台风正在逼近海岸。预报中心里，分析员盯着屏幕上一团螺旋状云带，要在高压之下回答四个问题：风暴中心在哪里、当前强度多大、结构如何演变、接下来会往哪走。这一步的任何误差都会向下传导——疏散范围画宽了或画窄了，船只转港晚了半拍，官员对预警的信任也会一点点被磨掉。真正的瓶颈从来不是卫星看得不够多，而是卫星“看到”与人“看懂并拍板”之间，隔着一条难以压缩的时间差。
上周在长沙举行的2026年风云卫星用户大会上，这道时间差有了新的解法。中国气象局正式发布首批基于风云气象卫星的极端天气人工智能模型：台风智能云图解译模型与强对流短临预警模型。两个模型都不是实验室演示，而是要嵌入日常预报业务流程中运转。
一个会“看台风”、还会说明依据的模型
台风模型做的事说来简单：读取风云卫星多通道云图及相关产品，自动生成对台风的标准化解读文字与可视化产品——位置、结构、强度、演变趋势，一目了然。
有两个设计细节值得注意。其一，模型目前覆盖7类台风特征，每次解读会融合20余种卫星实况产品。其二，它不是一面黑箱：输出的产品不仅给出结论，也呈现依据，预报员能看到模型为什么判断这个台风正在加强。该模型每15分钟执行一次解译，生成一份解读文本只需27秒。
这套系统已经在真实台风上演练过。今年第26号台风“舒力基”影响期间，模型自动识别台风，并对其强度、风圈半径、降水特征进行了综合分析，为监测预报提供支撑。
第二个模型，为预报员争取四小时
台风会提前好几天“打招呼”。更难的预报题是强对流天气——那些一小时内就能从无害云团变成致灾风暴的突发性大风、下击暴流和冰雹，留给预警的时间常常不足一小时。
短临预警模型针对的正是这个窗口。它利用风云四号气象卫星过去两小时的连续观测，预测未来四小时云图演变，并识别潜在强对流区域。据开发方介绍，其核心思路是把云图演变拆解成两个过程：大尺度天气系统的整体移动，以及小尺度对流云团的生消。分开建模，系统既能追踪“风暴要去哪”，也能判断“哪里正在酝酿新风暴”。按发布口径，这类天气的预警时间可因此提前至四小时。在业务气象里，这不是渐进式改进，而是“预警来不及被执行”与“来得及”的区别。
为什么卫星是AI的天然战场
全球气象部门这些年都在把机器学习接到数值模式上，中国也不例外：风清预报模型今年更新后新增了降水预报功能；据国家电视台报道，一套传统数值预报与AI结合的混合模型曾把一次台风的登陆点提前四天多锁定。此次卫星端发布的特殊之处在于AI的“位置”——卫星是唯一能全程观测风暴生命周期、覆盖无雷达无测站大洋的仪器，把解译与短临模型直接架设在数据流上，意味着机器在信息优势最大的环节开始工作：在风暴成为任何人的“本地问题”之前。
这次发布也是系统性的：同一会议上，2025年9月发射的风云三号H星与2025年12月发射的风云四号C星的数据产品正式发布，并组建了由哈尔滨工业大学（深圳）、国家卫星气象中心等12家单位、49名研究学者组成的许健民气象卫星创新中心人工智能创新团队。据中国新闻网报道，发展五十余年的风云卫星已为全球141个国家和地区提供服务，并支撑“妈祖”早期预警方案出海——这些AI模型不会只留在中国国内。对许多缺乏足够台风专家的国家气象部门而言，一台自动化的“台风解译器”可能比新增编制来得更早。
诚实的局限
- 文中数字——7类特征、20余种产品、15分钟周期、27秒出文、四小时提前量——均来自官方发布口径，尚未经过独立审计核验。
- 解译模型的上限取决于对边缘案例的覆盖：罕见风暴结构、快速剪切系统或数据缺口，仍需预报员在环把关。
- 提前量数字描述的是模型在测试条件下的能力；实际预警效果还取决于传播链路、属地响应能力，以及预报员对机器输出的采信程度。
普通人现在能做什么
- 若你生活在台风或强对流多发地区，不妨把“四小时提前量”当作规划基线：想清楚如果一个强对流预警在上午十点到达，你接下来的一小时该做什么。
- 相关企业可关注保险、物流、航空领域对卫星解译数据产品的接入方式；关心气象的读者也可通过中国气象局官方渠道查看模型的可视化产品——它给出的不只是结论，还有判断依据。