Google DeepMind的WeatherNext 3人工智能天气模型

WeatherNext 3直接摄取原始卫星图像和地面观测站数据，每小时生成一次新预报，而不是等待标准的6小时数值天气预报分析周期^[1]。高级研究科学家Ilan Price表示，该模型“通过不等待下一次分析时间点并使用最新信息，实现了更高的准确性”^[1]。资深研究科学家经理Ferran Alet将这一转变视为哲学层面和技术层面的双重变革：与其从零开始模拟物理过程，“机器学习的目标是解决我们真正面对的问题，即从不完整的信息中近似出带有噪声的物理规律”^[2]。该模型运行一个为期15天、包含64个成员的集合预报系统，训练目标是最小化连续排序概率评分（CRPS）——这一指标专为概率预报设计，而非塑造早期系统的单一最优猜测准确率评分^[1]。

WeatherNext 3在一次推理中生成三种原生分辨率——温度和湿度为5公里，其他地表变量为10公里，风速等大气变量为25公里，分辨率约为WeatherNext 2统一的25公里、每6小时更新一次的网格的5倍^[1]。Google表示，这一飞跃“对拉丁美洲、非洲和亚太地区尤为重要，这些地区历史上一直缺乏高分辨率预报服务”^[3]，因为这些地区过去缺乏运行专用区域数值天气模型的超级计算预算——不得不在粗糙的全球视图和昂贵的区域模型之间做出选择，而WeatherNext 3的统一全球分辨率现在规避了这一困境。

除了面向消费者的预报，WeatherNext 3还增加了100米风机高度风速预报，以及高分辨率云量和太阳辐射预测，旨在帮助风电和太阳能运营商估算发电量^[2]。有关发布的报道将每小时更新节奏直接与电力市场和电网运营商预测可再生能源出力的需求联系起来^[4]——尽管该报道除搜索片段外无法独立验证，应谨慎看待。这延续了始于2025年WeatherNext 2的脉络，后者已面向能源交易员，并在平均准确率上比其前身GraphCast和GenCast模型提升了6.5%^[5]。

Google表示，WeatherNext 3在降水预报方面，相较于NASA的IMERG卫星数据集，CRPS最多提升了60%；相较于MRMS雷达数据集提升了30%；相较于雨量计提升了10%；在2米气温预报方面，相较于WeatherNext 2提升了30%^[1]。独立报道指出，提前一天或更久的降水预报准确率提升高达50%^[6]。这些数据现在直接进入搜索、地图和Gemini应用——高级资深工程师Samier Merchant称这是“首次一些核心变量直接驱动大量Google产品”^[2]，标志着WeatherNext此前主要作为研究和企业数据集的角色发生转变。

官方发布消息普遍充满庆祝色彩，强调其直接从观测出发的架构和5倍更清晰的分辨率——这在仍处于传播初期的同日公告中并不意外，目前最响亮的声音仍来自官方及与发布相关的渠道。社区反应则更为复杂：在真实兴奋之外，一些评论者质疑Google自身的本地天气预报是否仍不准确，以及在已趋成熟的预报领域中，渐进式提升是否真的重要。有关发布的报道包含免责声明，指出WeatherNext仍是“一个自动化的、实验性AI系统”，官方指导仍应来自当地气象机构或国家气象服务^[1]——这提醒我们，真正的架构飞跃并不能自动弥合基准分数与公众信任之间的鸿沟，尤其是在风暴预警等高风险决策中。