Google 最新 AI 天气模型让你再也没理由忘带雨伞

Google DeepMind 和 Google Research 今天发布了一款新的 AI 天气预测模型，能更清晰地观测我们变化中的大气，并更频繁地预测其走向。 WeatherNext 3 是深度学习技术引发气象学重大变革的最新成果，Google 表示它将开始服务于搜索、Google Maps 和 Gemini 中的天气信息，同时也将在 Google 云平台向用户和研究者开放。 "这将是首次让部分核心气象变量驱动众多 Google 产品，" Google 资深工程师 Samier Merchant 告诉 TechCrunch。 在初创公司 Brightband 开发的 Operational WeatherBench 基准测试中，该模型已被证实表现最为精准，评测指标涵盖温度、风速和湿度等。 它不仅击败了 Google、Microsoft、Nvidia 及欧洲中期天气预报中心（ECMWF）等其他深度学习模型，还超越了美国国家气象局和 ECMWF 的传统数值预报。

大多数天气预报来自政府拥有的超级计算机，它们费力地求解描述天气物理规律的数学方程；尽管这些系统已相当精准，但成本高昂且速度相对较慢。2018 年 ECMWF 公开了该系统运行半个多世纪以来产生的天气数据，深度学习研究人员随即开始训练能够以可比拟的精度、远快于传统手段进行预测的模型。 "天气是混沌的，微小的差异就会引发巨大的扰动……机器学习针对的是我们真正要解决的问题——从不完备信息和有限算力中逼近带噪声的物理规律，因此它能从大量数据中学习模式，" DeepMind 资深研究科学家 Ferran Alet 表示。 自此之后，模型开发者持续攻克AI预测模型的几大核心短板：预测范围往往过大（15到25平方公里），实际参考价值有限；对降雨的预测能力不佳；且仍依赖政府机构产出的格式化数据集。 WeatherNext 3全面应对这三项挑战。研究团队向TechCrunch透露，该模型在关键气象变量上可实现5公里分辨率的预测。相比WeatherNext 2，其降雨评估精度提升了60%，且现在能生成逐小时预报，突破了传统每六小时预测一次的标准频率。

这些改进源自设计团队的一系列针对性决策。WeatherNext 3是体量更大的模型，参数量达到前代的2.4倍，并对解码器头部的目标进行专门优化，以输出更具实用价值的预测结果。虽然大多数天气预报仍以3D网格上的平均指标形式输出，但DeepMind的研究团队此前已通过调整模型来可视化气旋路径而获得赞誉。 此次更新中，设计团队还训练模型将预测直接对应到具体的气象数据站。这不仅有助于提供更细粒度的预测，还能用真实地面观测数据来评估模型表现。 Brightband的大气科学家Daniel Rothenberg表示："很多AI应用的理念是尽量实现端到端化。让模型现在能够逐小时预测丹佛机场气象站的具体读数，这就把预测任务与核心目标连接得更紧密了。" 该模型之所以能够实现更高频的预测，是因为它可以实时 ingest 每小时采集的天气卫星数据。用原始观测数据而非气象超级计算机的分析结果来驱动AI模型，有望带来更准确的预报，但让模型处理非格式化数据在技术上仍是挑战。 谷歌表示WeatherNext 3是首个直接整合原始观测数据、进行高分辨率全球预报的AI模型，但AI气象初创公司WindBorne则回应称，其WeatherMesh 6模型自2025年底以来一直在整合来自气象气球舰队及其他来源的原始观测数据。对此，谷歌指出其预报在全球范围内的分辨率更高。不过，两个模型在运行预报时仍依赖各国气象数据集，要实现真正的直接数据同化还有很长的路要走。 虽然LLM占据了大部分关注，但transformer革命在气象学领域同样重要。欧洲和美国的天气机构已经在预报产品中使用了AI模型，其速度和低成本有望为欠发达地区带来经济效益——在这些地方，高质量传感器和超级计算机的费用一直让精准预报成为奢望。 Bill Gates近日引用AI驱动的气象预报作为这项技术的关键红利之一，指出更好的预报有助于提高发展中国家的农作物产量。DeepMind研究员Alet表示，更高分辨率的风、降雨和云层覆盖预报将有助于提升可再生能源项目的可靠性。 "归根结底，我认为谷歌的目标是为用户提供有价值的信息，而用户所关心的内容在很大程度上都与天气有关，"Alet说。