Jua通过今日发布的一份报告来证明其产品的相关性能，该报告将EPT-2与包括Aurora及ECMWF的两款最优模型ENS和IFS HRES等顶级模型进行直接对比。
根据论文，EPT-2在所有指标中表现最佳，具体技术指标包括：

• 在10天预测周期内，其10米风速和2米气温等关键参数的预测精度超越Aurora；
• 预测速度比第二名快25%；
• 错误评分低于所有测试模型；
  
  另外，Jua称，在实现上述表现的同时，其计算功耗仅为Aurora的25%，是全部参与测试的模型中最高效的。

Jua表示其研究成果将于下周在开放平台arXiv上线
同时，Jua首席执行官兼联合创始人马文·加布勒（Marvin Gabler）表示，“我们尊重微软Aurora、GraphCast和Tomorrow.io等行业前辈，但它们目前相对EPT-2来说，速度太慢、功能太局限，主要还是依赖传统基础设施，已经过时了”。

近年来，市场对更精准、更经济的地球气候预测需求激增，推动了AI气象预测技术的突破。传统天气模型，如欧洲中期天气预报中心ECMWF，以及美国国家海洋和大气管理局NOAA的模型，需运行价值数十亿美元的超级计算机来解复杂物理方程。AI模型则跳过方程环节，通过海量数据集学习模式，从而在成本更低、能耗更少的设备上实现快数千倍的精准预测。

目前行业内大部分的AI气象工具都是在传统系统上嫁接AI，而Jua方面表示他们的产品是构建能够理解地球大气真实行为的原生物理模拟系统。

Jua三年前发布了首个全球AI气象模型，此后累计获得2700万美元融资，投资方包括468 Capital、Future Energy Ventures和Promus Ventures。

而国内团队在AI气象领域也有突破，近日，由上海科学智能研究院、复旦大学、中国气象局地球系统数值预报中心、南京信息工程大学等机构科学家领衔的团队，开发了名为 “FuXi Weather” （伏羲天气）的全球天气预报系统，并在科学期刊《Nature Communications》上发布，这是全球首个成功实现“端到端”机器学习、仅依赖卫星观测数据就能完成“数据同化-预报”完整循环并稳定运行一年的AI气象系统，其全球预报可用天数首次超越欧洲中期天气预报中心（ECMWF）的高分辨率预报（HRES）。