2025年4月，2024年度”中国十大气象科技进展”正式公布。其中，”建成天气气候一体化的全球和区域大气模式原型系统”入选，该成果由中国气象局地球系统数值预报中心沈学顺院士领衔，联合西安交通大学、清华大学等单位完成。西安交通大学航天航空学院陈春刚教授在原型系统建设中承担了模式基础算法和动力框架研发任务，提出了适用于多尺度大气运动仿真的多矩有限体积方法。这套方法具备模拟精度高、网格适应性好和并行可扩展性强等优势，为新一代大气模式突破计算难题提供了关键支撑。
大气模式是地球系统模式和天气气候数值预报业务系统的基础。而地球系统模式（Earth System Model，ESM）本身，是一个远比单一大气模式更庞大的计算命题——它要把大气、海洋、陆地、冰盖、碳循环甚至人类活动耦合进同一套数值框架，在全球尺度上模拟地球各圈层之间的能量交换、物质流动和反馈机制。分辨率从百公里压缩到公里级，时间步长从小时级推进到分钟级，背后的算力需求不是线性增长，而是呈指数级膨胀。
地球系统模式：用数值方程模拟一颗行星
地球系统模式的核心思想并不复杂：把地球按照经纬度或立方球面剖分成网格，在每个网格单元内求解描述流体运动、能量传输、辐射平衡和化学反应的偏微分方程组，然后通过边界条件把相邻网格耦合起来。听起来像放大版的CFD，但气候模式的复杂度远超普通流场仿真——因为它不是模拟一个风洞，而是模拟一整颗行星上所有流体圈层的相互作用。
一个完整的地球系统模式至少包含以下子模块：
- 大气环流模式（AGCM）：求解Navier-Stokes方程、热力学方程和水汽方程，模拟大气运动、温度、湿度、降水、云和辐射传输。陈春刚教授参与研发的多矩有限体积方法，正是针对大气模式动力核的算法创新。
- 海洋环流模式（OGCM）：模拟海流、海温、盐度和海平面变化。海洋网格通常比大气更密，因为海洋中小尺度涡旋的能量串级过程需要更高分辨率才能捕捉。
- 陆面过程模式（LSM）：处理地表能量平衡、蒸散发、土壤湿度和植被碳循环。陆地网格与大气网格耦合，边界通量通过陆气界面实时交换。
- 海冰模式（SISM）与冰盖模式（ISM）：模拟极地海冰厚度和范围变化，以及格陵兰、南极冰盖的动力学与热力学过程。
- 生物地球化学模式（BGC）：追踪碳、氮、硫等元素的循环路径，把人类排放的CO2从大气模块传输到海洋和陆地碳库中。
这些子模块各自独立求解，但通过耦合器（Coupler）在每一时间步交换边界通量——大气把辐射强迫和降水传递给海洋和陆地，海洋把海表温度反馈给大气，陆地把蒸散发和碳通量送回大气。这种耦合不是简单的数据搬运，而是涉及动量、热量、淡水通量和化学物质的守恒传递，任何一处的数值误差都会在数百甚至数千次耦合迭代中累积放大。
全球气候模式（GCM）的空间分辨率通常在100公里左右，这对于全球尺度的气候平均态和长期趋势模拟已经足够。但如果你想预测一次台风登陆路径、一场夏季暴雨的落区，或者未来10到30年东亚地区极端气候事件的变化，100公里的网格会把一条锋面系统抹成一片模糊的云团。这就引出了区域气候模式（RCM）——通过动态降尺度或统计降尺度，把全球模式的大尺度边界条件嵌套到区域网格中，实现10公里乃至1-3公里的高分辨率模拟。2018年的国家重点研发计划”全球变化及应对”专项中，区域地球系统模式的研究目标就明确写到：”大气和陆面模式在典型区域的水平分辨率达到1-3千米”。
1-3千米是什么概念？如果把全球大气模式常用的1度网格（约110公里）压缩到1公里，网格数量会增加约10000倍。如果同时还要保持时间步长在分钟级以满足CFL稳定性条件，那么完成一次百年尺度的气候模拟，所需计算量将达到百亿亿次（Exascale）级别。这解释了为什么全球主要气象机构都在争夺超级计算资源——美国NCAR的Cheyenne、欧洲ECMWF的ATOS、日本的Fugaku，都在为气候模式提供持续算力支撑。
计算瓶颈：分辨率提升背后的算力账单
地球系统模式对硬件的压力不是单点突破，而是多维并发的。
第一个瓶颈是网格规模与内存占用。 以高分辨率区域模式为例，一个1公里分辨率的东亚区域覆盖约1200万公里，网格数量约为1200万个。每个网格单元需要存储温度、湿度、风速、气压、辐射通量等数十个变量，每个变量在垂直方向上又有50-100层。加上耦合海洋、陆地和海冰模块的额外变量，单个时间步的内存占用轻松突破数百GB。如果运行集合模拟（Ensemble Run）——即同时启动10个或20个成员以评估不确定性——总内存需求会进一步翻倍。
