10月29日，2026年风云卫星用户大会发布了两款模型：风云气象卫星台风智能云图解译模型，以及风云气象卫星强对流短临预警模型。这是首批面向极端天气的风云卫星AI模型。官方给出的定位是从"看清现在"走向"预测未来"，前者把卫星看到的东西翻译成人能读的结论，后者用过去两小时的观测去推未来四小时的云图演变。
台风模型的输入是风云卫星的多通道云图及相关产品，输出是一段结构化的解译文本：台风在哪、结构如何、强度多少、接下来怎么演变。官方称它已形成覆盖7类台风特征、融合20余种卫星实况产品的综合解译能力，每15分钟开展一次解译，27秒即可生成解译文本。
这三个数字放在一起才有意义。风云四号的全圆盘观测本身就是15分钟一次，解译节奏与观测节奏对齐，意味着每一帧新云图进来都能配上一份当期的结构判断；27秒相对于15分钟的间隔几乎可以忽略，业务上等于实时。过去这类分析要靠预报员逐帧看云图、比对历史相似个例，一个人同时盯几个台风时，判断质量会随疲劳下降。
7类台风特征与20余种产品的组合，说明它不是只看一张红外云图。台风的眼睛清不清晰、螺旋雨带对不对称、外围云系有没有卷入干空气、云顶亮温怎么分布，这些信号分散在不同通道与不同产品里，单看任何一个都会漏判。模型的价值在于把这些信号放在一起做交叉验证，而不是替代某一个通道的判读。
强对流模型的任务更硬。它利用风云四号过去2小时的连续观测，预测未来4小时云图的演变，并识别潜在强对流区域。官方把核心创新描述为把云图演变拆成两部分：大系统的整体移动，和小系统的局部生消。前者是平移，后者是生成与消散。
这个拆法符合预报的实际经验。强对流天气的难点从来不是"云会不会动"，而是"哪里会突然长出来、哪里会快速塌掉"。整体移动可以用外推算法拟合，局部生消必须靠对流的物理机制判断，两者混在一个模型里学，很容易学成"把上一帧往某个方向推"的平滑外推，看起来合理但抓不住新生的单体。
把预警时间提前到4小时，是这项能力最直接的业务价值。强对流预警的时间窗口历来很短，冰雹、雷暴大风从生成到影响往往只有一两个小时，乡镇一级的转移、施工停工、航班调整都需要更早的信号。4小时不算长，但足以让应急流程走完一遍。
这个窗口与现行的分级发布流程是错位的，值得单独说一句。国家级指导产品通常在临近12小时给出趋势判断，省级在3到6小时细化落区，市县在1到2小时发布预警信号。模型如果能在4小时给出可用的潜势区，恰好填进省级细化与市县签发之间的空档，不必改动现有的分级制度，也不用新增一个发布层级。
官方举的例子是今年第26号台风"舒力基"。模型自动识别出台风，并对强度、风圈半径、降水特征做了综合分析，为监测预报提供支撑。这个案例本身不复杂，值得注意的是它的呈现方式：除了给出结论，还把依据一起展示出来。
这一点在气象业务里很关键。预报员不会因为模型说"强度将增强"就直接采信，他要看是哪些特征支撑了这个判断，是眼墙置换、还是海温与垂直风切变的条件配合。如果模型只给结论，预报员要么全信要么不用；如果给出依据，他可以把模型的判断与自己的经验对照，取交集或者找出分歧点。
可解释性在消费级AI产品里是加分项，在气象、医疗、金融这类高风险决策场景里是准入门槛。一个不能说明理由的预报结论，即便准确率更高，也很难进入正式的预警签发流程，因为签发的责任在人身上。
以舒力基为例，风圈半径这一项直接关系到海上作业的处置。七级风圈与十级风圈的半径决定了渔船回港的时限、海上平台的撤离批次、航线绕行的距离。这类参数过去多依赖主观估计叠加客观定强方法，模型能把它与结构特征关联起来，一线的动作就有了更明确的依据。
需要清楚的是这类模型的能力边界。卫星看到的是云顶，不是地面。云图演变的预测再准，也不能直接等于降水、风力、冰雹的落区与量级。从云到地面实况，中间还要过雷达反演、自动站观测、地形抬升、边界层条件等好几道关，任何一道缺失都会让结论打折。
这也是为什么它叫"短临预警"而不是"天气预报"。短临的时间尺度在两小时到十二小时之间，主要靠观测外推与对流初生识别，与数值模式的中期预报是两套体系。卫星AI补的是观测密度与判读速度，不是替代物理方程。
从产业角度看，这类模型的意义在于把卫星数据的利用率往上抬了一档。中国的风云系列在轨卫星数量不少，数据是免费开放的，但真正把多通道、多产品用起来的团队一直有限，原因是处理链路长、专业门槛高。把解译这一层做成模型，等于把"会不会看云图"这件事从少数专家手里释放出来，县市级气象台也能拿到接近省级水平的判读结论。
下一步要看的不是模型在发布会上举的例子，而是它在整个汛期的表现：漏报率多少、空报率多少、预报员实际采纳比例多少。这三个数字不进论文，但决定了它能不能真的进入业务流程。