# 화웨이 Pangu Weather AI 특허 쉽게 읽기: 시간 간격별 모델로 예보를 이어 가는 원리

화웨이 공개출원 US20250258318A1의 시간 간격별 모델 선택, 예측 상태 전달과 기상 데이터 결합 원리를 분석합니다.

Source: https://www.iplexlaw.co.kr/ko/blog/huawei-pangu-weather-time-interval-models

HOME / NEWS & INSIGHTS NEWS & INSIGHTS 화웨이 Pangu Weather AI 특허 쉽게 읽기: 시간 간격별 모델로 예보를 이어 가는 원리 화웨이 공개출원 US20250258318A1의 시간 간격별 모델 선택, 예측 상태 전달과 기상 데이터 결합 원리를 분석합니다. 인공지능 2026.10.14 게시 IPLEX 8분 읽기 날씨를 활용하는 업무에서는 오늘의 상태와 함께 필요한 시각의 예보를 확인하는 일이 중요합니다. 화웨이 클라우드의 AI 공개특허출원은 목표 시각에 맞는 시간 간격별 모델을 고르고, 앞선 예측 결과를 다음 모델로 이어 주는 방법을 설명합니다. 가상의 배송팀이 월요일 오전 8시를 기준으로 다음 날 오전 11시의 상태를 살펴보는 예시로 그 흐름을 알아보겠습니다. 시간 간격별 예측과 결과 전달을 표현한 직접 제작 개념 그림입니다. 예보할 시각을 먼저 정하는 이유 배송 계획을 세우는 담당자는 출발지의 지금 날씨만으로 하루 일정을 정하기 어렵습니다. 내일 몇 시에 어느 지역을 지날지에 따라 참고할 예보의 시각도 달라집니다. 야외 촬영, 건설 현장, 발전량을 예상하는 업무에서도 필요한 시간대의 기상 정보를 연결해 보는 일이 생깁니다. AI 날씨 예측 기술을 읽을 때에는 먼저 무엇을 입력하고, 어느 시점의 결과를 원하는지 살펴보면 구조가 선명해집니다. 화웨이 클라우드의 공개 특허 문서 US20250258318A1은 현재의 기상 데이터와 목표 시각을 받아 예측을 시작하는 방법을 설명합니다. 목표 시각은 앞으로 날씨를 알고 싶은 순간입니다. 하나의 시각을 지정할 수도 있고, 여러 시점의 결과가 필요한 시간대를 지정할 수도 있습니다. 지역을 지정하는 방식도 설명되어 있습니다. 따라서 입력은 단순히 “날씨를 예측해 주세요”라는 요청보다 구체적입니다. 여기서 기상 데이터는 기온 하나만을 뜻하지 않습니다. 기온, 습도, 바람 등 여러 상태를 표현하는 자료를 모델의 입력으로 사용할 수 있습니다. 추론은 미리 학습한 AI 모델에 새로운 입력을 넣어 결과를 계산하는 과정입니다. 이 기술의 중심 질문은 준비된 모델 가운데 어떤 모델을 몇 번 사용해야 목표 시각의 예측에 도달할 수 있는가입니다. 시간 간격마다 다른 AI 모델을 준비합니다 하나의 모델이 늘 같은 시간만큼 미래를 예측한다고 생각해 보겠습니다. 한 시간 뒤 상태를 계산하는 모델로 멀리 떨어진 시각까지 가려면, 계산 결과를 다시 입력하는 작업을 여러 번 이어야 합니다. 이때 반복 횟수와 단계마다 다음 입력으로 전달되는 결과가 중요해집니다. 화웨이의 방법은 서로 다른 시간 간격을 담당하는 모델들을 준비하고, 요청한 시간에 맞는 조합을 선택하는 데 초점을 둡니다. 모델 라이브러리는 사용할 AI 모델을 모아 둔 저장소입니다. 원문에는 한 시간, 세 시간, 하루 등 다양한 시간 간격 뒤의 날씨를 예측하는 모델들을 둘 수 있다고 설명되어 있습니다. 각 모델은 과거 기상 데이터로 미리 학습할 수 있습니다. 예를 들어 한 시간 간격 모델은 과거의 어느 시점 자료를 입력받아 한 시간 뒤 상태를 예측하고, 실제 그 시점의 자료와 차이를 비교하며 조정하는 방식으로 학습할 수 있습니다. 시간 간격이 다르다는 말은 같은 모델에 이름만 다르게 붙인다는 뜻이 아닙니다. 어떤 간격의 상태 변화를 학습했는지, 어떤 입력과 구조를 사용하는지에 따라 모델을 구분할 수 있습니다. 같은 시간 간격을 담당하면서 학습 방법이나 구조가 다른 모델들을 함께 두는 구현도 설명되어 있습니다. 예측 요청을 받으면 모델을 고르는 단계가 목표 시각을 보고 필요한 모델과 사용 횟수를 결정합니다. 앞 모델의 예측을 다음 모델에 전달합니다 모델을 선택한 뒤에는 결과가 전달되는 방향을 봐야 합니다. 첫 모델은 처음 받은 기상 데이터로 다음 상태를 예측합니다. 