天氣預測對人類是相當重要的風險管理的一環，畢竟如暴風雪、颱風、颶風與熱浪等嚴重天氣事件增加，也造成對人類生存與相關財產的損失；當前全球許多天氣模擬中心由於演算法等因素仍堅守傳統 CPU 架構 HPC ，然而 CPU 架構由於先天特性，需使用龐大的 CPU 節點、高能耗與冗長的模擬與天氣建模時間； NVIDIA 則在全球對能源效率更為重視的當下，倡議天氣模擬中心導入基於 GPU 加速的 AI 與異構，藉此提供高效能、精確且更具能源效率的天氣預測與天氣模型建構，同時包括歐洲中期天氣預報中心、馬克斯普朗克氣象學研究所、德國氣象局與美國國家大氣研究中心已經採用能於 GPU 執行的天氣模型，體現 GPU 相較 CPU 提升 24 倍的效能。
▲結合 AI 與物理學的 GPU 天氣運算不僅具備更快速且更長期的預測能力，同時也具更低的成本與更優異的能源效率
不同於傳統天氣預測演算法， NVIDIA 結合人工智慧打造的 FourCastNet 天氣預測模型不僅擁有相當的精確性，同時速度更快、能效更高； FourCastNet 能夠在短時間產生一週天氣預報，並產生大型整合模型或起始條件略有變化的模型，完成高度可信的極端天氣預測。
且 FourCasNet 並非橫空出世，在 2018 年 FourCastNet 就準確預測當年 7 月 5 日於阿爾及利亞瓦爾格拉( Ouargla , Algera )的溫度，當天也是非洲有史以來的高溫。當時 FourCastNet 透過 NVIDIA GPU 迅速且精確產生 1,000 個系集成員，遠超越傳統 CPU 架構的生成能力，並由十多個成員根據事發前三週資訊精確預測當時的高溫。
▲中央的視覺化圖表展示 2018 年 7 月非洲地區的真實天氣，周圍則是 FourCastNet 系集成員產生的熱穹現象的地球模型
2018 年預測非洲高溫也是 FourCastNet 初次提前幾週預測高影響的極端天氣事件，作為證實人工智慧在天氣預報的潛力，同時也實證比起傳統天氣模型耗費更低的能耗。
FourCastNet 採用如 Transformer 模型一類的最新人工智慧技術，結合人工智慧與物理學，相較傳統數值天氣預測模型快 4.5 萬倍，同時在經過訓練後， FourCastNet 生成預測所需的能源比起歐洲天氣預測黃金標準 NWP 模型整合預報系統少 1.2 萬倍。
同時 FourCastNet 與 NVIDIA 硬體也持續發展，在 NVIDIA 於 2023 年 GTC 大會 Stevens 的演講中描述 ICON 氣候研究工具現行的可能性，相較使用 3,200 個 CPU 的 Levante 超級電腦能在 24 小時模擬 10 天氣候， JUWELS Booster 超級電腦僅使用 1,200 個 NVIDIA A100 Tensor Core GPU 在同樣 24 小時內模擬達 50 天的模擬。
作為科學家研究未來氣候的變遷，科學家希冀能夠研究未來 300 年內的氣候效應，也希冀系統能快上 20 倍，當前新一代的 NVIDIA H100 Tensor Core GPU 結合更簡單的代碼等技術，有望實現這樣的願景。
