北京和其他中国城市饱受雾霾之苦，天津机场甚至因此停飞。已经发布了2016年首个大气污染“红色警报”，1200家位于北京的工厂关闭或降低生产。

自去年测试过之后，政府机构在今年冬天正式开始使用IBM和微软提供的大气预测工具。来自IBM的工具能整合来自传统检测源的数据（例如北京35个官方多污染物空气质量监测站），以及成本更低但覆盖面更广泛的数据来源（如环境监测站、交通系统、气象卫星、地形图、经济数据甚至社交媒体）。IBM和微软将来自全国300多个站点的数据进行整合，结合传统的大气化学物理模型和机器学习等现代计算手段，试图在更短时间内做出更好的预测。

“我们与众不同的优势是将所有数据进行了整合。”IBM绿色地平线项目经理黄瑾（音译）说。IBM的3天预报准确度超过80%，7到10天准确度约为75%。微软现在向中国环保部提供48小时预测。2015年时的研究显示，微软6小时预测准确度为75%，12小时准确度为60%。

如何将传统物理模型同机器学习相结合是当下的研究热门。欧洲哥白尼计划大气监测服务主管文森特-亨利·普埃奇（Vincent-Henri Peuch）表示，混合两者是正确的选择：两种模型各有长处，无需排斥哪一方。到目前为止的市场反应似乎也同意这句话。IBM正在新德里和约翰内斯堡提供混合模式的预测服务，北京创业公司AirVisual也提供机器学习加持的私人商业使用。

政府机构在大气保护上已经小有进步。报告称，2015年空气中细微颗粒污染水平比2014年下降6%。一方面政府面临治理空气污染的压力，另一方案他们也面临着经济增长受损的压力。IBM提供的预测工具包括一个模拟器，能估算各种干预措施的减排效果和经济影响。

AirVisual、IBM和微软都在多个地点推广他们的软件。这一方面需要集成不同的本地物理模型，另一方面需要调整不同类型的输入数据及其变化的参数。例如说，约翰内斯堡只有8个监测站，而北京有35个。

不列颠哥伦比亚大学的团队在其2016年报告中指出，每个设置可能都需要不同的机器学习类型。他们发现，不同机器学习类型的成本取决于它们要处理数据的多少。对于像北京这样的城市，只在近几年才开始积累空气质量数据，所以北京的解决方案将不同于那些长久以来便开始环保治理的城市。有鉴于此，试图为城市选择合适的系统。然而普埃奇也表示各地工具和数据的不同让这种比较并不容易。

世界各地的城市空气质量在降低到世界卫生组织建议的水平之前还有很长的路要走。根据2015年《柳叶刀》期刊发布的“全球疾病研究负担报告”，2015年环境颗粒物（不包括烟草烟雾）的成本为1.031亿个失能调整生命年（disability adjusted life year, DALY，一种衡量生命长度和质量的单位），成为第六大健康危害因素。这让环境问题成为政府和公司关心的问题。据估计，未来五年空气质量监测市场将以每年8.5%的速度增长，在2020年达到56.4亿美元。可想而知，空气质量预测的市场也会随之增长。