传统天气预报依赖zf 运营的超级计算机，通过求解描述大气物理规律的数学方程来生成预测。尽管精度已相当可观，但这套体系成本高昂、计算缓慢。2018 年，欧洲中期天气预报中心（ECMWF）公开了超过半个世纪的历史数据，深度学习研究者随即开始训练能够更快速、更高效完成预测的 AI 模型。Alet 指出："天气具有混沌特性，微小差异会引发巨大扰动……机器学习针对的正是我们实际要解决的问题——从不完整信息与有限算力中近似噪声物理，它从大量数据中学习规律。"
核心变化：WeatherNext 3 带来的三个突破
WeatherNext 3 是 Google DeepMind 推出的第三代气象模型，已在 Operational WeatherBench（由初创公司 Brightband 开发的 AI 预报对比平台）上击败 Google 自身以及微软、Nvidia、ECMWF 等机构的所有竞品，同时超越了美国国家气象局和 ECMWF 的传统预报系统。该模型在以下三个关键维度实现了突破：
- 分辨率提升：此前主流 AI 模型的预报精度普遍停留在 15～25 平方公里，而 WeatherNext 3 可将关键变量预测分辨率压缩至 5 公里。
- 降雨预测大幅改善：相比上一代 WeatherNext 2，降雨预报指标提升了 60%，更好地应对了此前 AI 模型在降水预报上的短板。
- 时间频率升级：从标准每 6 小时一次预报，跃升至可输出逐小时预报，且支持实时摄入卫星观测数据。
技术路径：规模扩张与终端定向
WeatherNext 3 参数量是前代的 2.4 倍，设计团队还为解码器头专门定制了训练目标，以输出更有实用价值的结果。 与多数气象模型输出 3D 网格平均指标不同，DeepMind 团队此前已因其能够可视化台风路径而获得认可。 此次还新增了针对特定气象站数据进行定向预报训练的能力，使模型预测更贴近地面真实观测值。 Brightband 大气科学家 Rothenberg 表示："让模型直接预测丹佛机场气象站逐小时测量数据，相当于将预报任务与核心应用场景更紧密地连接起来。"
值得注意的是，WeatherNext 3 是 Google 声称首个直接融合原始观测数据的高分辨率全球气象 AI 模型，但 AI 气象创业公司 WindBorne 指出其 WeatherMesh 6 自 2025 年底起也已接入气球等来源的原始数据。 两款模型目前仍依赖国家气象数据集进行最终预报，真正实现纯原始数据同化仍需更多工程努力。
影响与建议
对产业的意义
AI 气象模型的低成本、高速度特性，有望将高精度预报覆盖到此前因传感器与超级计算机成本过高而无法触及的欠发达地区。Bill Gates 近期撰文特别提及 AI 驱动的天气预报为关键技术红利之一，认为更精准的预报将改善发展中国家的农作物产量。DeepMind 研究员 Alet 补充，风、雨、云的高分辨率预报对提升可再生能源项目可靠性同样价值显著。
落地节奏
Google 尚未公布 WeatherNext 3 全面开放时间表，但表示将逐步接入 Google 搜索、Google Maps 及 Gemini 产品线，普通用户和研究人员可通过 Google 云平台获取服务。对有高频气象数据需求的企业（如能源、航空、农业）而言，建议关注 Google 官方云产品目录的更新，并评估与 WindBorne WeatherMesh 6 等已有原始数据接入能力的竞品进行对照测试。
评论