飓风、台风等热带气旋是地球上最复杂且危险的天气系统之一。尽管气象学家在预测风暴路径方面已取得显著进步，但判断其是否会突然增强甚至升级为灾难级飓风，仍是长期以来的难题。
近年来，人工智能正深入天气预测领域。Google DeepMind 推出的新一代 WeatherNext 模型正在改变这一局面。研究发现，该 AI 不仅能预测气旋移动路径，还能提前研判其快速增强的可能性，并提供未来发展的概率预测。测试显示，WeatherNext 相比传统方法平均提供了约一天的有效预报提前量：即过去需提前两天才能达到的预测精度，如今 AI 可提前三天实现。
相关成果以《Operational Tropical Cyclone Forecasting with AI》为题，于 2026 年 8 月 6 日发表在《Nature》期刊。
论文链接：https://www.nature.com/articles/s41586-026-10953-2
让 AI 学习 45 年的地球天气规律
研究团队指出，气旋发展无法脱离全球大气系统独立理解。因此，模型同时学习两类核心信息：一是全球天气分析数据，用于掌握大尺度大气环境；二是专门整理的历史热带气旋数据库，用于研习风暴的形成、增强及演化过程。这种训练方式赋予了 AI 类似“气象背景知识”的能力。
基于长期全球天气数据训练，WeatherNext 能够理解不同大气状态间的关联并预测未来变化。凭借单一人工智能模型，它便能以最先进的精度预测热带气旋的路径、强度和风向结构。
图 1：WeatherNext Cyclones 迭代预测全球天气模式和细尺度气旋路径，最早可提前 15 天。
该模型基于全球天气动态与专家策划的历史气旋观测数据共同训练。通过端到端学习近 20TB 的全球大气数据及涵盖近 5000 场历史风暴的 IBTrACS 数据库，模型掌握了复杂的大气模式及极端天气模拟能力。
传统天气预报通常仅提供一个最可能的发展结果，但真实大气系统充满不确定性，微小变化可能导致风暴轨迹截然不同。为此，WeatherNext Cyclones（WN-C）生成大量可能的发展情景，将预测从单一路径转变为多种可能性并行预测。论文显示，该模型能生成覆盖未来 15 天的全球天气和气旋情景，并支持最高 1000 成员规模的集合（ensemble）预测。
图 2：WeatherNext Cyclones 在 2023-2024 年历史气旋上与其他顶级气象模型的评估基准对比。
比传统模型提前一天
为验证 WeatherNext Cyclones 是否优于现有气象系统，研究团队利用 2023 年至 2025 年的热带气旋数据对其进行系统评估，并与当前领先的业务气象模型进行对比。测试涵盖风暴路径、强度以及包括最大风圈半径在内的风暴结构三个关键指标。
结果显示，WeatherNext Cyclones 在多项指标上达到当前最先进水平。其 5 天预报的平均路径误差仅为 230 公里，较 ECMWF ENS 降低 140 公里；达到相同预报精度的时效比 ENS 提前约 30 小时，这一进步量相当于过去十年全球数值模式路径预报的总和。
图 3：ECMWF-ENS 轨道预报（a）和 HWRF 强度预报（b）多年来的 3 天准确性。
论文指出，WN-C 的强度预测能力甚至超越了专门用于飓风预测的高分辨率区域模型 HAFS，这是此前全球 AI 天气模型尚未企及的高度。
预测强度未必需要更高分辨率
WeatherNext Cyclones 带来了一个颠覆性的发现。过去业界普遍认为，准确预测台风强度必须依赖极高分辨率模型，以捕捉风暴核心区域的细节结构。然而研究显示，WN-C 仅需 28x28 公里分辨率的数据，比传统模型粗糙 100 倍。即便是分辨率更为粗糙（111x111 公里）的小型版本 WeatherNext 2-mini，其表现依然出色。
真实风暴预警与应用
自 2025 年 6 月起，WN-C 已投入实时运行，并向美国国家飓风中心及世界气象组织（WMO）相关预报中心提供预测信息，其结果已被业务预报人员迅速采纳。
研究团队强调，热带气旋预测仍是极具挑战的科学问题。鉴于大气系统的高度混沌性，未来仍需进一步提升模型能力，例如加强对气旋降水、风暴潮及精细化局地风险的预测。
DeepMind 团队已将该模型开源，旨在将先进的机器学习技术与人类预报员的实际经验相结合，构建协作型天气预报生态系统，以拯救生命并帮助社区适应气候变化。
相关报道：https://deepmind.google/blog/weathernext-ai-model-achieves-breakthrough-in-forecasting-cyclones/