Advice Columnist

【IT事務所】AI 如何預測及對抗超強颱風

在全球氣候變遷的背景下, 超強颱風的頻率和強度正逐漸增加, 帶來嚴重的破壞性影響, 如颶風、暴雨、洪水和風暴潮。傳統氣象預測方法雖然有效, 但往往受限於計算複雜度和時間延遲。近年來, 人工智能（AI）的崛起為颱風預測和災害應對提供了革命性的工具, 能夠處理海量數據、提升預測準確率, 並輔助決策過程。

AI 技術主要透過機器學習和深度學習模型, 從歷史氣象數據、衛星影像、雷達觀測和自動遙測系統中提取模式, 從而預測颱風的形成、路徑、強度、規模和形狀, 與傳統數值預報模型相比, AI 模型不僅計算速度更快, 還能處理更複雜的非線性關係, 提高預測的可靠性, 例如谷歌 (Google) 開發的GraphCast模型, 能夠在氣候變遷時代下更準確地捕捉颱風系統的複雜性, 利用歷史數據訓練以應對未來的不確定性。該模型生成多種可能情境, 遠超傳統方法的效率。另一項研究顯示, AI在預測熱帶氣旋時, 能夠整合衛星、氣象和海洋數據, 預測快速增強（Rapid Intensification）, 這是傳統模型的弱點。

在亞洲地區, 台灣中央氣象署（Central Weather Administration）已採用AI軟體來預測颱風路徑。該軟件透過學習歷史天氣數據, 分析氣象系統的因果關係, 能夠快速生成預測結果, 例如在2024年颱風「貝碧嘉」逼近時, 台灣氣象單位使用AI提升了路徑預測的精準度, 準確率比傳統模型高近20%。分析顯示, 這得益於AI如NVIDIA支援的軟體, 能夠處理數百個天氣變量, 僅需幾分鐘完成預測, 特別適用於西太平洋颱風季節。

香港天文台（Hong Kong Observatory）也積極探索AI應用, 自2024年起評估多款模型, 包括華為的Pangu-Weather。 2025年, 天文台表示AI預測已超越傳統方法, 並計劃擴大使用以預測極端天氣, 如颱風「悟空」事件中, AI模型預測了更偏西的路徑, 結果比傳統電腦模型更接近實際情況。分析Pangu-Weather：這款模型由華為開發, 使用深度學習處理全球大氣數據, 在東亞和西太平洋地區評估中, 與FourCastNet v2、GraphCast、FuXi和FengWu等AI模型相比, 在根均方誤差（RMSE）和異常相關係數（ACC）指標上表現優異, 特別在預測颱風軌跡和強度時, 解析度雖有限, 但能補充區域模型的不足。坊間常引用Pangu因其開源性和高效能, 適用於氣象機構的運營預測。

此外, 微軟 (Microsoft) 的Aurora AI模型在預測颱風和沙塵暴等極端天氣時, 速度可達傳統方法的5000倍。在14天預測期內, 它在91%的案例中優於現有系統, 包括颱風的強度和路徑。分析Aurora：這款基礎模型不僅專注天氣, 還延伸到環境預測, 使用較少能源和計算資源, 在追蹤颱風如Doksuri時, 四天前即精準預測登陸路徑, 超越美國國家颶風中心等傳統系統。坊間討論中, Aurora常被視為革命性工具, 因其在10天預測中勝過歐洲模型92%的時間。

谷歌(Google) DeepMind的Weather Lab和GenCast模型則是另一熱門選擇, 能預測颱風形成、軌跡、強度、規模和結構, 最多提前15天生成50種情境。分析顯示, 這些模型在快速增強預測上優於全球模型, 如在颱風Ragasa中捕捉到系統性偏差。坊間常引DeepMind因其與美國國家颶風中心的合作, 2025年已用於實時預測, 提升災害準備。

歐洲中期天氣預報中心（ECMWF）的AIFS模型於2025年正式運營, 是首個全面使用機器學習的開放模型, 涵蓋最廣參數範圍。分析AIFS：它在混合AI-物理模型中表現突出, 如上海颱風模型在2025年颱風Danas中, 軌跡誤差低於ECMWF系統。坊間評價其為運營級工具, 適合氣象台整合大數據。

其他坊間常引模型如FuXi和FengWu, 在亞洲颱風預測評估中, 與Pangu等並列, 提供高準確率, 但需注意解析度限制, 建議與區域模型結合。這些AI的優勢在於整合大數據, 降低能源消耗和成本, 使氣象預報更具可及性。

