颱風路徑預測，AI 跟超級電腦誰對？

7 月 11 日，全台 22 縣市停班停課，多數人一早做的第一件事，是打開手機看巴威的路徑圖。問題是，這一週你看到的路徑圖可能有兩張長得不一樣。

一張把颱風中心壓向北台灣近海、甚至擦過東北角登陸，再轉向中國浙江；另一張讓它在宮古島附近就提早北轉，根本不碰台灣，朝上海方向去。前一張出自跑物理方程式的傳統模式——歐洲的 ECMWF IFS、美國的 GFS；後一張出自一批學了四十年歷史資料的 AI 天氣模型——ECMWF 自家的 AIFS、Google 的 FNV3、DeepMind 的 GenCast。台灣媒體 7/6、7/7 把這件事寫成「AI 對決歐美模式」，還說有兩個機構「悄悄倒戈」。

這不是氣象宅的內部八卦。2026 年是 AI 全球天氣模型集體走進各國官方作業流程的一年，巴威是它們在台灣門口的第一場全民級實戰——而且答案已經揭曉。

先講結果：7 月 11 日下午開獎，巴威中心沒有登陸台灣，最終路徑停在兩派原始劇本的中間，而且一週之內兩派各反向改口了一次。誰對？嚴格說，各對一半——「登不登台」AI 先站對邊，「最後去哪」反而是傳統模式的浙江劇本比較接近。下面把這場對決拆開講。

分歧卡在同一個地方：太平洋高壓會不會準時讓路

兩派吵的其實是同一件事：太平洋高壓脊接下來怎麼變。

颱風往哪走，很大程度看副熱帶高壓這面「牆」擋在哪。天氣風險公司資深顧問吳聖宇的解讀是：傳統物理模式持續報華北的西風槽脊與太平洋高壓脊會疊加、高壓維持偏強，等於在颱風西邊留一道牆，把它往台灣方向推；AI 模式群則報這個疊加不明顯、高壓偏東，牆沒那麼硬，颱風於是更早往北轉。

同一顆颱風、同樣的觀測資料，兩套方法對「高壓什麼時候讓路」給了不同答案，路徑就此分岔。分岔的原因可以指名道姓講到這麼細。

一邊解方程式，一邊讀完四十年颱風史

傳統模式和 AI 模式最根本的差別，在於它們怎麼算未來。

傳統物理模式把大氣切成格點、一步步解流體力學方程式，算力吃得兇。AI 模式跳過方程式，把過去約四十年的天氣重分析資料吃進去，學「長這樣的大氣，接下來通常會變成那樣」的規律。

差別有多大？DeepMind 稱它的擴散式系集模型 GenCast，在 1,320 組測試裡有 97.2% 的項目表現優於 ECMWF 的作業系集 ENS，而且單顆 TPU v5 晶片跑完一次 15 天預報只要 8 分鐘，傳統系統得動用上萬顆處理器的超級電腦跑上數小時。這些是利害關係方自己報的數字；但看各國氣象機構的實際行為——ECMWF 自己養了 AIFS、台灣氣象署把 AI 排進作業——路徑預報這塊的實力已經被各方當真。

連 DeepMind 自己都把話講在前面：傳統模式不可或缺，因為 AI 模式的訓練資料和每次預報的初始條件，都還得靠傳統的觀測與資料同化系統餵。

氣象署兩年前就把 16 組 AI 路徑放進正式作業

如果你以為 AI 天氣模型是這次才冒出來的外國新玩具，那是誤會——台灣的官方系統早就在用了。

根據氣象署預報中心副主任黃椿喜的具名文章，氣象署自 2024 年颱風季起，就把 3 組初始場資料（台灣自己的 TGFS、美國 GFS、歐洲 IFS）分別餵給 5 種開源 AI 模式，一次產出至少 16 組 AI 颱風路徑預報，全部納入「颱風分析預報整合系統」（TAFIS）供預報員參考。

硬體也跟上了。氣象署 5 月 29 日才對外展示第六代超級電腦的成果：CPU 跑傳統物理模式、GPU 專門跑 AI 天氣模型來追颱風的速度、方向與強度。署長呂國臣說明，GPU 算出的路徑會再回饋給 CPU 去算更小範圍的格點。他舉 2024 年的凱米颱風為例，AI 助攻讓預警提前了兩天發出。

