谷歌釋出 WeatherNext 3 氣象 AI 模型,5 公里解析度預測已接入搜尋與地圖

深度學習重塑氣象預報：WeatherNext 3 的三大技術突破

谷歌 DeepMind 和 Google Research 今天放大招了，釋出了 WeatherNext 3 氣象 AI 模型，這是該系列的第三代產品。谷歌高階工程師 Samier Merchant 透露，這波操作直接把 AI 氣象模型的核心變數塞進了谷歌搜尋、Google Maps 和 Gemini 等產品，同時通過谷歌雲平臺向研究者和企業使用者開放。

在初創公司 Brightband 開發的 Operational WeatherBench 基準測試中，WeatherNext 3 在溫度、風速、溼度等關鍵指標上吊打了微軟、輝達、歐洲中期天氣預報中心（ECMWF）的深度學習模型，還順便碾壓了美國國家氣象局和 ECMWF 的傳統預報系統，成為當前最準的 AI 氣象模型。

傳統氣象預報的瓶頸與 AI 的機遇

傳統氣象預報靠政府超級計算機用數學方程模擬大氣物理過程，雖然準但貴且慢。2018 年 ECMWF 公開了超過半個世紀的氣象資料後，深度學習研究者開始訓練能更快達到相近精度的 AI 模型。

DeepMind 研究科學家 Ferran Alet 解釋："天氣系統是混沌的，小差異會帶來大擾動。機器學習針對的是我們真正要解決的問題——從不完整資訊和有限算力中逼近帶有噪聲的物理規律，它通過大量資料學習模式。"

WeatherNext 3 的三大核心改進

早期 AI 氣象模型有三大軟肋：預測解析度太低（通常 15-25 平方公里）、降雨預測不準、以及依賴政府機構格式化資料集。WeatherNext 3 針對性地解決了這些問題：

1. 5 公里解析度預測：在關鍵變數上能實現 5 公里級精度，遠超上代的 15-25 公里範圍，這對城市級天氣預報至關重要。

2. 降雨預測提升 60%：相比 WeatherNext 2，降雨預測準確度提升了 60%，還能提供每小時更新的預報（傳統模型通常每 6 小時更新一次）。

3. 直接接入原始觀測資料：模型能即時攝取衛星每小時採集的原始觀測資料。谷歌稱這是"首個"直接整合原始觀測資料用於高解析度全球預報的 AI 模型，不過氣象初創公司 WindBorne 指出其 WeatherMesh 6 模型自 2025 年底已在使用氣象氣球等原始資料；谷歌回應稱其全球預報解析度更高。

技術架構的關鍵選擇

WeatherNext 3 的引數量是前代的 2.4 倍，並針對解碼器頭部（decoder heads）進行了定製化最佳化。研究團隊不僅訓練模型輸出傳統的 3D 網格平均指標（此前已因視覺化氣旋路徑獲得認可），還讓模型針對特定氣象站點進行預測——例如預測丹佛機場氣象站的每小時資料。

Brightband 大氣科學家 Daniel Rothenberg 評價："AI 應用的理念是儘可能端到端地執行任務。讓模型直接預測特定氣象站的測量值，將預報任務與核心目標更緊密地連線起來。"這不僅提供了更精細的預測，也便於用實測資料驗證模型表現。

從實驗室到產品：AI 氣象的商業化與社會價值

雖然大語言模型（LLM）吸引了公眾眼球，但 Transformer 架構在氣象學的革命同樣深遠。歐美氣象機構已將 AI 模型納入預報產品，其速度快、成本低的特點有望為缺乏高質量感測器和超算的貧困地區帶來經濟效益。比爾·蓋茨近期將 AI 驅動的氣象預報列為該技術的關鍵收益，認為更準確的預報能提升發展中國家的作物產量。

Alet 表示，更高解析度的風速、降雨和雲量預報將使可再生能源專案更可靠。"歸根結底，谷歌的使命是為使用者提供有用資訊，而使用者需求在很大程度上與天氣相關。"

中國使用者注意：目前 WeatherNext 3 通過谷歌雲平臺開放，但谷歌搜尋、地圖等產品在中國大陸不可用。國內 AI 氣象領域，通常由中國氣象局及科研機構主導，商業化應用尚處早期階段。

常見問題

WeatherNext 3 相比傳統氣象預報有哪些優勢?

主要優勢包括:1)預測速度更快且成本更低;2)可實現 5 公里解析度與每小時更新,傳統模型通常為 15-25 公里和 6 小時更新;3)在 Operational WeatherBench 基準測試中,已擊敗美國國家氣象局和歐洲中期天氣預報中心的傳統系統。

普通使用者如何使用 WeatherNext 3?

谷歌已將該模型整合到搜尋、Google Maps 和 Gemini 中,使用者在這些產品中檢視天氣資訊時會自動獲取 AI 預報結果。研究者和企業使用者可通過谷歌雲平臺訪問模型介面,但具體定價和服務細節原文未提及。

AI 氣象模型是否完全不依賴傳統氣象資料?

目前尚未完全獨立。雖然 WeatherNext 3 可直接接入衛星等原始觀測資料,但模型訓練和預報仍依賴國家氣象機構提供的歷史資料集。谷歌和 WindBorne 等公司正在探索'端到端原始資料同化',但這仍是技術挑戰。

WeatherNext 3 的降雨預測為何重要?

降雨是 AI 氣象模型的傳統弱項,對農業、交通、災害預警等場景至關重要。WeatherNext 3 的降雨預測相比前代提升 60%,結合每小時更新頻率,可為短時強降水等極端天氣提供更及時的預警。

---

本文基於 TechCrunch 報道, 由 AiDuo123 AI 編輯翻譯改寫。原文連結: https://techcrunch.com/2026/09/03/googles-latest-ai-weather-model-gives-you-no-excuse-to-forget-your-umbrella/