谷歌研究院和谷歌 DeepMind 发布了 WeatherNext 3，这是该公司人工智能天气预报系统的最新版本，根据谷歌的说法，这是迄今为止最准确的全球预测模型。该系统于 9 月 3 日宣布，将开始将天气信息输入搜索、谷歌地图和 Gemini，并通过谷歌的云平台供企业和研究人员使用。
与数十年来生成世界大部分预测的政府超级计算机不同，WeatherNext 3 是一个深度学习模型：它直接从观测中学习模式，而不是逐步求解大气物理方程。谷歌还表示，它是第一个将原始卫星观测结果直接纳入高分辨率全球预测的人工智能模型——这一说法至少有一个竞争对手存在争议。以下是发生的变化，以及为什么谷歌以外的预测者正在密切关注该领域的最新人工智能发展。
人工智能如何打破天气预报模式
传统的预报来自美国国家气象局和欧洲中期天气预报中心 (ECMWF) 等国家机构，这些机构的超级计算机通过描述大气物理学的数学方程进行计算。这些系统非常准确，但价格昂贵且速度相对较慢。
ECMWF 在 2018 年发布了半个多世纪的存档天气数据后，深度学习替代方案开始蓬勃发展，为研究人员提供了训练语料库神经网络的蓬勃发展。 DeepMind 的研究科学家经理费兰·阿莱特 (Ferran Alet) 告诉 TechCrunch：“天气很混乱，如此微小的差异确实会引发巨大的干扰。” “机器学习的目标是我们真正要解决的问题，这是来自不完整信息和有限计算的近似噪声物理，因此它从大量数据中学习模式。”
更敏锐、更快、更频繁
WeatherNext 3 是一个比其前身更大的模型——参数增加了 2.4 倍——现在它超过了 Brightband 的 Operational WeatherBench，这是一个比较人工智能预报系统温度、风速和湿度的独立基准。据 TechCrunch 称，它的性能优于来自谷歌、微软、Nvidia 和 ECMWF 的深度学习模型竞争对手，并且击败了美国国家气象局和 ECMWF 本身制作的传统数值预测。
实际收益是巨大的：
- 关键变量的分辨率降至 5 公里，大多数人工智能模型的预测范围为 15 至 25 公里。 Decoder 报告该模型的详细程度是 WeatherNext 2 的五倍。
- 根据 Google 的评估，降雨预报比 WeatherNext 2 提高了 60%，并且 9to5Google 引用 Google 自家产品的降水预报准确率提高了 50%。
- 每小时预报而不是标准的六小时节奏，因为该模型可以提取每小时实时收集的卫星观测结果。
- 站级目标，这意味着该模型预测特定气象站（而不仅仅是网格方块）将测量的内容。
Brightband 的大气科学家 Daniel Rothenberg 告诉 TechCrunch，“许多人工智能应用的想法是尝试尽可能端到端地运行任务。” “添加一项功能，该模型现在还可以预测丹佛机场气象站每小时测量的内容，这只是将预测任务更接近核心。”
原始卫星数据之争
谷歌的第一名宣称既依赖于数据管道，也依赖于模型架构。大多数人工智能预报员仍然使用政府气象机构生成的格式化分析数据集进行训练和初始化。 WeatherNext 3 每小时直接采集原始卫星观测数据，谷歌认为这更接近真正的数据同化。
人工智能天气初创公司 WindBorne 反驳称，自 2025 年底以来，其自己的 WeatherMesh 6 模型一直在纳入来自其气象气球队和其他来源的原始观测结果。当被问及这一争议时，谷歌指出了其预测的全球解决方案。 TechCrunch 指出，两家公司的部分流程仍然依赖国家数据集，因此整个领域的完全直接同化仍然是一项正在进行的工作。
用户将在哪里看到它
谷歌高级工程师萨米尔·麦钱特 (Samier Merchant) 告诉 TechCrunch，“这将是第一次为谷歌的许多产品提供一些核心变量并为其提供动力。”搜索、谷歌地图和 Gemini 中的天气信息将利用 WeatherNext 3 的输出，将人工智能生成的预测呈现在数十亿用户面前——其中许多人永远不知道其背后的模型。
为什么它比应用程序更重要
经济才是更大的故事。与超级计算机集群相比，人工智能预测的生成速度快且成本低，这使得以前无法负担的地区也能进行可用的预测。解码器报告称，缺乏准确预测的非洲、拉丁美洲和亚太地区的部分地区应该会看到最大的收益。比尔盖茨将人工智能天气预报视为一项具体的发展效益，更好的预测可以提高发展中国家的农作物产量，阿莱特指出，更高分辨率的风、雨和云预测可以使可再生能源项目更加可靠。
欧洲和美国的气象机构已经将人工智能模型纳入其业务产品中。借助 WeatherNext 3，重塑语言的变压器革命已悄然成为日常天气的引擎。
保持人工智能领先地位
人工智能研究进展迅速。在一处获取最新的人工智能发展。
阅读更多人工智能新闻 →
