准确及时的天气预报对于增强全球防灾能力至关重要。近年来，基于人工智能的天气预报致力于重构整个数值天气预报流程，以提高数据同化和预报的效率与准确性。然而，当前基于人工智能的系统生成的分析场精度不足，导致其预报性能落后于领先的业务化数值天气预报。此外，这些系统完全依赖数值再分析数据集作为学习目标，其生成的分析场不可避免地继承再分析数据集的偏差。在此，我们推出了 FuXiWeather2，这是一个基于人工智能的天气预报系统，能够在0.25°空间分辨率下提供准确的大气状态估计和全球预报。通过在循环展开的训练范式中直接针对真实世界观测数据优化分析场生成，并纳入模拟的历史数据以缓解观测分布偏移，FuXiWeather2 产生高质量的全球分析场，在对流层低层和地面变量上超越了领先的数值模型。在这些高质量分析场的驱动下，我们的10天预报在91%的变量与预报时效组合中优于最先进的数值模型。此外，该系统显著改善了热带气旋路径预测，并实现分钟级的运行延迟。该框架标志着纯人工智能天气预报系统的关键进步，为快速、准确的全球气象服务提供了业务运行的解决方案。
 

Artificial Intelligence,data assimilation,weather forecasts