Il modello Tianji di Envision vince il concorso AI dell'ECMWF, mentre la Cina spinge sui modelli satellitari

Un concorso per la terza e la quarta settimana

L'AI Weather Quest non è una gara una tantum. L'ECMWF la gestisce come attività continua di previsione e verifica. Le squadre inviano i propri risultati ogni settimana e una classifica pubblica si aggiorna man mano che arrivano i dati. Il punteggio va oltre l'orizzonte a medio termine di 15 giorni. Il concorso riguarda la temperatura media settimanale e la pressione media al livello del mare in forma probabilistica, più le precipitazioni accumulate settimanali, per i giorni da 19 a 25. Temperatura e precipitazioni sono valutate su celle di griglia in prevalenza coperte da terraferma. La pressione è valutata a livello globale. L'impostazione premia un modello per come descrive una settimana che arriva tre settimane dopo.

La cosa riguarda chiunque compri energia, non solo i meteorologi. Le prospettive substagionali per la terza e la quarta settimana entrano nelle decisioni di manutenzione, copertura e trading di utility, operatori eolici e solari e assicuratori.

Resta ignoto il livello di abilità indipendente a scala di sito e quanto costi l'accesso a Tianji. Envision afferma che Tianji ha ottenuto il primo posto in tutte le metriche valutate, comprese la media delle variabili, la temperatura vicino al suolo, la pressione e le precipitazioni. La dichiarazione compare in un comunicato aziendale datato 30 ottobre. Yonhap l'ha ripresa segnalando che non era stata modificata.

I modelli satellitari cinesi puntano al breve periodo

La Cina ha usato la stessa settimana per mostrare un approccio diverso. Giovedì ha presentato due modelli di intelligenza artificiale per il maltempo alla Conferenza degli utenti dei satelliti Fengyun 2026 a Changsha, nella provincia di Hunan.

Il primo interpreta le immagini nuvolose dei tifoni. Secondo il China Daily, integra più di 20 tipi di prodotti satellitari in tempo reale, analizza le immagini ogni 15 minuti e produce un rapporto testuale in 27 secondi. Il rapporto copre posizione, intensità, struttura ed evoluzione probabile della tempesta. Han Bowei, ingegnere del Centro meteorologico satellitare nazionale, ha detto che la struttura termica tridimensionale di un tifone è uno dei fattori che determinano i cambiamenti di intensità. Il secondo modello si occupa del maltempo convettivo severo, i sistemi temporaleschi in rapida crescita che portano venti distruttivi, grandine e alluvioni improvvise. Han ha detto che usa due ore di dati continui del Fengyun 4 e può prevedere comparsa, sviluppo e intensità con quattro ore di anticipo. Uno studio sul modello è apparso l'anno scorso su PNAS.

Il punto è la portata. L'Amministrazione meteorologica cinese afferma che la Cina ha 10 satelliti Fengyun in orbita e condivide i loro dati con 141 paesi e territori, ha riferito Sharjah24. Han ha detto che i due modelli sono i primi di una serie prevista che coprirà tifoni, temporali, tempeste di sabbia, nebbia fitta e ondate di freddo.

Perché la finestra tra 19 e 25 giorni è difficile

Tra due settimane e due mesi le previsioni diventano scomode. Robert Zheng, che guida il Tianji Weather Foundation Model di Envision, ha definito la previsione substagionale su questo intervallo una delle sfide più dure della meteorologia.

Orizzonti più lunghi aumentano l'incertezza, ha detto. Chiedono di più alla capacità di un modello di individuare tendenze meteorologiche in evoluzione. Envision definisce Tianji il primo modello meteorologico fisico-AI al mondo, basato su dati su scala di petabyte e su una rete tridimensionale che copre spazio, aria e suolo. Afferma che Tianji si è piazzato ai livelli più alti in WeatherBench 2, alla pari con WeatherNext2 di Google. Ha anche vinto la categoria deterministica di un programma dimostrativo gestito dal Centro meteorologico nazionale cinese. Il lavoro sulla rete elettrica è l'aggancio commerciale. Envision afferma che Tianji ha vinto il primo posto nel concorso di previsione dei carichi basata sull'AI di State Grid e nella competizione business di China Southern Power Grid. Sostiene inoltre che il modello migliora l'accuratezza di velocità del vento e irraggiamento in regioni chiave. Questi risultati vengono dall'azienda.

I modelli aperti scelgono un'altra strada

Nvidia vende il modello opposto: pesi e strumenti aperti. La sua famiglia Earth-2 permette agli sviluppatori di prendere i modelli e personalizzarli con i propri dati.

L'ultima aggiunta è StormScope EU. È una versione regionale addestrata su dati meteorologici e climatici europei. Usa le osservazioni EUMETSAT per prevedere l'evoluzione delle condizioni nuvolose su 16 canali Meteosat a intervalli di 10 minuti. Nvidia ha mostrato una pipeline dal vivo a GTC Berlin con Earthmover. AXA usa FourCastNet 3 per studiare il rischio ciclonico regionale oltre la serie storica, su più di 1.000 stagioni simulate. Vaisala Xweather combina Earth-2 con le proprie osservazioni e i dati sui fulmini. TotalEnergies sta valutando previsioni immediate della radiazione solare basate su StormScope in due siti fotovoltaici.

L'Università di Manchester ha preso un'altra strada. I ricercatori hanno adattato il modello CorrDiff per il lavoro sulla qualità dell'aria nel Regno Unito. Lo hanno addestrato sul supercomputer Isambard-AI e poi lo hanno eseguito in locale su sistemi Nvidia DGX Spark.

Cosa resta da dimostrare

La classifica è pubblica, ma l'annuncio del 30 ottobre è di Envision. Non è stata pubblicata alcuna valutazione indipendente delle capacità di Tianji in un parco eolico o in una sala di controllo.

Il divario conta perché il concorso misura medie settimanali su celle di griglia. Un gestore di rete ha bisogno di vento e irraggiamento orari in un sito specifico. Una rampa sbagliata costa denaro anche se la media era giusta. Envision afferma che Tianji copre dalla previsione immediata al minuto fino alle tendenze substagionali, ma il risultato del Quest riguarda solo l'estremo opposto. Il costo è l'altro vuoto: Envision non ha detto quanto costa l'accesso a Tianji. Sul fronte satellitare, Han ha detto che tutte le conclusioni dei modelli Fengyun si basano su osservazioni satellitari e possono essere verificate. È un'affermazione sulla tracciabilità, non sull'accuratezza in una catena di allerta in tempo reale.