从90年代到如今，人们接触到的气象预测大致可分为三个阶段。

90后小的时候，在每晚七点半新闻联播后，会和家人们准时蹲守在电视机前看天气预报，那时央视的天气预报不可能将全国所有地区的天气都报道出来，只会报道一些省会城市的天气，连地方台也只会报道市级行政区。所以小县城里的市民就只能看距离最近城市的天气，准确度可想而知，这就属于结果型数据服务，不能精确地满足每个人的需求，普通大众只能学会适应这些数据。

进入互联网时代，当人们想知道天气时会选择打开网页，输入当前城市及天气预报的关键词来获取天气信息，准点去电视前蹲守天气预报的人越来越少，你随时随地可以根据搜索的方式主动获取数据，网页也会根据不同人的需求来展现不同的结果。这种服务方式去除了空间的限制，做到了半定制化甚至全定制化，可以从你想看的各种维度展示数据。

如今获取天气预报就更简单了，任何智能手机的主页都会根据你的定位来展示当前城市的天气。这就是个性化定制化的数据服务，自动根据你当前的状态，来帮你从海量的数据中筛选出来可能对你有用的数据。

甚至有些气象软件，还会在明天有暴雨的时候主动提醒你出门带伞，降温的时候提醒你多穿衣物。

随着智能化时代的到来，人们依托各种先进技术手段建立起各种预测天气的方式，AI作为新兴技术也在气象预测领域日渐活跃。

气象预测与AI有着天然的耦合关系，研究气象需要大量资料，而AI天生是处理大数据的工具；现有资料的数据密度不够，而AI技术却有根据不完全信息推断的能力。当AI遇上气象预测，可以总结专家知识经验，提高平均预测水平。

随着人造卫星和气象模型的强大化，面临海量的数据，气象人员借力AI来处理气候问题。

一方面，基于深度学习来识别那些曾经由极富经验的专家来判断气候的模式，包括热带气旋、大气流以及天气锋面等，这也表明了算法是可以复制人类经验的。

另一方面，通过使用AI系统来对不同的气候模型进行排序筛选，并通过实际数据和模型气候数据来识别飓风等极端天气。

从气候预报的演进过程来看，从曾经的定性预报、描述性预报到如今的数字化、格点化预报。

以北京为例：以前的预报仅仅以南郊观象台这一个点的气温、降水等来代表整个城市气候情况，经过网格化预报，北京的气候不再由一个定点来反映，而是精密到每个不同的网格之中。

AI加持下的智能网格化预报，就宛如地球上的经纬网，将我国每个城市的区域分解成许多个5公里×5公里、乃至1公里×1公里的网格，进行每个网格的差异化监测。不仅让预报更加精准，还增加了更为详尽和丰厚的预报内容，从本来的气温、风力和气候现象细化到基本要素、环境气候要素、灾害性气候要素、海上气候要素等四大类18个气候要素。