第二个瓶颈是时间步长与迭代次数。 气候模式的动力核求解受CFL条件严格约束，高分辨率意味着更小的时间步长。一个100公里分辨率的全球模式，时间步长可以放到30分钟；压缩到10公里，时间步长通常降到5分钟；再到1公里，时间步长必须控制在1分钟以内。完成一次100年模拟，时间步总数从约175万个暴涨到5200万个。每一时间步都要同步更新所有圈层的物理过程，包括云微物理、辐射传输、边界层湍流、对流参数化等数十个参数化方案。这些物理过程不是简单的代数运算，而是涉及查表、迭代和非线性方程求解，单步计算耗时可达数秒到数十秒。
第三个瓶颈是耦合通信开销。 地球系统模式的各子模块通常采用不同的网格剖分和并行划分策略。大气模块按纬度带分解，海洋模块按海盆分解，陆面模块按流域分解。当耦合器需要在每个时间步把大气辐射通量传递给海洋网格时，大量的数据需要在不同MPI进程之间跨网格插值和重映射。在万核级别的并行规模下，通信开销可能占据总运行时间的30%以上。PCIe总线带宽和高速互联网络（如InfiniBand）的延迟，直接决定了耦合效率的天花板。
第四个瓶颈是I/O吞吐量。 气候模式每时间步都会产生数十个三维场变量的输出，一个高分辨率模式运行100年，原始输出数据量可达PB级别。即使只保存关键变量的月均值，输出数据量也通常在数十TB到数百TB。在数千个计算核心同时写入共享文件系统时，如果存储带宽不足，I/O等待时间会严重拖慢整体进度。NVMe Gen5的高速存储和并行文件系统（如Lustre或GPFS）对于高分辨率模式几乎是刚需。
硬件需求画像：为什么气候模式需要专用工作站
说了这么多，自然要问：一个课题组或中小型研究机构，如果无法直接调用国家级超算，应该如何在本地构建一套足够支撑地球系统模式开发和调试的算力环境？
答案是：你需要一台大内存、多核心、高带宽存储的计算工作站。地球系统模式虽然是典型的HPC应用，但模式的开发和调试阶段通常不需要立即上超算。研究人员需要在本地完成代码编译、参数调试、小规模敏感性实验、算法验证和区域模式配置测试。这个阶段的工作，一台高配工作站可以显著缩短”开发-编译-测试-修改”的迭代周期，避免在超算排队队列中浪费宝贵的机时。
具体到硬件需求，地球系统模式的工作站需要满足以下画像：
- CPU：多核心、高内存带宽是核心诉求。气候模式的动力核求解（有限差分、有限体积或谱方法）和物理参数化计算都是CPU密集型，且天然适合MPI并行。双路服务器平台可以提供64核到256核的并行规模，对于中小区域模式或全球粗分辨率模式的开发和测试已经足够。内存带宽同样关键——气候模式在每个时间步需要频繁访问全局网格数据，DDR5的内存带宽相比DDR4提升约50%，对多核并行时的数据吞吐有直接帮助。
- 内存：气候模式是内存密集型应用的典型代表。一个中等分辨率的区域模式（10公里网格，覆盖东亚区域，50层垂直，双精度浮点）单时间步的内存需求约为50-80GB。如果运行耦合模式或集合成员，内存需求轻松突破256GB。对于高分辨率模式（1-3公里）或长时间序列调试，512GB到768GB是更稳妥的底线。
- GPU：传统气候模式以CPU为主，但近年来两个趋势正在改变这一格局。一是深度学习参数化方案——用神经网络替代传统物理参数化，如Google DeepMind的GraphCast和ECMWF的AIFS，完全基于GPU训练和推理。二是后处理和可视化——气候模式输出的海量数据需要在本地进行快速分析和可视化，GPU加速可以大幅缩短数据处理和绘图时间。对于以传统物理方案为主的模式开发，一块中高端GPU足以应对数据分析和可视化需求；如果课题组正在探索AI-physics融合方向，则需要更强的GPU算力支持。
- 存储：气候模式每时间步输出多个三维变量，即使是中等规模的测试运行，几天内也能产生数百GB的中间数据。高速NVMe SSD是本地存储的最低配置，Gen5级别的高速存储（读取14GB/s）可以在模式初始化、数据加载和后处理阶段显著减少等待时间。对于长期数据归档，则需要配备大容量HDD或SATA阵列。
UltraLAB 地球系统模式模拟工作站配置方案
基于地球系统模式模拟的计算特性，我们从UltraLAB产品系列中选取了以下四个级别的配置方案，覆盖从区域模式开发调试到全球耦合模式集合实验的不同需求。以下方案均直接引用产品目录中的完整配置，不做自行拼凑。
方案A：入门型 — 区域模式开发调试
- 适用场景：中小区域气候模式（10-25公里分辨率）的代码编译、参数调试和短期敏感性实验；单一圈层的离线模式运行（如大气离线模式或陆面模式）。
- 推荐机型：EX660 227128-MCA
- CPU：2×Intel Xeon 金牌6530，64核，2.7GHz（全核稳定频率，Intel官方单核最高4.1GHz）
- 内存：128GB DDR5
