Google Research与DeepMind联合推出WeatherNext 3天气预报模型，该模型不再依赖传统物理模拟，而是直接从实时卫星数据中学习，实现每小时更新、最高5公里分辨率的预报。
AI解读：Google Research和DeepMind发布的WeatherNext 3彻底改变了天气预报模型的训练方式。过去，包括上一代WeatherNext 2在内的AI天气模型，都依赖超级计算机运行的物理模拟数据来训练，但这些模拟数据有约六小时的延迟，对降雨、气温等快速变化的变量容易引入误差。WeatherNext 3直接使用实时地球静止卫星数据进行学习，因此能每小时生成一次预报，分辨率最高达到5公里，比上一代精细约五倍。对普通用户而言，最直接的改变是查看Google Search、Maps或Gemini里的天气预报时，降雨预报会更准确——Google称提前一天以上的降水预报准确率可提升最多50%，尤其是在非洲、拉美和亚太等此前缺乏精细预报的地区。对电网运营者和可再生能源企业来说，模型能更精确地预测云量和100米高度的风速，有助于风电场和太阳能电站估算发电量，进而优化供需平衡。不过，Google也明确表示，大气本身总有不可预测性，官方天气预报、恶劣天气警报和公共安全建议仍应以各国气象部门发布的信息为准。WeatherNext 3目前已在Google Search、Gemini、Google Maps等产品中上线，研究者和企业可通过BigQuery、Earth Engine等平台查询数据。
Google Research与DeepMind联合发布WeatherNext 3天气预报模型，该模型弃用传统物理模拟，改为直接从实时卫星数据学习，每小时生成一次预报，最高分辨率为5公里，是前代WeatherNext 2的约5倍。
Google称，WeatherNext 3通过处理实时地球静止卫星数据，每小时基于最新观测产生一次全新预报，能更快捕捉快速发展中的风暴和降水，从而提供更早、更准确的预警。
模型架构与数据来源
传统AI天气模型（包括WeatherNext 2）基于数值天气预报（NWP）数据训练，这些模拟在超级计算机上运行，存在六小时延迟。Google表示，这一延迟会对降雨、温度等快速变化的变量引入误差。
WeatherNext 3改用实时地球静止卫星数据训练，并辅以单个气象站的数据，用以捕捉海岸线、山谷和山脉等局部地形特征。Google还利用NASA的卫星降水数据集IMERG和自有的基于卫星雷达的全球降水分析数据对模型进行训练。
模型输出多种网格化预报场（包括大气和降水变量）以及气象站点预报和热带气旋路径预报。
分辨率与性能提升
WeatherNext 3以多分辨率生成逐小时预报：温度和湿度场为5公里网格，其他地面变量为10公里，风速等大气变量为25公里。相较之下，WeatherNext 2仅提供25公里网格、6小时间隔的预报。Google以英国温度预报为例说明差异：25公里网格下地图呈像素化模糊效果，5公里网格则能清晰呈现山脉与海岸线的轮廓。
针对中期全球预报的连续排名概率分数（CRPS）显示，与IMERG相比改进最高达60%，与MRMS相比改进30%，与短期雨量计数据相比改进10%。
WeatherNext 3还能预测100米高度（约风机轮毂高度）的风速，用于估算风电场发电出力；更准确的云量和太阳辐照度则有助于太阳能电站计算预期发电量。Google称，这些能力可帮助电网运营商平衡电力供需。
区域受益与产品落地
Google表示，拉美、非洲和亚太地区的用户有望获得最大改善，因为传统区域高分辨率预报模型计算成本高昂，这些地区长期缺乏精细化气象服务。
WeatherNext 3目前已在Google Search、Gemini应用、Google Maps、Google Maps Platform Weather API和Google Earth Engine中提供天气功能。数据每小时更新一次，研究人员、开发者和企业可通过BigQuery和Earth Engine查询，或从Google Cloud Storage批量下载。
Google称，当用户提前一天或更长时间规划活动时，降水预报的准确率最高可提升50%，在预报精度原本较低的地区增幅最大。但Google同时承认大气存在固有的不可预测性，并建议用户以各国气象部门发布的官方预报、恶劣天气警报和安全提示为准。
模型发展脉络
Google DeepMind于2025年11月推出WeatherNext 2，据称在99.9%的气象变量和预报时间窗上优于第一代，且运行速度快8倍，可在一块TPU上于一分钟内处理数百个天气情景。其底层的功能生成网络（Functional Generative Network）同样构成WeatherNext 3的基础。WeatherNext 2此前已支持Google Search、Gemini、Pixel Weather和Weather API。
2026年8月，DeepMind以开放许可证发布了WeatherNext 2和WeatherNext Cyclones。后者可在一个系统中同时预测热带风暴的路径和强度，尽管其网格比领先业务模型粗糙约100倍，却能比它们多看约一天的预报。
2024年末，DeepMind发布GenCast，据称是首个在集合预报上超越ECMWF的概率型AI天气模型。