研究背景
AI 天气大模型（GraphCast、盘古、风乌等）在中期预报上已超越数值模式，但天气与气候之间存在尺度鸿沟：天气预报管两周内的确定性演化，气候模拟管数十年的统计趋势——AI 模型能否跨越这个尺度是当前地球系统科学的核心问题。
方法与核心内容
这篇开放获取文章系统梳理了 AI 模型在两个尺度上的进展与缺口：天气端的混合预报已业务化，气候端则面临训练数据的时间深度不足与外推到未见证气候态两大挑战。文章讨论了将天气训练的模型迁移到气候应用（季节预测、极端事件归因）的路径。
结果与意义
结论指向一个务实判断：天气与气候的桥接需要物理约束、机器学习、观测网络升级三位一体，纯数据驱动在气候时间尺度上不可行。文章同时给出了社区路线图与研究优先级。
我们的观点
我把这篇文章当作 AI 气象热的清醒剂，也是本站仿真方向天气大模型精读（GraphCast、盘古、风乌）的续章。它确认了我此前的判断：AI 模型在天气尺度的成功不可平移到气候尺度——气候是分布漂移的极端情形（地球正在离开历史数据覆盖的范围）。
对国内读者的提示：中国气象大模型（盘古、伏羲、风乌）的竞争焦点应从预报指标刷榜转向气候应用的可信度验证——这是下一阶段国际竞争的制高点，本文给出了路线图。