曼彻斯特大学利用 NVIDIA Earth-2 预测英国空气质量

空气污染是严重的公共健康威胁，仅去年一年，英国就有估计约 3 万人因此死亡。数据驱动的洞察本可以帮上忙——但用传统化学模型计算空气质量成本高昂，限制了模型的空间分辨率和运行频率。

曼彻斯特大学地球与环境科学系教授 David Topping 注意到，NVIDIA Earth-2 开放 AI 模型与工具家族已经在天气预报领域解决了类似问题，于是提出疑问：同样的生成式框架能否用于污染场？

“最大的挑战在于预报空气质量所需的算力，”Topping 说，“一旦在天气模型中加入化学过程，运行速度就会变得非常非常慢。所以我想到，为什么不试试用 NVIDIA 为气候和天气开发的生成式框架来处理污染场呢？”

Topping 与 NVIDIA Earth-2 团队合作，从现有的化学-气候模拟中生成训练数据，并在位于布里斯托尔的英国国家 AI 超级计算机 Isambard-AI 上训练了生成式降尺度模型 Earth-2 CorrDiff。

模型第一次运行就成功了。

随后，团队又加入了可直接利用空气质量观测数据进行时序预报的 Earth-2 StormCast 模型，并在 NVIDIA DGX Spark 个人 AI 超级计算机上演示了测试训练与推理工作流。

“要改善人类健康，关键在于理解我们所呼吸空气中环境压力因素的影响，”Topping 说，“这套覆盖全英国的污染模型让我们能够模拟各种未来情景，比如预测不同的污染相关政策调整一旦实施会产生什么后果。”

https://blogs.nvidia.com/wp-content/uploads/2026/09/Adobe-Express-UKairpollution-4.mp4

视频来源：布里斯托尔大学计算中心（BriCS）

另一个潜在应用场景是为医疗机构提供主动的空气质量洞察。Topping 设想了一种场景：区域和国家医疗服务机构可以主动联系哮喘等病症患者，提醒他们当地明天或下周的空气污染浓度将会偏高。

团队还在探索如何将该空气污染模型与边缘 AI 设备的数据结合，以获取实时空气质量数据并驱动实时决策，例如应对野火等突发事件。

“该模型仅在 Isambard-AI 上训练了两天，如今甚至能在桌面上运行于 DGX Spark——这彻底改变了谁能开展此类科学研究，以及研究的速度，”NVIDIA 天气与气候领域的开发者关系经理 Niall Robinson 说道。“我们才刚刚开始探索这些开源工作流在全球范围内的潜力。”

“在不同 NVIDIA 框架之间切换的能力令人印象深刻，”在 Isambard-AI 上训练过 StormCast 的曼彻斯特大学博士生 Hao Zhang 说道。“我们才刚开始探索如何以不同方式利用这些框架来模拟复杂的污染场。”

从国家超算到桌面端

为了让 Earth-2 模型重新用于空气污染预测，Topping 和团队使用了一整年的英国污染数据（以小时为间隔模拟），生成了覆盖全英国、分辨率为 2-3 平方公里的详细污染模型。

该模型运行于 Isambard-AI 的一个单节点 8 GPU 上。Isambard-AI 是英国最强大的 AI 超算，搭载了 5,448 颗 NVIDIA GH200 Grace Hopper 超级芯片，提供 21 千万亿次（exaflops）的 AI 性能——整个流程仅耗时两天。

“Earth-2 CorrDiff 在 Isambard-AI 内部世界级的 NVIDIA 硬件上展现了极高的效率，”布里斯托尔大学“Bristol Centre for Supercomputing”主任、Isambard-AI 联合创始人 Simon McIntosh-Smith 表示。“对于一个气候相关项目而言，其所消耗的 GPU 时数相对较低，意味着运行这些工作负载所需的超算算力较少，这一点颇为恰当。”

除了回顾过去一年的空气污染状况，该模型还能帮助预测英国未来的空气污染治理方案。团队计划通过整合更多开放数据，进一步提高模型分辨率，使研究人员能够掌握街道层面的空气污染细节。

同样的生成式污染工作流也在由 NVIDIA GB10 Grace Blackwell 超级芯片驱动、搭载 DGX Spark 桌面 AI 系统的设备上运行，用于推理及小规模的训练任务。Topping 的办公室里就有一台 DGX Spark 系统，正用于重新训练模型。

“如今，你只需投入几千美元，就能开始开发强大的 AI 模型，”Topping 说道。

开放科学，智能体未来

团队计划开源污染模型的训练数据和工作流程，以便为其他国家或地区训练类似的模型。

“我们的目标是将这套工作流推向全世界，”他说。“我们希望全球每个国家以及每个主要城市，只要投入少量的超算 AI 算力，就能利用本地数据生成专属的详细污染模型。”

展望未来五年，Topping 预见的终点更为简洁：一个智能体（Agent）界面，医生或政府机构只需提出问题，背后的模型链将自动处理其余一切。

“随着空气质量观测数据的开放程度不断提高，有人甚至可以直接询问运行在 DGX Spark 上的污染模型：‘明天的这个街区空气质量会怎样？’”他说。“随后，一整条交互链路将给出答案，其依据正是这些框架所代表的科学原理。”

欢迎参加 9 月 30 日举行的网络研讨会 AI for Science: From the Lab to the Frontier，进一步了解 Topping 的分享。

了解更多关于 NVIDIA Earth-2 气候与天气 AI 的信息。