每天早晨，人们出门前最关心的往往是天气。但对于农业、电力调度、航空及防灾领域而言，天气预报的意义远超“晴雨”二字。雷雨的提前降临、云层的微小位移或风速的突变，都可能直接改变关键决策。
大气是一个变化极快且尺度巨大的复杂系统。传统数值天气预报（NWP）虽成熟，却依赖超级计算机求解物理方程，计算成本高昂。近年来，谷歌 DeepMind 尝试利用 AI 开辟新路径：从 GraphCast 到 GenCast，再到 WeatherNext，旨在让 AI 直接从海量数据中学习大气演变规律，实现更快、更细且覆盖全球的预报。
2026 年 9 月 3 日，谷歌 DeepMind 与 Google Research 联合发布 WeatherNext 3，称其为当前最先进的全球 AI 天气模型。该模型的核心突破在于能够直接吸收实时卫星观测数据，每小时重新生成全球预报，并将部分地表变量的空间分辨率提升至约 5 公里。
以前所未有的分辨率快速预报
传统 NWP 系统物理机制清晰但算力需求巨大，且全球天气数据的时空精度不一，这为 AI 模型提供了切入点。2023 年发布的 GraphCast 曾展示惊人速度，仅需约 1 分钟即可生成未来 10 天全球预测，且在超 90% 的指标上优于 ECMWF 的高分辨率系统 HRES。
此次推出的 WeatherNext 3 进一步提升了能力，能以多种空间分辨率生成每小时预报，同时保持从全球风场模式到局部地形的物理一致性。具体而言，该模型能以 5 公里分辨率可视化温度、湿度等关键地表变量，以 10 公里分辨率显示其他地表变量，并以 25 公里分辨率呈现风速等大气变量。相较于上一代 WeatherNext 2，其清晰度提升了约五倍。
图 1：端到端 WeatherNext 3 系统架构。
突破降水预测难题
降水一直是 AI 与传统模型共同的难点。降雨和降雪往往源于快速变化的云团和局部对流过程，尺度小却影响范围广。针对这一痛点，WeatherNext 3 引入了更高质量的降水数据，包括 NASA 的 IMERG 卫星降水产品以及谷歌基于卫星雷达建立的全球降水再分析数据。
评估结果显示，在中期全球降水预测中，WeatherNext 3 相对于不同基准数据集的 CRPS 指标最高分别改善了约 60%、30% 和 10%；在实际产品评估中，针对提前至少一天的预报，其降水预测准确度最高提升了 50%。
图 2：中期降水概率（PoP > 1mm）预报比较。
对比数据显示，旧模型对英国地区降水的预测较为模糊，而 WeatherNext 3 能更清晰地勾勒出具有强对流特征的降水带。
赋能多行业生态系统
WeatherNext 3 的另一大亮点是面向具体应用场景输出定制化天气变量。针对能源行业，模型专门提供了约 100 米高度处的风速预测，该高度对应风力涡轮机的工作区间。结合云量与太阳辐射数据，可帮助风电和光伏运营商更精准地估算可再生能源产出。
这些数据对全球清洁能源规划至关重要：电网运营商可据此预估发电量，农户可安排农事活动，航空系统可优化运行计划，应急部门则能更早识别强降水或风暴风险。
此前，谷歌已通过 Weather Lab 向研究人员和气象机构开放 AI 天气模型。2026 年 8 月发布的 WeatherNext 气旋模型已展示出对热带气旋路径、强度及风场的预测能力，并与美国国家飓风中心等机构展开合作。
尽管大气层仍存在不可预测性，但凭借真实观测数据的训练及对传统建模限制的突破，WeatherNext 3 正推动天气预报向更贴合地面实况的未来迈进。