預測僅是第一步, AI在對抗超強颱風時, 更能發揮作用於災害風險管理和應急響應。透過大數據分析, AI能夠模擬颱風帶來的次生災害, 如洪水、土石流和基礎設施損壞, 並優化資源分配和疏散計劃, 例如AI系統能處理大氣條件的大量數據集, 生成比傳統數值方法更快的預測, 從而輔助政府和救援機構制定防災策略。在極端天氣應對中, 科技巨頭如谷歌和微軟的AI工具已被用於預測颱風引發的降雨和風暴潮, 幫助社區提前準備。 DeepMind的模型不僅預測颱風軌跡, 還能評估其對特定地區的影響, 如風速和降雨量, 提供高解析度的全球預報。

香港天文台在2025年記錄破紀錄降雨後, 承諾增強AI模型以更好地預測颱風影響。台灣則在颱風Gaemi中使用AI模擬洪水風險, 優化疏散路線。分析顯示, 這些應用整合社交媒體數據和感測器網路, 減少人員傷亡。此外, AI在後災重建中也能發揮作用, 透過影像識別評估損壞程度, 加速保險理賠和資源分配。

儘管AI帶來巨大益處, 但挑戰仍存, 如模型依賴歷史數據可能無法完全捕捉氣候變遷下的新模式, 以及數據隱私和倫理問題。因此, 專家建議將AI與傳統方法結合, 形成混合預測系統, 如AI驅動的WRF模型, 在颱風強度預測上優於全球數值模型。

總括而言, AI 已成為對抗超強颱風的關鍵武器, 從預測到應對階段都展現出高效和精準的優勢。天文台如香港和台灣的應用, 以及坊間常引的Pangu、Aurora、GraphCast等模型, 透過介紹和分析顯示其在提升準確率、速度和可及性上的潛力。隨著技術進步, 如更強大的神經網路和實時數據整合, AI將進一步提升人類對極端天氣的應對能力。未來, 全球合作推動AI在氣象領域的應用, 將有助於減少颱風帶來的損失, 保護更多生命和財產。在氣候變遷的挑戰下, AI不僅是工具, 更是希望的來源。

梁偉峯

擁有工商管理博士及三個碩士學位，從事資訊科技超過三十年，現為香港理工大學專業進修學院講師及課程總監、香港零售科技商會副會長、香港互聯網論壇副會長、亞洲域名爭議解決中心專家名冊成員、香港調解資歷評審協會認可綜合調解員、英國特許仲裁學會（東亞分會）委員、學術及職業資歷評審局學科專家、香港、新加坡及英國電腦學會資深會員、英國特許市務學會資深會員、國際扶輪3450區中環海濱扶輪社創社社長。

