Google DeepMind 发布 WeatherNext 3:5公里分辨率的逐小时全球预报
AI 气象模型花了三年时间追赶物理预报,但仍有两个问题未解决:分辨率粗糙且无法捕捉局部地形;以及初始化比数值天气预报(NWP)分析滞后约 6 小时。Google DeepMind 与 Google Research 联合发布的 WeatherNext 3 直接解决了这两个问题。

直接在气象站测量数据上进行训练,不再仅依赖再分析网格
WeatherNext 3 使用实时全球地球静止卫星镶嵌图作为模型的直接输入,每小时重新初始化一次,输出最高分辨率为 0.05°(约 5 公里),并使用原始气象站观测数据进行训练,而非仅依赖再分析网格。根据 Google AI 的说法,Brightband 的独立实时评估将其评为迄今为止最准确的全球气象模型。
在架构方面,WeatherNext 3 是一个函数生成网络(FGN)网格 Transformer,它属于与 WeatherNext 2 相同的概率模型家族,但扩展到了多分辨率输出。输入包括实时地球静止卫星镶嵌图和 ECMWF HRES 分析。训练数据包括 ERA5/HRES-fc0、NASA 的 IMERG、站点观测数据和卫星镶嵌图。
大多数 AI 预报模型从 NWP 再分析数据中学习,这会平滑掉由海岸线、山谷和山脉引起的局部差异。然而,WeatherNext 3 使用专用的观测头直接在原始站点测量数据上进行训练,将其 0.05° 的温度和露点输出校准为实际仪器读数。
每小时更新,降水及可再生能源变量显著改进
单次前向推理可产生三个层级的结果:针对站点训练模型的 0.05°(约 5 公里)2 米温度和露点,0.1°(约 10 公里)的 10 米和 100 米地表风、气压、海表温度、云量、太阳辐射和 1 小时降水量,以及覆盖 13 个气压层的 0.25°(约 25 公里)大气场。相比之下,WeatherNext 2 每 6 小时输出一个 0.25° 场,这也是“清晰度提升五倍”这一说法的原因。
刷新频率是另一个重大变化:该模型每天初始化 24 次,00、06、12 和 18 UTC 的四个天气循环可预测长达 15 天(360 小时),包含 64 个集合成员,而其余每小时运行的覆盖 48 小时。对于快速发展的对流天气,基于当前卫星观测的每小时刷新与滞后分析的 6 小时循环相比,带来了显著差异。
降水一直是全球模型的弱点,输出往往模糊且无法捕捉风暴边界。WeatherNext 3 使用三种数据源进行训练:ECMWF 再分析、NASA IMERG 卫星反演以及 Google 自己的卫星雷达降水再分析。Google 声称,在短期预报中,其 CRPS 相比基线(与 IMERG 相比)提高了高达 60%,相比 MRMS 提高了 30%,相比雨量计提高了 10%;研究还显示,当以 IMERG 为评估标准时,与 NWP 基线相比,Brier 分数和 CRPS 降低了高达 50%。
对于可再生能源,该模型输出涡轮机轮毂高度处的 100 米风速、完整的低/中/高云分布以及太阳辐照度的两个分量——SSRD 和 FDIR,这正是电网运营商预测风能和太阳能输出所需的组合。
目前,可通过 BigQuery、Earth Engine 和 Cloud Storage 请求预报数据,但 WeatherNext 3 的权重未开源,且自定义推理在请求时仍运行 WeatherNext 2。
相关文章
美国与中国的人工智能竞赛:四款模型领先,中国人形机器人推进势头增强
比尔·盖茨,盖茨基金会主席,最近宣布在未来两年内投资10亿美元以推进人工智能。该倡议旨在使尖端技术民主化,确保其不仅服务于富人,还能帮助最贫困地区的人民改善处境。此外,盖茨还分享了他对全球大模型格局、算力碳排放以及中国人形机器人崛起的看法。关于全球大模型竞争,盖茨指出,中国和美国目前都拥有四家或更多机构,其模型排名处于世界最先进之列。顶级模型与接下来七家领先模型之间的性能差距正在缩小。他观察到,全球前八大模型的能力已经超过了四个月前的水平,形成了一种“超级竞争”,人才和算力正在迅速汇聚。这种动
Cursor 推出 Origin 代码托管平台,直接挑战 GitHub
AI 驱动编程工具领域正取得重大进展。领先的 AI 代码编辑器 Cursor 正式推出了 Origin,这是一项新的代码托管服务,现已向所有付费订阅用户开放早期测试。这一战略举措使该平台能够直接与主流开发生态系统展开竞争,为 GitHub 提供了可行的替代方案。Origin 深度集成到日常开发工作流中,支持仓库创建、拉取请求、代码浏览以及与 GitHub 的无缝同步。用户可以创建带有特定前缀的仓库,或将现有的 GitHub 项目同步至 Origin,从而实现评论和代码审查的双向同步。在测试阶
随着Sol和Luna的加入,OpenAI GPT-6在各项基准测试中将令牌成本削减了一半
据Artificial Analysis报道,GPT-6 Sol(最高配置)在智能排名中位居榜首,售价为48美元。图片来源:Getty Images在OpenAI发布GPT-6 Sol和Luna之后,解决方案工程主管马特·韦弗(Matt Weaver)向《AI Magazine》解释了这些新模型如何为企业提供更强的运营灵活性。OpenAI 近期推出了 GPT-6 Astra,并将其描述为“全球最智
相关专题推荐
评论 (0)
0/500
AI 气象模型花了三年时间追赶物理预报,但仍有两个问题未解决:分辨率粗糙且无法捕捉局部地形;以及初始化比数值天气预报(NWP)分析滞后约 6 小时。Google DeepMind 与 Google Research 联合发布的 WeatherNext 3 直接解决了这两个问题。

