谷歌DeepMind和谷歌研究团队近日发布了一款全新的人工智能天气预测模型WeatherNext 3，该模型能够更清晰地洞察不断变化的大气环境，并更频繁地预测天气变化。
WeatherNext 3代表了深度学习技术带来的气象学变革新潮流。谷歌表示，这一模型将逐步应用于搜索、谷歌地图和Gemini等产品中的天气信息展示，同时也会向用户和研究人员开放于谷歌云平台。
谷歌高级工程师Samier Merchant向TechCrunch透露：“这是首次将一些核心变量直接输入并驱动谷歌众多产品。”
该模型已在由初创公司Brightband开发的Operational WeatherBench平台上测试，表现为领先的天气预测模型。该平台通过温度、风速和湿度等指标对模型进行评估。
WeatherNext 3不仅优于谷歌、微软、英伟达以及欧洲中期天气预报中心（ECMWF）开发的其他深度学习模型，还超越了美国国家气象局和ECMWF的传统天气预报。
目前大多数天气预报依赖政府拥有的超级计算机，通过复杂的数学方程模拟天气物理过程。尽管这些系统准确度高，但成本昂贵且计算速度较慢。自2018年ECMWF公开了半个多世纪的天气数据后，深度学习研究者开始训练模型，以更快速度和相当的准确度进行天气预测。
DeepMind的研究科学家经理Ferran Alet表示：“天气具有混沌特性，微小差异会引发巨大变化。机器学习针对我们真正解决的问题——基于不完整信息和有限计算资源的近似噪声物理过程，从大量数据中学习模式。”
此后，模型开发者不断攻克AI天气预测的关键难点：预测范围过大（通常为15至25平方公里），降雨预测不够精准，以及依赖政府机构提供的格式化数据集。
WeatherNext 3针对这三大挑战进行了优化。研究人员告诉TechCrunch，该模型在关键变量预测上分辨率提升至5公里，降雨预测较上一代模型提升60%，且支持每小时更新的预测，而非传统的每六小时一次。
这些改进源于设计者的多项决策。WeatherNext 3模型规模扩大，参数数量是前代的2.4倍，解码器针对目标进行了定制以提供更实用的预测结果。DeepMind研究团队此前已因调整模型以可视化气旋路径而获得赞誉。
此次设计者还训练模型针对具体气象观测站进行预测，这不仅提升了预测的细粒度，也便于将预测结果与真实观测数据进行对比评估。
Brightband大气科学家Daniel Rothenberg表示：“许多AI应用都力求端到端处理任务。现在模型能预测例如丹佛机场气象站的逐小时天气，这使预测任务更贴近核心数据。”
模型能够更频繁地预测，得益于其可实时处理每小时收集的卫星气象数据。相比依赖超级计算机分析结果，直接利用原始观测数据能带来更准确的预测，但处理非格式化数据仍具技术挑战。
谷歌称WeatherNext 3是首个直接整合原始观测数据进行高分辨率全球天气预测的AI模型，但AI气象初创公司WindBorne表示其WeatherMesh 6模型自2025年底起已整合来自气象气球等多源原始观测数据。谷歌回应称其模型在全球范围内分辨率更高。无论如何，两者仍依赖国家气象数据集，未来仍需进一步实现真正的直接数据同化。
虽然大型语言模型（LLM）备受关注，变换器（transformer）技术在气象领域的革命同样重要。欧美气象机构已将AI模型应用于天气预报产品，其速度快、成本低的优势有望惠及因高质量传感器和超级计算机成本高昂而难以获得准确预报的贫困地区。
比尔·盖茨近期指出，AI驱动的天气预报是该技术的重要益处，能提升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、雨和云量预测将助力可再生能源项目的稳定运行。
Alet总结道：“归根结底，谷歌致力于为用户提供有用的信息，而用户对天气信息的需求始终存在。”
