焦数值天气预报对算力需求的来源。报告指出，分辨率加倍时网格点数量增加8倍，同时为满足稳定性准则条件，时间步长可能需要减半，总计算量增加约16倍。这正是气象HPC系统需要持续扩容的根本原因。 以全球10天预报为例，时间步长10分钟需要1440步，任何单步计算的优化都会因步数巨大而产生显著影响。目前全球中期数值天气预报可用时效可达10天以上，水平分辨率达1千米的中尺度数值预报模式将投入业务使用，并具有预报强天气的能力。区域精细化预报成为各地气象局等相关单位的发展方向，精细化以及时间和空间的无缝隙预报是必然的选择。
附件资料
先进计算产业发展联盟：2026气象领域联想算力应用研究报告-260808.pdf
pdf 文件 · 1.6 MB
附件来自原发布机构；如涉版权，请联系我们，我们将立即下架。
本页解读由 AI 依据报告原文辅助生成，经碳通通作者编辑整理，旨在帮助读者快速把握文件要点，不代表原文件发布方的观点。受节选范围与理解差异所限，解读与图表可能与原文表述存在出入，也可能存在疏漏或不够准确之处，请以报告原文为准。如需核对，请查阅报告原文。附件资料均来自原发布机构或公开渠道，版权归原作者及发布机构所有，本页仅提供学习查阅便利；如涉及版权问题，请联系管理员下架。