所以巴威不只是 AI 對決傳統，更是氣象署這套新流程上線後的第一場颱風大考。

一週內兩派各改口一次，方向相反

把這場對決拆開，其實就是三個維度的差別：

	傳統物理模式（IFS、GFS）	AI 模式（AIFS、FNV3、GenCast）
怎麼算	把大氣切格點、逐步解流體力學方程式	學約四十年歷史資料的統計規律，不解方程式
算力與時間	上萬顆處理器的超級電腦跑數小時	單顆 GPU／TPU 跑一次 8–10 分鐘（DeepMind 稱）
這次巴威的答案	中心壓向北台近海、一度估登陸 → 中途修正為擦過／近海通過	在宮古島附近提早北轉、不登台，朝上海方向

表最右欄是重點：兩派都沒有守住自己最初的答案。7 月 6 日先是傳統模式往 AI 的方向挪——ECMWF 由「登陸東北部」修正為「東北角擦過」，GFS 由「登陸」修正為「近海通過」，媒體把這說成「兩機構悄悄倒戈」。三天後劇情反轉：7 月 8 日換 AI 模式往回修，路徑向西、向南越來越貼近台灣。吳聖宇的解讀是，AI 原先「對於巴威的範圍模擬過於巨大，導致太平洋高壓的調整變形幅度也比較大」——把颱風畫得太大顆，連帶把擋路的高壓也推變形了；他當天研判「到目前看已經差不多是正港西北颱的路徑」。

「倒戈」的戰爭敘事到這裡就講不下去了——用氣象的話講，這叫系集預報收斂，本來就會隨新資料進來，往同一個方向慢慢靠。

AI 路徑準，強度還是它的弱項

先別急著把超級電腦送進博物館。AI 模式的強項很偏科。

同一位氣象署副主任黃椿喜寫得很清楚：AI 模式在颱風「路徑」上已有重要成果，但「在強度預報上仍無法有效應用」；對局部強降雨、強陣風這種小尺度定點定量的預測能力也明顯不足。原因之一是現有 AI 模式的解析度只有約 28 公里，模擬不了更細的中尺度現象。

這就是為什麼「AI 取代超級電腦」是個錯的框架。就算路徑猜對了，巴威的暴風圈範圍仍大、北部山區被示警要防超大豪雨——這些會出人命的細節，正是 AI 目前算不好、還得靠傳統模式和實際觀測補的地方。路徑選誰的答案是一回事，雨會下多大、風有多強，是另一回事。

開獎：颱風沒撲台，落點停在兩派中間

那答案揭曉了嗎？截至 7/11 下午，大致揭曉了。

氣象署 7/11 下午 3 時的定位，巴威中心在台北東北方約 230 到 250 公里的海面上，以中颱強度（中心氣壓約 950 百帕、近中心最大風速約每秒 42 公尺）向北北西轉西北移動，正朝中國浙江、福建沿海去；中國中央氣象台 7/11 上午的預報估它 7/12 凌晨在浙江台州到福建福鼎之間登陸。也就是說，颱風的中心沒有登陸台灣，從北方海面掠過——這比較接近 AI 模式群「提早北轉、不登台」那一版，也是傳統模式中途修正後靠過去的方向。

但別把它讀成「AI 完勝」。逐題對答案的話：「登不登台」AI 先站對邊，傳統模式後來跟上；「離台灣多近」兩派原始劇本都偏——實際路徑比 AI 早期喊的宮古島遠掠近得多（AI 為此在 7/8 改口），也比傳統模式喊的登陸遠；颱風實際奔去的浙閩沿海，又比 AI 早期的「上海方向」偏南、更接近傳統模式原先的浙江劇本。最終落點停在兩派原始答案的中間。與其說誰打敗誰，比較像兩套方法在同一顆颱風上被全民評分後，各讓一步、在中間會合。

颱風假公布前，自己看模式的三步驟

下次颱風又來、新聞又在吵各國模式時，你不必等名嘴翻譯，可以自己看：

1. 先看系集「麵條圖」收斂了沒。 一堆路徑線散開像一把麵條，代表不確定性高、還別太信任何單一條；線收成一束，才是各模式有共識。
2. 上 NCDR 的各國模式比對頁（watch.ncdr.nat.gov.tw/watch_typhoon），一次看歐洲、美國、日本、台灣各家路徑擺在一起，別只看某一台新聞挑的那條。
3. 查 Google Weather Lab，它會對單一颱風生成多達 50 種劇本、預測最長 15 天，並已與美國國家颶風中心共享預報——這是目前一般人就能點開的 AI 氣旋工具。

巴威這一課，與其記成「AI 贏了、傳統輸了」，不如記住一件事：氣象署的作業系統裡，AI 模式和超級電腦這兩年已經並排在跑，颱風季的每一次開獎，都是它們互相校準的公開測試。下一顆颱風來時，值得盯的是這兩條線怎麼合、合在哪裡。