NVIDIA Atlas 是一款 2.5B 参数的天气生成式AI模型，它能对全球 0.25° 网格上的 ERA5 变量做自回归预测，几分钟内即可产出一次全球中期集成天气预报（Medium-Range Ensemble Forecast）。对于想了解 AI 如何颠覆传统数值天气预报的新手来说，本文带你一文读懂它的原理、仓库结构和上手路径。

🌍 Atlas 是什么：预报"快多少"才是关键

传统数值天气预报（NWP）要跑全球集合预报，往往需要超级计算机运转数小时。而 Atlas 的思路完全不同——把"大气状态"当作可生成的数据，用深度学习模型逐步向前"生长"天气：

• 每次预测未来 6 小时的大气状态；
• 把预测结果作为下一次输入，不断向前推演，即可覆盖中期尺度（数天）；
• 同一输入采样多次，就能快速生成多个集合预报成员（ensemble members），直接输出"降水概率""风暴路径不确定性"这类集合产品。

它的核心技术是Latent Diffusion Transformer（潜在扩散Transformer，简称 DiT），总参数量 2.5B，其中解码器 DiT 采用 2D 邻域注意力（2D Neighborhood Attention），约 1.8B 参数。

💡 简单理解：Autoencoder 先把全球天气压缩成低维"潜空间表示"，DiT 在潜空间里"想象"出未来天气，Autoencoder 再解压回 75 个气象变量。

📥 输入与输出：75个变量、721×1440全球网格

根据 README.md 的说明：

变量涵盖u10m/v10m（10米风）、t2m（2米气温）、u50~u1000（多层纬向风）、t50~t1000（温度）、q50~q1000（比湿）、msl（海平面气压）、sst（海表温度）等，完整清单见 si/config.json。

⚡ SI 与 CRPS：两个变体怎么选？

Atlas 提供两个变体，架构相同，训练目标和推理机制不同：

两者配置分别在 si/config.json 和 crps/config.json 中。例如 SI 推理配置为eval_type: "sinterpolant"、steps: 60，并启用了enable_flash（Flash Attention 加速）；CRPS 变体则开启amp（自动混合精度），推理更轻。两个变体共享同一套 Autoencoder：autoencoders/autoencoder_0/model_best.mdlus 与 autoencoders/autoencoder_0/data_processor_best.mdlus。

🗂️ 仓库结构速览

atlas-era5/ ├── README.md # 模型卡片：架构、输入输出、硬件、数据集 ├── config.json # 顶层包名配置 ├── autoencoders/autoencoder_0/ │ ├── model_best.mdlus # 共享的潜空间Autoencoder权重 │ └── data_processor_best.mdlus ├── si/genmodel/ # SI变体：生成模型权重 + 处理器 │ ├── model_best.mdlus │ └── data_processor_best.mdlus │ └── ../config.json # SI推理参数 └── crps/genmodel/ # CRPS变体：生成模型权重 + 处理器 ├── model_best.mdlus └── data_processor_best.mdlus └── ../config.json # CRPS推理参数

.mdlus文件是 Earth2Studio 生态的序列化模型文件，无需自己训练——下载即可推理。

🚀 快速上手：如何获取并运行 Atlas

第一步：克隆模型仓库（模型体积大，建议用 git-lfs 拉取）：

git clone https://gitcode.com/hf_mirrors/nvidia/atlas-era5

第二步：准备环境

• 硬件：NVIDIA GPU（支持 Ampere / Hopper / Blackwell 架构），官方测试硬件为 A100、H100、L40S
• 系统：Linux
• 框架：PyTorch（推理引擎）

第三步：用 Earth2Studio 加载推理

Atlas 的推理入口是 NVIDIA 开源框架Earth2Studio（NVIDIA 地球科学基础模型工具库）。它提供E2SForecastModel等接口，可以按si或crps目录下的 config 自动拼装 Autoencoder + 生成模型，输入当前与 6 小时前的 75 变量场，就能逐步外推、多次采样生成全球集合预报。

📊 它有多可信？40年ERA5再分析数据训练

ERA5 是 Copernicus 推出的全球再分析资料，30km 网格、137 个大气层、小时级更新。用近 40 年数据训练，模型见过大量台风、寒潮、阻塞高压等极端环流形态，这是其预报技巧（skill）的来源。

❓ 新手常见问题 FAQ

Q1：Atlas 和传统数值预报比，优势在哪？速度是最大优势：单次6小时步预测在单卡GPU上即可完成，跑完一个中期集合只需几分钟，而传统 NWP 集合预报需要超算数小时。

Q2：可以直接商用吗？可以。模型基于 NVIDIA Open Model License 发布，支持商业与非商业用途。

Q3：SI 和 CRPS 我该下哪个？追求出报速度选CRPS（无需随机插值采样轨迹，快得多）；需要更丰富的集合分布选SI。两者共用 Autoencoder，可以都下载。

Q4：需要自己训练吗？不需要。仓库提供的是开箱即用的推理检查点（v1 版本），加载后直接预测即可。

📝 总结

NVIDIA Atlas 把"生成式AI"带入了中期天气预报：2.5B 参数的 DiT 架构、75 个 ERA5 变量、全球 0.25° 网格，配合 SI / CRPS 双变体，让全球集合预报从"超算小时级"进入"GPU分钟级"。如果你是气象从业者、AI 工程师或科学计算爱好者，这套检查点 + Earth2Studio 的组合，就是当前入门 AI 天气预报最直接的起点。