Chinas Wetterdienst startet globales Open-Source-Programm für 'Fenghe'-KI-Modell
Chinas Meteorologischer Dienst hat sein KI-Modell 'Fenghe' veröffentlicht und ein globales Open-Source-Programm gestartet. Das Modell zielt darauf ab, Wetterdienste und Katastrophenschutz zu verbessern.

Chinas Meteorologischer Dienst (CMA) hat eine globale Open-Source-Initiative für sein KI-Modell 'Fenghe' gestartet, das als weltweit erstes wetterbezogenes großes Sprachmodell mit über hundert Milliarden Parametern angekündigt wurde. Diese Ankündigung erfolgte auf der Weltkonferenz für künstliche Intelligenz (WAIC) am 17. Juli.
Das 'Fenghe'-Modell, das in Zusammenarbeit mit Institutionen wie dem Xiong'an AI Innovation Research Institute und ZhiPu entwickelt wurde, soll den Einsatz von KI im meteorologischen Dienst verbessern und die globale Zusammenarbeit bei der Katastrophenprävention und nachhaltigen Entwicklung unterstützen. Es ist darauf ausgelegt, intelligente Unterstützung für Wetteranalysen, Risikobewertungen und Dienstleistungen zu bieten.
Das Modell wurde auf einem Datensatz von über 50 Millionen Tokens hochwertiger meteorologischer Servicedaten und autoritativer Informationen trainiert. Das CMA hat die vollständigen Modellgewichte und standardisierten API-Schnittstellen auf Plattformen wie GitHub und Hugging Face öffentlich zugänglich gemacht. Dies ermöglicht die Integration des Modells in verschiedene Anwendungen, einschließlich mobiler Apps und Mini-Programme.
'Fenghe' unterstützt derzeit nationale meteorologische Dienste und bietet der Öffentlichkeit in China personalisierte Wetterinformationen und Risikowarnungen. Eine internationale Version, die sowohl Englisch als auch Chinesisch unterstützt, ist bereits in das Frühwarnsystem 'Mazu' integriert und bietet globale Benutzer intelligente Frage-und-Antwort-Funktionen, Wetterabfragen und Risikoanalysen.
Mit dieser Initiative strebt das CMA die Schaffung eines offenen Ökosystems für meteorologische KI an. Die globale Gemeinschaft kann das Modell nutzen, um neue Risikoprodukte zu entwickeln, komplexe Warnungen in verständliche Formate zu übersetzen und sie mit anderen Sektoren wie Transport und Energie zu integrieren, um so Frühwarnsysteme zu stärken.