加拿大的野火风险图，AI 把几周压到几秒

画一张全国野火风险图要多久？加拿大联邦团队的答案是：超过一年。这就是为什么上一张全国图停留在 2017 年，下一张 2026 年才画完。

一、发生了什么

据 arXiv 预印本（2610.30170，10 月 16 日提交）和 Mila 官方公告，加拿大自然资源部林务局与蒙特利尔学习算法研究所（Mila）合作，训练了一个 AI 代理模型来模拟物理仿真框架 BurnP3+ 的输出。原流程靠蒙特卡洛方法模拟大量起火点和天气组合，算出烧毁概率、火强度和蔓延速度，处理一个区域建模单元可能要数天到数周，绘制 2026 年全国危害图耗了一年多。代理模型整合燃料、地形、起火可能性和区域天气数据，多任务输出三类指标，在代表区域上实现 806 倍端到端 CPU 加速，内存占用只有原框架的 13%；按硬件不同，加速幅度在 806 到 3400 倍之间，原本一年的计算量可压缩到 2 至 11 小时。模型保留了下游危害分级的一致性，对专家设定的反事实干预也能给出物理上合理的响应，代码和模型已开源。双方明确说它是补充工具，不替代 BurnP3+ 和专家判断。

合作本身也有故事：两家机构 2020 年从矿业项目开始合作，逐步扩展到能源和对地观测，这个林业项目 2025 年秋启动，一年就出了成果。Mila 方面转述林务局建模专家的反馈：模型能从空间模式里学出规律，比如某片区域有湖泊，烧毁概率就会因水体阻隔而降低——这是训练数据里没有显式写给它、但它自己学到的生态知识。

二、跟你有什么关系

科学计算从业者：又一个大体量仿真被代理模型攻克的案例，套路可复制——拿原模拟器的历史输出当训练数据，替掉最贵的迭代环节。

林区和地方应急管理方：未来风险图更新频率有望从「十年一遇」提到常态级，防火隔离带和疏伐规划的依据会更新鲜。

关注气候议题的读者：加拿大近四年过火面积连年远超前几十年均值，2023 年近 1500 万公顷，快速制图正在变成刚需。

三、怎么用

1. 想研究代理模型方法，直接读论文和开源代码，重点看它怎么设计反事实评估来验证分布外泛化，这比看加速比更有借鉴价值。
2. 属地管理方别急着换工具：官方口径是先用 AI 筛场景，选中的方案再交回 BurnP3+ 精算，两级流程才是正确用法。
3. 引用加速数字时注明条件：806 倍是代表区域的 CPU 端到端结果，不是全加拿大任何配置下的保证值。

四、三个别信的说法

AI 替代了野火模拟。 恰恰相反，团队强调它是补充。代理模型输出的是近似值，官方明确的分工是它管快速筛场景，精算仍归物理模拟器。

806 倍加速等于处处成立。 那是代表区域加特定硬件的成绩，官方给的区间是 806 到 3400 倍且随硬件浮动，泛化到别的地形要先验证。

近似模型不可信。 风险没有想象中大：它复现的是 BurnP3+ 自己的行为，与真值之间隔的是模拟器这层假设。真正的边界是分布外场景，模型没见过的极端条件要靠反事实评估兜底。

五、一句话结论

AI 代理模型的正确角色是替昂贵仿真跑海选，而不是代替仿真下结论，这个加拿大项目把分寸感做成了范本。

信息来源

• 论文预印本 arXiv 2610.30170（2026-10-16）
• Mila 官方公告：AI 服务于加拿大野火管理（2026-10-22）

功能与价格以官方公告为准。本文写于 2026 年 10 月 24 日。