Google DeepMind 的 WeatherNext 2 在 99.9% 的变量上优于之前的 AI 天气模型
核心要点
- 新模型预测气旋轨迹比传统系统早一整天，并已在 GitHub 上开源 谷歌 DeepMind 和谷歌研究院发布了最新一代人工智能天气预报模型，机器学习与传统超级计算机驱动的气象学之间的性能差距变得更大。
- WeatherNext 2 在 99.9% 的预测变量上击败了之前的模型。
- 主要发现：与传统的气旋路径
新模型预测气旋轨迹比传统系统早一整天，并已在 GitHub 上开源
谷歌 DeepMind 和谷歌研究院发布了最新一代人工智能天气预报模型，机器学习与传统超级计算机驱动的气象学之间的性能差距变得更大。
更新后的 WeatherNext 系列包括 WeatherNext 2 和名为 WeatherNext Cyclones (WN-C) 的专用气旋跟踪变体，其预测速度比前代产品快 8 倍，同时在几乎所有可测量维度上均优于传统的基于物理的系统。 WeatherNext 2 在 99.9% 的预测变量上击败了之前的模型。
模型实际上做了什么
WeatherNext 的运行空间分辨率为 0.25 度，相当于赤道处大约 30 公里。预测每六小时初始化一次，时间为 UTC 时间 00、06、12 和 18，整体版本将预测时间延长至 15 天。
气旋特定模型 WN-C 是事情变得特别有趣的地方。 2026 年 8 月 6 日在《自然》杂志上发表的一篇经过同行评审的论文记录了 WN-C 在 2025 年大西洋飓风季节的表现。主要发现：与传统的气旋路径、强度和规模预测预测系统相比，人工智能模型的提前时间大约增加了一天。事实证明，该模型在预测飓风梅丽莎方面特别有效，梅丽莎是 2025 年飓风季最引人注目的风暴之一。
这些模型根据欧洲中期天气预报中心的 ERA5 和 HRES 数据进行训练。底层架构依赖于功能生成网络（FGN）来生成集合预测，这种技术可以生成不同的场景预测，同时消耗的计算能力比传统上负责天气建模的超级计算机少得多。
开源和云集成
WeatherNext 模型（包括预训练权重）已在 Apache 2.0 许可下在 GitHub 上开源发布。还有一个 WeatherNext 的迷你变体，可以在 Google Colab 免费笔记本中的单个 TPU 上运行。
谷歌还将这些模型集成到其云基础设施中，以便通过 BigQuery 和 Earth Engine 访问它们。自 2025 年以来，分阶段集成 Google Cloud 和面向消费者的产品一直在进行中。
为什么科技以外的行业应该关注
天气预报的准确性对众多行业产生直接的财务影响。能源市场是最明显的受益者。管理风能和太阳能等可再生能源的电网运营商需要准确的多日预测来平衡供需。农业是另一个对缩短交货时间至关重要的行业。保险和再保险公司部分根据预测模型输出对巨灾风险进行定价，鉴于模型可以比传统工具提前一整天预测气旋强度，因此可能需要重新调整其方法。
这些模型通过云基础设施和开源渠道的可用性也降低了想要构建依赖天气的服务的初创公司和小型企业的进入门槛。