近年来，人工智能（AI）天气预报模型在全球中期预报中已表现出与业务数值天气预报（NWP）系统相当、部分要素甚至更优的预报性能，但其对复杂区域天气过程三维环流结构及动力一致性的再现能力仍缺乏系统评估。本文以东亚梅雨为研究对象，以 ERA5 再分析资料为基准，对 Wentian、Pangu-Weather、FengWu、FuXi 四种 AI 天气模型及物理模式 iAMAS 进行了综合比较，评估维度包括大尺度环流空间结构、季节内演变追踪以及个例尺度动力一致性。结果表明，四种 AI 模型均能较高保真地重建梅雨相关三维环流背景，在 850 hPa 风场与比湿等关键变量上的空间型相关系数普遍超过 0.95，在 500 hPa 位势高度场上接近 0.99。Wentian、FengWu 和 FuXi 能够稳定刻画低空急流的建立与北跳、水汽输送带的阶段性断裂—重连以及梅雨锋区的持续演变，且在长时效积分中未表现出明显系统漂移。相比之下，iAMAS 在低层风湿耦合、副热带高压位置及锋区结构维持方面存在更显著偏差；Pangu 则表现出对水汽梯度和高频变化的平滑倾向。个例诊断进一步表明，副热带高压—低空急流—锋区水汽轴之间的耦合结构，是区分模型物理真实性的关键指标。总体而言，当前主流 AI 天气模型已具备较强的梅雨环流预报潜力，为进一步利用AI 环流场约束或驱动物理模式、构建混合预报框架提供了依据。
 

东亚梅雨；人工智能天气预报；大尺度环流；动力一致性；混合预报框架