두 번째 모델은 그 예측 상태를 입력으로 받아 다시 미래의 상태를 계산합니다. 이어지는 모델도 앞 모델이 만든 결과를 사용합니다. 마지막 모델의 출력이 목표 시각에 해당하는 날씨 예측 결과가 되는 구조입니다. 원문은 세 시간, 열두 시간, 일흔두 시간 간격을 이어 총 여든일곱 시간 뒤를 예측하는 사례를 듭니다. 모델별 간격을 합한 값이 요청한 시간 차와 맞아야 한다는 점을 보여 주는 예시입니다. 같은 모델을 여러 번 사용하는 조합도 가능합니다. 중요한 것은 모델의 수만 늘리는 일이 아니라, 각 계산이 어느 시점에서 시작하고 얼마 뒤 상태를 만들며 그 결과를 어디에 전달하는지 정하는 일입니다. 이런 연결을 순차 추론이라고 부를 수 있습니다. 앞 단계의 출력이 뒤 단계의 입력이 되는 방식입니다. 여러 모델이 처음 데이터를 각자 받아 같은 시각의 결과를 따로 내는 방식과는 데이터 흐름이 다릅니다. 원문은 모델을 사용하는 순서를 여러 방식으로 정할 수 있다고 설명하므로, 특정 순서 하나만을 모든 경우의 고정 규칙으로 읽을 필요는 없습니다. 가상의 배송팀: 24시간과 3시간을 잇는 예시 가상의 배송팀이 월요일 오전 8시에 계획을 검토한다고 해 보겠습니다. 담당자가 참고하려는 시각은 화요일 오전 11시입니다. 시작부터 목표까지는 27시간입니다. 이를 설명하기 위해 하루 뒤를 예측하는 모델과 세 시간 뒤를 예측하는 모델을 한 번씩 잇는 구성을 생각할 수 있습니다. 두 간격은 원문에서 설명한 모델 라이브러리의 예시에 포함됩니다. 먼저 월요일 오전 8시의 기상 상태를 24시간 간격 모델에 넣습니다. 이 모델이 만든 출력은 화요일 오전 8시의 예측 상태입니다. 다음으로 그 상태를 세 시간 간격 모델에 전달하면, 화요일 오전 11시의 상태를 예측하는 흐름이 됩니다. 중간 결과를 실제 화요일 오전 8시에 새로 측정한 관측 자료로 바꾸어 읽으면 흐름이 달라집니다. 이 예시에서는 처음 입력 뒤에 만들어지는 상태가 예측 결과라는 점을 유지합니다. 가상의 배송 계획: 월요일 08시에서 24시간과 3시간을 이어 화요일 11시를 예측하는 흐름. 실제 예보나 안전 판단이 아닙니다. 이 사례의 목적은 시간과 데이터가 함께 이동하는 과정을 이해하는 것입니다. 모델 간격이 하루라면 결과의 시각도 하루 뒤가 되고, 뒤에 세 시간 모델을 쓰면 그 결과에서 다시 세 시간이 진행됩니다. 24시간과 3시간을 잇는 설명용 시간 조합입니다. 서비스를 설계하는 담당자는 이 흐름을 통해 기준 시각, 예측 간격, 중간 상태, 최종 결과의 시각이 서로 맞는지 확인할 수 있습니다. 지상과 고도별 기상 정보를 함께 계산합니다 시간의 연결과 함께 눈여겨볼 부분은 데이터의 모양입니다. 원문은 지표면에 대응하는 2차원 기상 자료와 높이에 따른 대기 상태를 포함하는 3차원 자료를 함께 사용하는 구현을 설명합니다. 2차원은 지도의 가로·세로 위치처럼 평면을 따라 보는 방식이고, 3차원은 여기에 높이 방향의 상태를 더해 보는 방식으로 이해하시면 됩니다. 지상 자료와 상공 자료를 결합하면 여러 위치와 높이의 관계를 모델 입력에 담을 수 있습니다. 이 구현에서는 두 종류의 자료를 각각 신경망으로 처리하여 계산에 사용할 특징 벡터를 만듭니다. 특징 벡터는 입력의 중요한 정보를 숫자 묶음으로 표현한 것입니다. 두 표현을 결합해 예측 모델에 전달하고, 계산이 끝나면 결과를 다시 나누어 지상과 고도별 예측 자료로 출력하는 흐름입니다. 사진 두 장을 단순히 겹치는 모습보다, 서로 다른 자료를 계산할 표현으로 바꾸고 연결한 뒤 필요한 출력으로 되돌리는 과정에 가깝습니다. 위치에 따른 차이를 계산에 반영하는 구현도 있습니다. 위도는 지구에서 남북 방향의 위치이고, 고도는 높이입니다. 원문은 위도나 고도 정보에 따라 계산 중간값이나 어텐션 계산 결과에 보정값을 더하는 방법을 설명합니다. 어텐션은 입력 요소 사이의 관계를 계산하는 기법입니다. 보정값은 위치 정보를 계산에 반영하기 위한 값입니다. 시간 간격을 고르는 단계와 위치를 반영하는 단계는 맡은 역할이 서로 다릅니다. Pangu Weather의 제품 기능과 연결해 읽기 화웨이 클라우드의 공식 Pangu 제품 안내에는 날씨 예측이 활용 분야로 소개되어 있습니다. 기온, 습도, 바람, 해수면 기압 등 기상 요소를 예측하고, 강수량이나 태풍 경로와 같은 예보 시나리오를 안내합니다. 