- GPU：NVIDIA RTX A400
- 存储：4TB NVMe Gen5（读取速度约14GB/s）
- 推荐理由：双路Xeon 64核提供了充足的MPI并行规模，128GB DDR5内存可以支撑中等分辨率区域模式（10公里级别）的开发运行。4TB高速NVMe存储足以容纳模式源码、编译环境和测试数据。对于刚接触气候模式开发、以学习代码结构和调试物理参数化为主的研究生或青年教师，这个方案是成本可控的起步选择。
方案B：进阶型 — 高分辨率区域模式耦合实验
- 适用场景：高分辨率区域气候模式（1-10公里分辨率）的耦合运行；大气-陆面耦合模式的长期调试；多成员短期集合模拟。
- 推荐机型：EX660 227256-MCB
- CPU：2×Intel Xeon 6554s，72核，2.7GHz（全核稳定频率，Intel官方单核最高4.1GHz）
- 内存：256GB DDR5
- GPU：NVIDIA RTX A2000
- 存储：4TB NVMe Gen5（读取速度约14GB/s）
- 推荐理由：72核提供了更高的并行规模，256GB内存是支撑高分辨率区域模式（1-3公里网格）或中等集合成员数的关键门槛。当网格数量从百万级提升到千万级，内存容量的边际提升直接决定了模式能否顺利运行。RTX A2000提供基础GPU加速能力，用于模式后处理和可视化。对于需要开展区域极端天气事件模拟的课题组，这个方案是从”能跑”到”跑得好”的转折点。
方案C：专家型 — 全球耦合模式与AI-Physics融合研究
- 适用场景：全球高分辨率耦合模式（大气-海洋-陆地-海冰）的中小规模测试；深度学习参数化方案的训练与验证；长时间序列集合模拟的本地预处理。
- 推荐机型：EX660 230512-MDT
- CPU：2×Intel Xeon 铂金8570，112核，3.0GHz（全核稳定频率，Intel官方单核最高4.8GHz）
- 内存：512GB DDR5
- GPU：NVIDIA RTX 5090 32GB
- 存储：8TB NVMe Gen5（读取速度约14GB/s）
- 推荐理由：112核Xeon铂金处理器是Intel服务器平台的旗舰配置，3.0GHz全核频率在气候模式这种混合了浮点运算和内存访问的应用中表现优异。512GB DDR5内存可以支撑全球粗-中分辨率耦合模式（1-2度网格，50层垂直）的完整调试，或高分辨率区域模式的多成员集合。32GB显存的RTX 5090不仅加速了数据可视化，也为探索AI参数化方案（如用神经网络替代对流参数化）提供了足够的显存空间。8TB高速存储可以容纳模式源码、编译环境、测试数据集和中期输出数据。对于正在进行前沿算法创新、需要同时探索传统物理方案和AI融合路径的研究团队，这个方案提供了CPU和GPU的双重算力保障。
方案D：旗舰型 — 全球高分辨率耦合模式与长期集合模拟
- 适用场景：全球高分辨率耦合模式（0.25-1度网格）的完整运行；多成员（10-20个）百年尺度集合模拟的本地调试和预处理；海量模式数据的实时分析和归档。
- 推荐机型：EA660 241768-MDA
- CPU：2×AMD EPYC 9755，256核，4.1GHz（全核稳定频率，AMD官方标称最高频率5.0GHz）
- 内存：768GB DDR5
- GPU：NVIDIA Quadro T400 + A100 40GB（水冷）
- 存储：2TB SSD + 8TB NVMe Gen5 + 20TB SATA
- 推荐理由：256核AMD霄龙9755是目前服务器级CPU中核心数和全核频率的巅峰组合，17.5Tflops的CPU浮点性能足以支撑全球高分辨率耦合模式在本地完成中等规模测试。768GB DDR5内存是支撑全球高分辨率模式（0.25度网格，约200万个水平网格点，100层垂直）或高分辨率区域模式多成员集合的硬性门槛。A100 40GB水冷显卡提供了专业级AI训练和推理能力，对于探索GraphCast、FengWu等新一代AI气象预报模型的团队，这是本地预训练和微调的基础设施。2TB+8TB+20TB的三级存储架构覆盖了系统、高速计算和长期归档的全链条需求。对于需要独立承担国家级课题、模式开发进入业务化测试阶段的研究团队，这是从本地工作站到超算集群之间的桥梁型配置。
地球系统模式的模拟精度，最终取决于网格能不能足够细、物理过程能不能足够真、计算资源能不能足够快。从陈春刚教授参与研发的多矩有限体积方法，到全球各国正在推进的公里级高分辨率模式，算法创新和硬件升级始终是并肩前行的两条腿。如果你的课题组正在这条路上跋涉，选对工作站的配置，就是给模式研发装上一台可靠的发动机。
微信号：maxftxwx
