暴雨真正來臨時，防汛一線最缺的是什麼？

可能不是數據，而是時間。

一場雨從天上落下來，要變成“洪峰什麼時候到”“水庫要不要提前泄洪”“群眾什麼時候轉移”的判斷，中間要經過氣象預報、水文模型、實時監測、專家研判等多個環節。過去，這條鏈路往往很長﹔如今，人工智能正在嘗試把其中一些環節不斷壓縮。

在福州溪源溪流域數字孿生平台演示現場，工作人員輸入一句“降雨對水庫有什麼影響”，系統便自動完成演算，給出常規泄洪、提前預泄兩套方案，並對泄水量、閘孔開度等逐項推演。

從一個月到一分鐘，從固定預報到5分鐘更新，從提前15分鐘研判到30分鐘預警……AI進入防汛防台一線，正在爭奪的，始終是時間。

水利行業有一個專業名詞：“率定”（通俗來講，就是“校准”）。

以經典的新安江模型為例，16個參數彼此關聯。過去，水文專家要根據經驗設定初值，反復試算、等待結果，再調整參數，一個模型率定往往需要數天甚至一個月。

更大的問題是，河道、河床以及人類活動都在變化，模型參數也需要持續修正。長期從事水利信息化的四創科技有限公司，嘗試用混合優化算法替代大量人工試錯，讓機器根據最新場次洪水數據不斷迭代。

“以前率定靠人工不斷試錯，跑一次、等一次結果﹔現在機器設定目標后自動迭代。”四創科技研究院院長黃敏說。

率定周期由此縮短80%以上，從數天壓縮到分鐘級。

“老水利人越來越少了。”黃敏說。這意味著，AI解決的不只是效率問題，也在幫助一個依賴長期經驗的行業，把分散在專家大腦裡的知識逐步沉澱為可調用的系統能力。

“要做到心中有數”，四創科技企業展廳的這句標語，正是防汛防台從“憑經驗”走向“靠數據”的生動注腳。人民網記者 陳藍燕攝

一場降雨要真正進入防汛決策，還需要完成一次“翻譯”。

“氣象預報不會直接告訴你一個具體的量，隻會告訴你小雨、中雨、大雨，需要你自己去理解。”黃敏說。

四創科技研發的短臨預報模型，採用“1公裡×1公裡”網格，每5分鐘更新一次，滾動預報未來兩小時降雨。

但AI並沒有因此變成“預言家”。四創科技AI與大數據部經理王文山坦言，受預測機理等因素影響，半小時以后的預報不確定性會明顯增加，半小時以內准確率約為80%~85%。

這反而揭示了產業AI的另一種價值：不是消除不確定性，而是更快面對不確定性。

預測不夠准確，就增加更新頻率﹔新的信息出現，就及時修正判斷。5分鐘一次，不只是一個技術指標，更是在縮短信息進入決策鏈條的時間。

如果說算法在后台與時間賽跑，設備則直接站在災害現場。

一款AI遙測終端，可以根據過去24小時雨量數據及短臨預報數據等進行自動分析，預測未來15分鐘降雨量。

“這15分鐘對人員轉移至關重要。”四創科技產品經理陳固煟說。

更棘手的是，災害來臨時，電力、通信也可能中斷。因此，這款邊緣設備具有小算力、低功耗、太陽能供電等特點，保証在極端環境下連續工作。

再往前一步，技術還要抵達村庄。入戶報警器採用雙端協同架構與公網/物聯網雙模通信，突破“三斷”極端場景下的預警瓶頸。支持一鍵群發警報，自動提醒群眾轉移﹔針對部分老人聽不懂普通話的問題，基層干部還可以提前錄制方言播報。通過預警觸發-響應確認閉環機制，切實解決預警信息“到戶難”問題。

到最后，復雜的模型、算法和數據，可能隻剩下一句話：“水要漲了，趕緊撤。”

技術走得越遠，落到防災減災“最后一公裡”，表達反而越朴素。

把這些變化串起來，會發現，AI進入防汛防台，並不是一個大模型包打天下。

一台AI遙測終端機，可以預測未來15分鐘降雨量。人民網記者 陳藍燕攝

在設備端，它是“哨兵”，負責感知和預警﹔在算法端，它是“參謀”，承擔計算、校准和迭代﹔在平台端，它更像“翻譯官”，把復雜的專業系統轉化成自然語言。

真正有效的行業AI，或許不是讓一個模型越來越“全能”，而是讓不同的AI能力進入系統不同的位置。

“模型做得准，我們也只是作為‘參謀’。”黃敏說。

在防汛防台這樣容錯率極低的領域，AI首先要承認自己的邊界。它無法消除自然的不確定性，也無法代替專業人員承擔最終決策責任。

“專業的人不能被替代，但專業的人可以把更多時間花在關鍵決策上。”四創科技副總經理陳博嘉說，AI真正改變的，不是自然規律，而是人面對不確定性的方式：讓信息來得更快，讓模型算得更快，讓預報更新得更密，讓一線多出幾分鐘甚至幾十分鐘。

這或許也是觀察AI產業化的一個重要視角。

大模型只是起點。真正決定AI能走多深的，是它能否進入一個行業真實運行的系統，把數據、設備、模型、專業知識和人的經驗重新組織起來。

防汛防台只是一個縮影。

當越來越多AI從屏幕走向工廠、港口、電網、農田和城市治理，真正值得關注的，也許不只是AI“會什麼”，而是它究竟能為真實世界解決什麼問題。