제품의 기능을 보면 기업 고객이 어떤 종류의 결과를 업무에서 활용하려는지 떠올릴 수 있습니다. 가상의 야외 행사 운영팀을 생각해 보겠습니다. 담당자는 행사 지역과 필요한 시각의 기온·습도·바람 예보를 참고해 설치 작업과 프로그램 시간대를 계획할 수 있습니다. 예측 결과를 업무 일정에 연결하려면, 어떤 시점의 자료를 바탕으로 계산했고 어느 시각의 상태를 나타내는지 함께 관리해야 합니다. 예보를 갱신할 때에도 기준 시각과 목표 시각을 구분해 표시하면, 팀이 서로 다른 시점의 결과를 혼동하는 일을 줄이는 데 도움이 됩니다. 원문에는 같은 목표 시각을 여러 모델 조합으로 예측하는 확장 방식도 나옵니다. 조합마다 나온 결과를 사용자에게 보여 주거나, 여러 결과를 통합할 수 있습니다. 앙상블은 여러 모델이나 계산 경로의 결과를 함께 활용하는 방법입니다. 이것은 앞 모델의 결과를 다음 모델에 잇는 순차 계산과 구별되는 확장 단계이며, 모든 예측 요청이 반드시 여러 조합을 사용해야 한다는 뜻은 아닙니다. 기술의 차이는 입력과 연결 과정에서 드러납니다 AI 서비스를 설명할 때 “미래를 예측합니다”라는 한 문장만으로는 내부 동작이 잘 보이지 않습니다. 이번 기술은 목표 시각에 맞춘 모델 선택, 모델별 시간 간격, 중간 예측 상태의 전달, 서로 다른 기상 자료의 결합으로 나누어 보면 이해하기 쉽습니다. 각각의 단계가 어떤 입력을 받고 무엇을 출력하는지 적어 보면, 모델을 사용한다는 설명에서 실제 시스템의 처리 과정으로 한 걸음 더 들어갈 수 있습니다. 기업이 자신의 예측 기술을 정리할 때에도 이런 관점이 도움이 됩니다. 기준 시각과 목표 시각의 차이를 어떻게 계산하는지, 모델을 고르는 규칙은 무엇인지, 중간 결과의 형식과 시각을 어떻게 관리하는지, 최종 출력에서 어떤 정보를 제공하는지 도식으로 정리해 보세요. 서로 다른 데이터가 들어가는 서비스라면 자료를 결합하고 다시 분리하는 과정도 함께 표시하는 것이 좋습니다. 원리 설명이 구체적일수록 개발팀과 사업팀이 같은 흐름을 보며 이야기할 수 있습니다. 시간 간격별 예측을 준비하는 단계와 실제 요청을 처리하는 단계를 나누고, 모델 선택부터 결과 제공까지 이어지는 모습을 보여 주세요. 화웨이의 사례는 AI 기술을 이해하는 출발점이 결과 이름뿐 아니라 입력, 선택, 연결, 출력의 관계에도 있다는 점을 보여 줍니다. 기술 분석 원문 읽기 미국 공개출원 US20250258318A1 유럽 공개출원 EP4603879A1 Huawei Cloud Pangu 공식 제품 안내 FlashAttention-2 기술 분석 바이두 RAG 기술 분석 AI 특허 전문성 및 기술 분석 이 글은 표시된 게시일을 기준으로 작성된 자료입니다. 개별 사안에 대한 검토는 상담을 통해 안내합니다. 관련 업무 상담 ↗ 전체 글 보기 ON THIS PAGE 예보할 시각을 먼저 정하는 이유 시간 간격마다 다른 AI 모델을 준비합니다 앞 모델의 예측을 다음 모델에 전달합니다 가상의 배송팀: 24시간과 3시간을 잇는 예시 지상과 고도별 기상 정보를 함께 계산합니다 Pangu Weather의 제품 기능과 연결해 읽기 기술의 차이는 입력과 연결 과정에서 드러납니다 TALK TO IPLEX 우리 기업에 맞는 IP 전략이 필요하다면 기술과 사업의 상황에 맞춰 필요한 업무를 함께 살펴봅니다. ↗ 상담 문의 최근 글 모인출원 특허무효, 누가 입증할까요 ↗ 이전 글 타일 디자인, 달라도 등록 거절? ↗ 함께 읽을 인사이트 인공지능 2026.10.15 거리에서 경로로, PaTH Attention PaTH Attention의 입력 의존 Householder형 변환과 상태 추적 원리, 장문·모델 전환 실험의 효과와 한계를 분석합니다. ↗ 본문 읽기 인공지능 2026.10.13 큰 묶음으로 갱신하는 AI의 기억, LaCT LaCT 논문의 큰 청크 갱신, 비선형 빠른 가중치, 윈도 어텐션 및 실험 조건과 한계를 분석합니다. ↗ 본문 읽기 인공지능 2026.10.12 Adobe AI 특허 쉽게 읽기: 원본과 생성 후보를 레이어로 보존하는 이미지 편집 원리 Adobe의 미국 특허 US12462456B2를 통해 입력·대상 마스크와 생성 레이어, 원본·후보를 보존하는 AI 이미지 편집 구조를 살펴봅니다. ↗ 본문 읽기

