近日，中国科学院海洋研究所人工智能海洋学研究组、海洋热力学过程与气候变化研究组在Science Bulletin在线发表最新研究成果，提出全球海洋智能预报大模型“琅琊”（LangYa）的技术框架和方案。该模型面向全球海洋温度、盐度和三维流场，构建了融合跨时空演变、大气强迫和温跃层物理特征的统一预报框架，可由单一模型在1/12°空间分辨率下生成未来1~7天的全球海洋状态预报。

全球海洋预报是海洋科学研究、资源开发和灾害预警的重要基础。传统数值模式计算成本较高，而现有人工智能海洋预报系统多采用逐日递推或多个子模型组合，容易产生误差累积和多变量一致性不足等问题；同时，大气与海洋数据常被简单拼接，难以充分刻画大气强迫对海洋过程的异步影响，温跃层的强垂向梯度也长期制约预报精度。

针对上述难题，“琅琊”提出四项关键设计：利用基于大语言模型的时间嵌入显式表征不同预报时效，使模型无需逐步递推即可直接生成指定时效结果；采用异步交叉迭代随机采样策略，刻画大气对海洋状态变化的驱动作用；构建基于余弦注意力的海洋自注意力模块，提高高维全球数据训练的稳定性和收敛效率；设计面向温跃层的自适应损失函数，强化对海洋关键垂向结构及其演变的学习。

“琅琊”使用1993~2019年共27年的GLORYS12全球海洋再分析资料和ERA5大气资料进行训练，并以2020~2021年数据开展测试。模型可统一预报32个深度层上的温度、盐度及纬向和经向流速，共128个海洋状态变量。结果显示，“琅琊”7天全球预报的纬向流速、经向流速、温度和盐度均方根误差分别低于0.0736 m/s、0.0701 m/s、0.4376 ℃和0.1302 psu；与现有开源人工智能海洋预报系统及独立观测资料对比，“琅琊”在多变量统一预报、预报时效稳定性和温跃层刻画方面表现出良好竞争力。

图1 琅琊全球海洋智能预报系统框架

该研究为构建可泛化、可扩展和可业务化的全球海洋智能预报系统提供了新的技术路径，可为海洋环境监测、气候研究、海洋资源管理和灾害预警提供高效支撑。当前版本聚焦1~7天短期海洋预报，后续将拓展长时效及具体海洋气象现象预报。

论文第一作者为中国科学院海洋研究所杨楠副研究员，通讯作者为王凡研究员和李晓峰研究员。研究获得国家自然科学基金、中国博士后科学基金和中国科学院海洋科学数据中心等支持。

论文信息：

Nan Yang, Chong Wang, Zimeng Zhao, Meihua Zhao, Huiling Zheng, Bin Zhang, Fan Wang*, Xiaofeng Li*. (2026). LangYa: a large AI model for global ocean forecasting. Science Bulletin. DOI: 10.1016/j.scib.2026.08.001