Keep reading

Related career advice

Advice Columnist

【中小企實戰】企業「出海」拓版圖，IT系統也要跟着走出去嗎？

企業走向國際市場，早已不再是跨國巨頭的專利。特區政府於去年特別成立「內地企業出海專班」，並於今年3月推出專屬門戶網站與跨界別服務平台，涵蓋金融、法律、物流及通訊科技等八大領域，全力支援企業以香港為跳板發展海外業務。官方數據更顯示，內地目前有逾 5,000 萬家中小企業，許多正積極探索海外商機，期望藉此拉大業務版圖、打響品牌名聲並分散單一市場風險。在這波滔滔不絕的「出海」大潮中，筆者作為 IT 業界的一份子，認為非常值得大家共同思考一個核心議題：香港企業走出去，IT系統是否也要一起走出去？ IT 系統出海：真正的關卡不在於技術香港許多 IT 服務商本身也屬於中小企，資源相當寶貴。要把業務推向海外，除了產品本身的研發，還牽涉到人手安排、在地銷售、售後維護及營運開支。若在未摸清當地真實需求前，就冒然投入鉅資搭建海外團隊，盲目擴充的風險極高。另一個極其棘手的現場考驗，正是「水土不服」。一套在香港本地大獲好評的系統，換個市場未必能直接照搬套用。當地客戶的作業流程、採購習性、法規限制，乃至對服務品質的期待，都可能迥然不同。缺乏對在地文化的切身理解，推行新項目時定會困難重重；如果你的成功故事都只是在香港，這樣要做出成績，要花很長時間和金錢。更關鍵的是，做 B2B 商業模式極度依賴人脈與信任。初來乍到一個陌生環境，就算技術再頂尖，缺乏在地網絡也很難拿到第一個客戶的信任票。因此，香港 IT 企業在打算「出海」時，萬不能只單向思考「我們具備甚麼技術」，而是要逆向問自己：「當地客戶究竟需要甚麼？」拒絕單打獨鬥：借力 Partner 才能走得穩健筆者非常推崇且一貫倡導的策略，是尋找深刻理解當地市場的在地企業進行深度合作。Partner（合作夥伴）為你帶來的，絕不僅僅是一條銷售渠道，更是極其珍貴的在地人脈、實務營運經驗與文化洞察。商場上從來沒有包賺不賠的生意，特別是對資源有限的中小企來說，善用 Partner（合作夥伴）模式絕對是降低營運風險的核心智勝策略。再者，做生意絕不止於研發好產品，成功關鍵很大程度取決於 Sales & Marketing（市場推廣與銷售）。若缺乏足夠的 Sales & Marketing 投入，就算產品再頂尖也是枉然。試想當你置身於一個完全陌生的海外市場，既無在地人脈、又缺乏品牌歷史與市場信任度，商業效益必然會「大打折扣」。因此，前期在市場推廣）、生產與銷售渠道上的資源部署，對於爭取接觸潛在客戶而言，起着至關重要的決定性作用。另一個不容忽視的實戰關鍵，在於產品於當地所產生的實際產值。我們從事 IT 系統開發與方案的本質，說到底就是幫客戶創造價值（不外乎是增加收入、省下營運成本或降低人為錯誤率）。然而，若系統搬到海外後無法發揮相應的經濟效益，自然就很難敲開市場大門。特別是進軍東南亞等新興市場時，由於當地生活水平與人工成本普遍較低，企業若打算以 IT 系統取代人力，就必須精準評估系統所創造的產值與效率增幅，是否真的能切合當地的成本結構與市場承受力。在合作架構上，企業完全不必在一開始就下重本設立海外分公司，可以佔新公司 30% 或以下即可，抑或採用按項目的技術合作、共同開發、代理分銷，甚至技術入股等靈活彈性的形式。先透過輕量化方式測試市場水溫，再依據後續表現評估是否追加投資。這樣既能緩解資金運用壓力，也能讓團隊在實戰中逐步摸清在地需求。而挑選 Partner 的核心條件，最主要是看其是否具備豐富的 B2B 生意經驗。政府近期大力推動的「出海全球通」，正正是透過串聯跨領域專業服務與海外網絡，幫助中小企做好出海前的萬全準備，並精準對接合適的在地夥伴。帶到海外的不是產品，而是「解決問題的能力」筆者投入 IT 解決方案領域踏入第 40 個年頭，深刻體會到客戶需要的從來都不是單純的軟件或硬件，而是一整套從需求訪談、系統規劃、部署落地到後續維運的一站式解決方案。以我們團隊過去推廣 RFID、資產管理及各類智慧化方案的經驗來看，不同地區的應用場景與客戶痛點往往差天共地。因此，真正值得我們「帶出去」的，應是技術背後那套「解決問題的能力」，並因應當地的具體環境與作業習慣進行全面重新調整。香港 IT 企業要邁向國際，IT […]

