长期以来，气象学界认为两周是天气预报的理论极限，这一观点源于混沌理论和“蝴蝶效应”，即大气中微小扰动的累积会导致长期预测失效。然而，最新研究表明，人工智能（AI）可能打破这一限制，将有效预报时间延长至一个月甚至更久。

欧洲中期天气预报中心的研究人员指出，传统数值模型受限于初始条件的微小误差，但AI模型通过海量数据训练，展现出超越常规的潜力。华盛顿大学团队利用Google开发的气象模型GraphCast，基于40年全球再分析数据（融合观测与短期预报的高分辨率天气快照）进行实验。通过优化初始条件，该模型将10天预报准确率提升86%，甚至对33天后的天气仍具预测能力。

不过，争议依然存在。德国慕尼黑大学的专家指出，AI模型可能忽略蝴蝶效应中的小尺度过程，其调整的初始条件未必反映真实大气状态，而仅是模型自身的“理想化设定”。此外，麻省理工学院早期研究提出的两周限制实为经验性假设，并非物理定律，这为突破提供了理论空间。

尽管月尺度预报仍需更精确的大气观测支持，但美国海军研究实验室等机构认为，AI的进展表明传统模型存在改进空间。美国加州理工学院的专家强调，AI的优势在于能跳出传统框架，通过数据驱动重新定义预测逻辑。

当前，这项技术尚未投入实际预报，但其潜力已引发学界重新审视气象预测的边界。未来，随着数据与算力的提升，长期天气预报或将从“不可能”变为现实。