直接在气象站测量数据上进行训练,不再仅依赖再分析网格
WeatherNext 3 使用实时全球地球静止卫星镶嵌图作为模型的直接输入,每小时重新初始化一次,输出最高分辨率为 0.05°(约 5 公里),并使用原始气象站观测数据进行训练,而非仅依赖再分析网格。根据 Google AI 的说法,Brightband 的独立实时评估将其评为迄今为止最准确的全球气象模型。
在架构方面,WeatherNext 3 是一个函数生成网络(FGN)网格 Transformer,它属于与 WeatherNext 2 相同的概率模型家族,但扩展到了多分辨率输出。输入包括实时地球静止卫星镶嵌图和 ECMWF HRES 分析。训练数据包括 ERA5/HRES-fc0、NASA 的 IMERG、站点观测数据和卫星镶嵌图。
大多数 AI 预报模型从 NWP 再分析数据中学习,这会平滑掉由海岸线、山谷和山脉引起的局部差异。然而,WeatherNext 3 使用专用的观测头直接在原始站点测量数据上进行训练,将其 0.05° 的温度和露点输出校准为实际仪器读数。
每小时更新,降水及可再生能源变量显著改进
单次前向推理可产生三个层级的结果:针对站点训练模型的 0.05°(约 5 公里)2 米温度和露点,0.1°(约 10 公里)的 10 米和 100 米地表风、气压、海表温度、云量、太阳辐射和 1 小时降水量,以及覆盖 13 个气压层的 0.25°(约 25 公里)大气场。相比之下,WeatherNext 2 每 6 小时输出一个 0.25° 场,这也是“清晰度提升五倍”这一说法的原因。
刷新频率是另一个重大变化:该模型每天初始化 24 次,00、06、12 和 18 UTC 的四个天气循环可预测长达 15 天(360 小时),包含 64 个集合成员,而其余每小时运行的覆盖 48 小时。对于快速发展的对流天气,基于当前卫星观测的每小时刷新与滞后分析的 6 小时循环相比,带来了显著差异。
降水一直是全球模型的弱点,输出往往模糊且无法捕捉风暴边界。WeatherNext 3 使用三种数据源进行训练:ECMWF 再分析、NASA IMERG 卫星反演以及 Google 自己的卫星雷达降水再分析。Google 声称,在短期预报中,其 CRPS 相比基线(与 IMERG 相比)提高了高达 60%,相比 MRMS 提高了 30%,相比雨量计提高了 10%;研究还显示,当以 IMERG 为评估标准时,与 NWP 基线相比,Brier 分数和 CRPS 降低了高达 50%。
对于可再生能源,该模型输出涡轮机轮毂高度处的 100 米风速、完整的低/中/高云分布以及太阳辐照度的两个分量——SSRD 和 FDIR,这正是电网运营商预测风能和太阳能输出所需的组合。
目前,可通过 BigQuery、Earth Engine 和 Cloud Storage 请求预报数据,但 WeatherNext 3 的权重未开源,且自定义推理在请求时仍运行 WeatherNext 2。
美国与中国的人工智能竞赛:四款模型领先,中国人形机器人推进势头增强
比尔·盖茨,盖茨基金会主席,最近宣布在未来两年内投资10亿美元以推进人工智能。该倡议旨在使尖端技术民主化,确保其不仅服务于富人,还能帮助最贫困地区的人民改善处境。此外,盖茨还分享了他对全球大模型格局、算力碳排放以及中国人形机器人崛起的看法。关于全球大模型竞争,盖茨指出,中国和美国目前都拥有四家或更多机构,其模型排名处于世界最先进之列。顶级模型与接下来七家领先模型之间的性能差距正在缩小。他观察到,全球前八大模型的能力已经超过了四个月前的水平,形成了一种“超级竞争”,人才和算力正在迅速汇聚。这种动
Cursor 推出 Origin 代码托管平台,直接挑战 GitHub
AI 驱动编程工具领域正取得重大进展。领先的 AI 代码编辑器 Cursor 正式推出了 Origin,这是一项新的代码托管服务,现已向所有付费订阅用户开放早期测试。这一战略举措使该平台能够直接与主流开发生态系统展开竞争,为 GitHub 提供了可行的替代方案。Origin 深度集成到日常开发工作流中,支持仓库创建、拉取请求、代码浏览以及与 GitHub 的无缝同步。用户可以创建带有特定前缀的仓库,或将现有的 GitHub 项目同步至 Origin,从而实现评论和代码审查的双向同步。在测试阶
随着Sol和Luna的加入,OpenAI GPT-6在各项基准测试中将令牌成本削减了一半
据Artificial Analysis报道,GPT-6 Sol(最高配置)在智能排名中位居榜首,售价为48美元。图片来源:Getty Images在OpenAI发布GPT-6 Sol和Luna之后,解决方案工程主管马特·韦弗(Matt Weaver)向《AI Magazine》解释了这些新模型如何为企业提供更强的运营灵活性。OpenAI 近期推出了 GPT-6 Astra,并将其描述为“全球最智





首页