- https://www.iplexlaw.co.kr/
- https://www.iplexlaw.co.kr/%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EB%B0%8F-%EB%89%B4%EC%8A%A4/category/ai
- https://iplexlaw.tistory.com/10
- https://image-ppubs.uspto.gov/dirsearch-public/print/downloadPdf/20250258318
- https://data.epo.org/publication-server/rest/v1.0/publication-dates/20250820/patents/EP4603879NWA1/document.pdf
- https://www.huaweicloud.com/product/pangu
- https://www.iplexlaw.co.kr/ko/blog/flashattention-2-gpu-work-partitioning
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution
- https://www.iplexlaw.co.kr/ko/ai-patents
- https://www.iplexlaw.co.kr/%EC%97%B0%EB%9D%BD%ED%95%98%EA%B8%B0
- https://www.iplexlaw.co.kr/%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EB%B0%8F-%EB%89%B4%EC%8A%A4
- https://www.iplexlaw.co.kr/ko/blog/huawei-pangu-weather-time-interval-models#case-pangu-ko-0
- https://www.iplexlaw.co.kr/ko/blog/huawei-pangu-weather-time-interval-models#case-pangu-ko-1
- https://www.iplexlaw.co.kr/ko/blog/huawei-pangu-weather-time-interval-models#case-pangu-ko-2
- https://www.iplexlaw.co.kr/ko/blog/huawei-pangu-weather-time-interval-models#case-pangu-ko-3
- https://www.iplexlaw.co.kr/ko/blog/huawei-pangu-weather-time-interval-models#case-pangu-ko-4
- https://www.iplexlaw.co.kr/ko/blog/huawei-pangu-weather-time-interval-models#case-pangu-ko-5
- https://www.iplexlaw.co.kr/ko/blog/huawei-pangu-weather-time-interval-models#case-pangu-ko-6
- https://www.iplexlaw.co.kr/%EC%97%B0%EB%9D%BD%ED%95%98%EA%B8%B0
- https://www.iplexlaw.co.kr/ko/blog/brunch-case-1831
- https://www.iplexlaw.co.kr/ko/blog/brunch-case-1830
- https://www.iplexlaw.co.kr/ko/blog/path-attention-householder-transformations
- https://www.iplexlaw.co.kr/ko/blog/path-attention-householder-transformations
- https://www.iplexlaw.co.kr/ko/blog/lact-large-chunk-test-time-training
- https://www.iplexlaw.co.kr/ko/blog/lact-large-chunk-test-time-training
- https://www.iplexlaw.co.kr/ko/blog/adobe-non-destructive-generative-editing
- https://www.iplexlaw.co.kr/ko/blog/adobe-non-destructive-generative-editing