Google DeepMind 与 Google Research 科学家今日发布新型 AI 天气预报模型 WeatherNext 3。该模型能更清晰地观测大气变化并提升预测频率，标志着深度学习推动气象学变革的最新进展。
WeatherNext 3 将开始为搜索、Google Maps 及 Gemini 提供天气数据支持，并同步在 Google Cloud 平台向用户和研究者开放。Google 高级员工工程师 Samier Merchant 表示：“这将是核心变量首次为众多 Google 产品提供输入和动力。”
在初创公司 Brightband 开发的 Operational WeatherBench 评测工具中，WeatherNext 3 在温度、风速和湿度等关键指标上表现最优。它不仅超越了 Google、Microsoft、Nvidia 及欧洲中期天气预报中心（ECMWF）的同类深度学习模型，还击败了美国国家气象局和 ECMWF 的传统预报系统。
传统天气预报依赖政府超级计算机运行物理方程，虽准确但成本高、速度慢。自 2018 年 ECMWF 公开半个世纪的气象数据后，研究人员开始训练速度更快且准确性相当的 AI 模型。DeepMind 研究科学家经理 Ferran Alet 指出：“天气具有混沌特性，机器学习能从海量数据中学习模式，解决从不完备信息和有限算力中近似处理噪声物理规律的问题。”
针对此前 AI 预报模型分辨率低（15-25 平方公里）、降雨预测不准及依赖格式化数据集等痛点，WeatherNext 3 实现了全面突破：
- 高分辨率：关键变量预测分辨率低至 5 公里；
- 降雨预测：评估结果较 WeatherNext 2 提升 60%；
- 高频更新：预报频率从每 6 小时一次提升至每小时一次。
这些改进源于多项设计优化。WeatherNext 3 参数量是前代的 2.4 倍，并通过调整解码器头目标提供更精准答案。不同于传统三维网格平均输出，该模型擅长可视化气旋路径，并针对特定气象站进行训练，使预测结果可与地面真实数据直接对比验证。
Brightband 大气科学家 Daniel Rothenberg 评价道：“该模型增加了如每小时预测丹佛机场气象站测量值等功能，使任务更贴近核心应用。”此外，模型可实时接收卫星原始观测数据而非仅依赖超算分析数据，有望进一步提升预报准确性。
Google 称 WeatherNext 3 是首个直接将原始观测数据纳入高分辨率全球预测的 AI 模型。尽管 WindBorne 公司声称其 WeatherMesh 6 模型自 2025 年底已整合气球舰队等原始数据，但 Google 强调其在全球范围内具备更高分辨率。目前两者仍部分依赖国家气象数据集，实现完全直接数据同化仍需持续探索。
气象领域的 Transformer 革命正带来深远影响。欧美天气机构已采用 AI 模型，其低成本优势有望惠及缺乏昂贵传感器和超算资源的贫困地区。比尔·盖茨曾指出 AI 天气预测有助于提高发展中国家农作物产量；Ferran Alet 也表示，对风、雨和云量的高分辨率预测将显著提升可再生能源项目的可靠性。
Alet 总结道：“归根结底，Google 旨在为用户提供有用信息，而天气正是用户关注的核心内容之一。”