自20世纪以来，数值天气预报（NWP）成为气象预测的重要工具，但传统模型计算成本高。研究团队推出FourCastNet 3（FCN3），结合概率机器学习与球面信号处理，显著提升预测速度与精度。FCN3在单张GPU上可快速生成高分辨率天气预报，超越传统模型，推动气象预测技术进步。

谷歌DeepMind与谷歌研究推出Weather Lab网站，展示AI气象模型和实验性气旋预测技术，旨在提升气象机构对气旋路径和强度的预测能力。

本研究提出Mjölnir框架，解决深度学习在气象预测中对全球闪电活动表征不足的问题。通过训练ERA5气象因子与闪电定位数据，Mjölnir有效捕捉环境条件与闪电活动的非线性关系，准确重现闪电分布及季节变异性，为地球系统模型提供AI解决方案。

本研究提出FuXi-RTM框架，将物理建模与深度学习结合，解决气象预测中的物理约束不足问题。经过五年的数据评估，结果显示其在88.51%的变量和时间组合中优于传统方法，显著提高了辐射通量预测的准确性。

DeepMind推出的气象预测模型GenCast能够在8分钟内预测15天的天气，其准确度超过全球顶尖的ENS系统，97.2%的场景优于传统方法。GenCast基于扩散模型，处理超过100万个网格数据，适用于常规和极端天气预测，并已开源。

2022年，AI在气象预测领域迅速应用并提升了预报技巧。数值预报和AI的结合是未来气象预报发展的关键。华为云的Pangu-Weather解决了迭代误差累积问题，上海人工智能实验室的FengWu-GHR解决了高分辨率数据稀疏问题，微软的Aurora提升了对极端天气的预测能力。AI与传统数值预报结合是最佳途径。