短时强对流天气预报长期以来是气象工作的难点。
由于这类天气具有突发性强、影响范围局地、能量释放集中等特点，往往难以提前预测，极易诱发洪涝、泥石流、滑坡等次生地质灾害，对人民群众生命财产安全构成严重威胁。
特别是在贵州等山地地形复杂的地区，短时强对流天气预测面临更大挑战。
传统气象预报主要依靠两种方法。
一是物理数值预报，基于大气方程组进行计算，但这种方法计算速度慢、参数适配困难；二是光流外推法，根据历史云层运动轨迹推测未来变化，但对突发性、局地性天气的预测能力较弱，特别是对山地地区突然生成消散的对流云难以准确捕捉。
这些局限性使得气象工作者在防灾减灾中的决策支撑不够充分。
破题的关键来自于一场政企产学研的深度合作。
贵州电信与省气象局合作基础深厚，2023年贵州电信承建了贵州应急行业首个100%国产化气象高性能算力中心。
2024年初，国际视频生成技术的突破给了研发团队重要启发。
气象雷达每6分钟对大气进行一次扫描，生成的时间序列数据本质上就是"气象视频"——每张雷达回波图像代表地面1千米×1千米区域的气象特征，像素数值反映云层厚度和降水概率。
这一发现促使团队产生了将视频生成技术跨域迁移到气象预报领域的创新思路。
由蒲石领衔的研发团队随即开始自主攻关。
他们采用类似国际先进视频生成模型的扩散Transformer架构进行创新改造，构建了一个能够输入过去数小时雷达回波序列、直接输出未来两小时预测序列的大模型。
该模型的核心优势在于让人工智能从大量历史"气象视频"中学习云层生消、移动的真实物理规律，而不是简单的外推或数值计算。
仅用不到两个月时间，团队就在国际权威气象数据集上验证了技术路线的可行性。
研发过程中，团队面临两大主要挑战。
一是数据质量问题，原始气象数据存在缺失和噪声干扰；二是训练数据量有限，难以支撑大模型充分学习。
为此，团队创新性提出了"双重位置编码"技术方案。
这一方案使模型不仅能够学习气象运动规律，还能够"认识"不同地理区域的特征差异，确保对贵州本地复杂气象场景的精准适配。
同时，团队与省气象局联合完成了原始数据的全面清洗和严格质控工作，并通过引入多源气象数据扩充训练样本。
此外，团队完成了国产化GPU的适配工作，实现了轻量级部署，使模型单次推理响应时间控制在3分钟以内，完全满足业务实时性要求。
该大模型已成功接入多个重要应用场景。
在气象服务领域，已集成到贵州省气象服务中心的"黔气象"小程序"雷达探雨"功能中，为公众提供更精准的短时天气预警。
在航空领域，模型为空中交通管制提供强对流天气的位置和强度预报，使航班调度决策更加科学，提前几十分钟获知恶劣天气信息对航班安全至关重要。
在铁路运输领域，模型预报结果已接入铁路业务系统，为列车运行调整提供决策支撑，大幅提升了运输安全性和效率。
这一成果标志着我国在气象预报领域的自主创新能力取得显著进步。
模型在国际权威数据集和本地数据上的测试均显示预测精度达到世界先进水平，打破了长期以来短时强对流天气预报精度低、时间短的瓶颈，为防灾减灾工作提供了有力的科技支撑。
从被动应对到主动防御，贵州短临气象大模型的成功实践，不仅标志着我国在高端气象技术领域的自主突破，更展现了科技创新与民生需求深度融合的巨大潜力。
在气候变化加剧的背景下，这项"气象哨兵"技术的持续进化，将为筑牢安全发展屏障提供更坚实的科技支点。