谷歌最新的 AI 天气模型让你没有理由忘记带伞

Google DeepMind 与 Google Research 推出了一款全新的 AI 驱动天气预报模型，该模型能提供更清晰的大气变化洞察，以及更频繁、可靠的预测结果。

WeatherNext 3 代表了气象学领域的重大飞跃，由深度学习驱动。Google 计划将该模型集成到 Search、Google Maps 和 Gemini 中，并通过其云平台向研究人员和用户开放。

“这标志着核心变量首次直接为 Google 的一系列产品提供支持，”Google 高级员工工程师 Samier Merchant 在接受 TechCrunch 采访时说。

在由初创公司 Brightband 创建的用于比较 AI 预测的基准测试 Operational WeatherBench 上进行的测试显示，WeatherNext 3 在温度、风速和湿度等关键指标上展现了卓越的准确性。

它优于 Google、Microsoft、Nvidia 以及欧洲中期天气预报中心（ECMWF）的其他深度学习模型，也优于美国国家气象局和 ECMWF 的传统预测。

Image Credits:Brightband / Brightband

传统天气预报依赖于政府超级计算机求解复杂的物理方程。虽然准确，但这些系统成本高昂且速度缓慢。自 2018 年 ECMWF 发布数十年历史数据以来，研究人员利用深度学习创建了速度更快且准确性相当的模式。

“天气是混沌的；微小的差异可能导致巨大的扰动，”DeepMind 的员工研究科学家经理 Ferran Alet 解释道。“机器学习解决了核心挑战：使用不完整的信息和有限的计算资源来近似嘈杂的物理现象，从而能够从海量数据集中学习模式。”

之前的 AI 预测模型面临几个关键限制：它们覆盖的区域较广（15–25 平方公里），实际用途有限，难以预测降雨，且依赖于经过预处理的政府数据。

WeatherNext 3 解决了这些问题。它提供了 5 公里的分辨率，与 WeatherNext 2 相比，降雨预测准确率提高了 60%，并且生成的是每小时预测，而不是标准的六小时间隔。

Image Credits:Google / Google

这些改进源于特定的设计选择。WeatherNext 3 的参数数量是前代的 2.4 倍，解码器头经过定制，以提供更可操作的洞察。与在 3D 网格上平均数据的标准预测不同，DeepMind 的模型可以可视化特定事件，如气旋路径。

此外，该模型经过训练以预测特定气象站的数据。这提高了预测的粒度，并允许与地面真实数据进行评估对比。

“许多 AI 应用的目标是端到端地运行任务，”Brightband 的大气科学家 Daniel Rothenberg 说。“通过预测特定站点的数据，例如丹佛机场的每小时天气状况，我们将预测与实际效用更紧密地联系起来。”

该模型频率的增加得益于每小时摄入实时卫星数据。使用原始经验观测值而非超级计算机生成的分析提高了准确性，尽管处理未格式化数据在技术上仍然具有挑战性。

Google 声称 WeatherNext 3 是首个将原始观测值纳入高分辨率全球预测的 AI 模型。然而，AI 初创公司 WindBorne 表示，其 WeatherMesh 6 模型自 2025 年底以来一直使用来自气象气球的原始数据。Google 指出，其预测提供了更高的全球分辨率。两个模型仍然依赖国家数据集，表明真正的直接数据同化仍需进一步工作。

虽然大型语言模型占据头条新闻，但气象学领域的 Transformer 革命同样具有变革性。欧洲和美国的天气机构已经在预测中使用 AI，提供了速度和成本优势，这可能使准确的预测对较贫困的地区变得可用。

比尔·盖茨最近强调了 AI 天气预报作为关键益处，指出其有潜力提高发展中国家的农作物产量。Ferran Alet 补充说，更高分辨率的风、雨和云层覆盖预测将有助于使可再生能源项目更加可靠。

“最终，Google 旨在为用户提供有用的信息，而天气是其中不可或缺的一部分，”Alet 总结道。