当前，气象信息正从“给出预报”向“提供决策建议”加速转变。
随着出行、赛事、能源调度等对气象敏感型场景不断增多，公众与行业用户对服务的期待不再停留在“晴雨温度”层面，而是更关注“对我有什么影响、该怎么做、风险在哪里”。
在这一需求牵引下，中国气象局生成式气象服务语言模型“风和”正式上线，标志着我国气象服务从传统信息供给向面向任务的智能化供给迈出重要一步。
问题在于，过去的气象服务体系虽然数据权威、预报能力持续提升，但在“最后一公里”的表达与应用上仍存在结构性挑战：一是信息产品偏通用，难以覆盖多行业、多岗位的细分决策链条；二是专业知识复杂，普通用户难以将预报术语转化为行动方案；三是业务场景多变，人工编制报告成本高、响应速度受限；四是跨部门、跨平台的数据调用和工具衔接不足，难以形成从数据到决策的闭环。
面对这些问题，构建能够理解需求、调用数据、输出方案的智能化气象服务体系，成为提升服务效能的现实选择。
原因在于，气象服务的核心竞争力不仅是观测预报，更是对海量权威数据、业务规则与行业经验的组织能力。
研发团队由中国气象局公共气象服务中心、雄安气象人工智能创新研究院联合清华大学等单位组成，围绕“专业性、可控性、可用性”进行系统攻关。
其一，在数据与知识底座方面，团队将海量气象资料进行结构化处理，形成约5000万词元的高质量气象服务语料库，并构建49万条场景化问答指令集，为模型学习专业表达、服务规范和应用逻辑提供基础。
其二，在能力塑形方面，通过知识增训与场景微调，使模型既具备气象基础理解能力，又能贴近业务决策需求，更好把握用户意图与任务边界。
其三，在输出质量方面，引入深度推理能力，强化模型在复杂情境下的逻辑推演与风险研判，使其生成的建议更符合专业工作流程。
其四，在落地方式上，面向旅游、交通、能源等典型领域搭建智能体，通过多智能体协同实现任务拆解、能力互补与快速生成报告，并配套建设数据接口工具与个性化工具，形成可调度、可扩展的服务架构。
影响正在逐步显现。
一方面，服务更“贴近人”。
用户不仅能询问明日风速、穿衣建议、赏雪路线等日常问题，也可获得更具可操作性的提示与解释，降低专业门槛，提升服务可达性。
另一方面，服务更“支撑行业”。
能源电力对风光出力、负荷预测与安全运行高度敏感；交通运输需要面向道路结冰、低能见度、强对流等风险进行提前处置；旅游出行关注舒适度、景观条件与安全边界。
可定制的智能服务有望提升行业防灾减灾与运营调度效率。
实践层面，“风和”已在多地气象部门落地应用，并在大型赛事保障中接入地方小程序开展服务，显示出与现有业务系统融合的潜力。
对策上，要推动这类能力从“单点示范”走向“体系化供给”，关键在于三点：一是坚持以权威数据与规范流程为底座，持续完善高质量语料与场景知识库，确保输出专业、可追溯、可验证；二是强化工具化、平台化建设，通过统一接口与标准化能力组件，降低各地、各行业接入成本，形成可复制、可扩展的应用模式；三是面向关键行业和重点区域开展联合应用与评估，围绕极端天气、重大活动、重要基础设施等高风险场景，建立“预报—影响—建议—反馈”的闭环迭代机制，使智能服务在真实业务中不断校准与升级。
前景方面，“十五五”时期，气象服务的数智化升级将更加依赖算力、数据和工程体系的协同支撑。
模型训练、推理与持续迭代需要更强的智算能力，也需要规模更大、质量更高、更新更及时的语料与案例沉淀。
随着细分场景智能体不断丰富，气象服务有望从“提供信息”进一步走向“提供方案”和“辅助决策”，在防灾减灾、城市治理、绿色能源、智慧交通等领域释放更大综合效益。
但也应看到，能力越强，越需要在数据治理、业务边界、质量评估等方面同步完善制度与技术措施，以确保服务可靠、稳定、可持续。
从面向大众的天气查询到面向行业的决策支撑，气象服务的价值正体现在“把复杂的专业信息变成可执行的行动方案”。
“风和”上线的意义，不仅在于技术形态的更新，更在于推动气象服务能力以更低成本、更高效率触达更多人和更多行业。
面向未来，持续夯实数据与算力底座、做深场景与应用闭环，将决定数智化气象服务能走多远、能服务得多准，也将为提升防灾减灾能力和高质量发展提供更坚实的支撑。