Advice Columnist

【職場心理學】客戶是願意買這件產品的，如何令他選擇跟「你」買？

每天準時赴約，備好精心設計的計劃書，用最清晰的圖表解釋保障缺口、回報率、通脹風險—— 對很多保險顧問和理財規劃師而言，這是一個再熟悉不過的工作日常。但有一個問題，很少人會在百忙中停下來認真問自己：客戶為什麼選擇了你？是因為你的專業知識？還是只因為某一天，你剛好出現在他的生命裡？曾有學員問我：「YY姑娘，我每次見客都準備充足，計劃書也設計得很詳細——但客戶最後總是說『再考慮一下』，然後就沒有消息了。我到底哪裡出了問題？」我沒有立即給他答案。我反問了他一個問題：「你上一次見那位客戶，談話的重心，是放在他這個人身上，還是你要介紹的產品上？」他沉默了一會兒。這不是一個叫人難堪的問題。這是一個值得誠實面對的問題。表層熱情，還是真實在場？社會學家 Arlie Hochschild 在其經典著作中提出「情緒勞動」（Emotional Labour）的概念，將服務業從業員的情感表現分為兩種模式：表層扮演（Surface Acting）——即管理外在表情與行為，令自己「看起來」投入；以及深層扮演（Deep Acting）——真正嘗試調動內在感受，真心在意眼前的人（Hochschild, 1983）。我有時會在人際溝通實戰班中，請學員回想兩段截然不同的對話經歷：一次是感到「被真心聆聽」，另一次是察覺到「對方只是在演」。幾乎所有人都能毫不猶豫地說出兩者之間的感覺差異——即使他們當時未必能清楚道出哪裡不同。這個感知能力，你的客戶同樣擁有。近年神經科學的研究進一步印證了這一點。一項刊登於 Frontiers in Neuroscience 的實地研究，在兩間奢侈品零售店測量了銷售員服務客戶時的神經投入度（Neurological Immersion），發現銷售員的峰值投入度能有效預測客戶的消費金額，且兩者呈線性正相關（Rancati et al., 2025）。換句話說，你有沒有真正在意眼前的人，不只是態度問題，而是大腦信號的問題。客戶的直覺，往往比我們以為的更準確。每個客戶，都活在自己的世界裡人本心理學家 Carl Rogers 提出現象學（Phenomenology）的視角：每一個人都活在自己獨特的主觀世界裡，有他自己對安全感、對未來、對風險的詮釋（Rogers, 1961）。你可以對通脹數據倒背如流，可以把保障缺口計算得精準無誤——但如果你從未真正嘗試進入客戶的主觀世界，了解他真正憂慮的是什麼、他的成長背景如何塑造了他對金錢的態度、他此刻的人生正處於什麼階段——那麼你的每一個建議，對他而言都只是一個外人的猜測。即使是一份完美的計劃書，也只是一份猜測。我曾在決策心理學課中分享過一個概念：人們在作出重要決定時，理性分析往往只是最後一步。在那之前，他們已經在問一個更根本的問題——「我信任這個人嗎？」如果答案是否定的，再精準的數字也難以打動人心。三個指標，讓你誠實評估自己以下三點，不是來自銷售訓練手冊，而是來自心理學對真實信任關係的研究定義。不妨對照自己：客戶在沒有被詢問的情況下，主動分享自己的生活狀況和憂慮；當他們面對重要的財務或人生決定時，你是他們第一個聯絡的人；他們願意把家人或朋友介紹給你——不是因為有好處，而是因為他們信任你這個人。如果以上三點，你能做到的寥寥無幾，值得誠實問自己的是：你和客戶之間，究竟是真正的顧問關係，還是只是一段買賣關係？這不是批評。這是一個邀請——邀請你重新思考，你在這份工作中，真正想成為誰。停下來，問自己兩個問題你最近一次與客戶見面，談話的重心是放在他這個人身上，還是你要介紹的產品上？你有多少客戶，在沒有任何利益關係的前提下，仍然願意主動找你說話？這兩個問題，沒有標準答案。但答案的方向，也許比任何銷售技巧培訓都更值得你花時間思考。真正長遠的業績，從來不是靠話術建立的。它的根基，是對「人」的深度理解——包括你自己，和你對面的每一位客戶。參考資料 Hochschild, A. R. (1983). The managed […]

Advice Columnist

【職場 Hacker】揭開職場破局的秘密——SMI 框架（下）

上週，我們分享了 SMI 框架的第一層：SCAN 層——如何診斷你的職場現狀。很多讀者完成了 SCAN 評估，找出了自己的職涯轉型原型。但接下來，大家都問了同一個問題：「我知道問題在哪裡了，但我該怎麼做？」這就是今天要分享的內容：SMI 框架的第二層和第三層——MAKER 層（如何系統化地行動）和 IMPACT 層（如何驗證成效）。如果說 SCAN 層是「診斷工具」，那麼 MAKER 層就是「行動引擎」，IMPACT 層就是「成效儀表板」。這三層形成了一個完整的閉環系統。 MAKER 層：五個行動維度 MAKER 層包含五個核心維度，每個維度對應一個子框架： M = Map（路線圖）→ PATH 框架第一個維度是「路線圖」，幫助你創建清晰、可執行的職涯路線圖。 PATH 框架包含四個要素： – P（Purpose，目的）：定義你的核心目的和價值觀 – A（Aspiration，志向）：設定具體、可衡量的職涯目標 – T（Terrain，地形）：評估環境和識別障礙 – H（Horizon，視野）：擴展視野與邊界，明確長中期方向 A = Allies（人脈班底）→ WEB 框架第二個維度是「人脈班底」，幫助你建立策略性的支持網絡。 WEB 框架包含三個要素： – W（Who，誰）：識別關鍵利益相關者（燈塔、盟友、倡導者、連結者） – E（Exchange，交換）：定義價值交換和互惠 – B（Bridge，橋樑）：建立跨越不同社交圈的橋樑 K = Kaizen（持續改善）→ […]