该模型可预测100米高空风速、云量和地表太阳辐射，每小时更新，分辨率达5公里，旨在帮助电网运营商和新能源开发商预测风电和光伏出力。
AI解读：谷歌进入了一个它自己也在制造需求的领域。数据中心耗电推高了电网负荷，而新增发电装机又主要来自看天吃饭的风电和光伏，这让电网两头都更难预测。WeatherNext 3的卖点就是直接预测风电和光伏的发电量：每小时更新、100米高空风速、云量、地表日照，这些都是电网调度和电力交易需要的具体数据。对能源企业来说，选不选谷歌，成本很关键——谷歌没公布企业级定价，不确定是否按标准云服务收费，而现有专业厂商如Vaisala、Solcast都有成熟产品。另一个悬念是精度：谷歌声称最高提升60%，但没有第三方独立验证，只有自己的评测。电网运营商可能不会因为一个全球排行榜就换供应商，更关心自家场站上的实际表现。普通读者不需要立即行动，这条新闻真正的决策者是能源交易员和电网技术采购。
谷歌9月3日发布AI天气预报模型WeatherNext 3，新增面向能源行业的风速、太阳辐射等预测变量，目标客户是电网运营商、电力交易员和风电光伏开发商。该模型每小时更新一次，全球预报分辨率最高5公里，由谷歌DeepMind和Google Research共同开发。
此前的WeatherNext 2在25公里网格上运行，每6小时更新一次。谷歌表示，新增的能源变量旨在帮助电网运营商和开发商预测风电光伏设施的发电量，并与需求进行匹配。
能源行业为何购买AI天气预报
电网运营商正面临发电和用电两端预测难度加大的局面。发电侧，可再生能源占新增装机的大部分。S&P Global Market Intelligence的《美国电网展望2026》预计，今年太阳能和储能是新增装机的主要来源，在超过90吉瓦的计划新增中分别占51.2吉瓦和25.7吉瓦。太阳能和风电的出力取决于天气而非需求，每增加1吉瓦就更需要精准的短期预报。
用电侧，新增负荷主要来自AI。S&P Global认为，数据中心在北美地区的扩张是近期电力需求激增的主要驱动力，迫使公用事业公司上调负荷预测。德勤《2026年电力和公用事业行业展望》预测，到2035年峰值需求将增长约26%，其中数据中心需求可能达到176吉瓦，是2024年水平的5倍。
预报错误的代价很直接：低估风电出力，运营商只能临时购买替代电力，通常来自高价待命的燃气电厂；高估则导致风电场和太阳能电站因电网无法消纳而被付费停机。两种结果都很昂贵，且都源于预报失误。
谷歌进入的市场和现有竞争者
向能源行业出售天气预报是一个成熟市场，Vaisala、Solcast、DNV旗下WindGEMINI和IBM的HyperWatch都参与竞争。瑞士公司Jua也在此列，声称其EPT-2模型在准确度上胜过微软Aurora和DeepMind早前的GraphCast，并且每天更新24次，而竞争对手通常每天更新4次。
谷歌的优势在于覆盖面广：同一份预报可同时出现在BigQuery数据表中、Earth Engine图层里、Google Maps Platform API以及Google搜索的默认答案里，且每小时刷新一次，缩小了与专业厂商的更新频率差距。
现有厂商还有一个技术论点：Jua公开表示，基于物理的模型（如ECMWF的HRES）在破纪录的极端天气中仍优于纯数据驱动的AI模型，因为物理模型编码了大气中能量和质量运动的规律，而AI模型只从历史数据中学习模式。Jua销售的是受物理约束的产品，这一说法符合其自身利益，但它描述的正是电网运营商最担心的场景——风暴超出训练数据范围时。
WeatherNext 3的新架构和准确度数字
WeatherNext 3的架构创新在于从真实观测而非模拟中学习。大多数AI天气模型（包括WeatherNext 2）使用数值天气预报模型的输出进行训练，后者是超级计算机驱动的物理模拟，存在约6小时的数据延迟，可能导致降雨和地表温度等快速变化变量出现偏差。WeatherNext 3则摄入实时地球同步卫星图像，并直接使用单个气象站的读数进行训练。
这一转变是真实的，但比许多报道描述的范围要窄。谷歌自己的系统图显示，模型输入是每小时卫星镶嵌图和传统历史分析。谷歌DeepMind高级研究员Ilan Price对彭博社表示，优势在于无需等待下一次分析，而是使用最新的可用信息。报道称，剩余数据延迟已从约7小时降至3至4小时，对数值天气预报的依赖有所减少，但并未消除。
准确度数字需要谨慎解读。谷歌报告称，在早期预测时段，与NASA的IMERG卫星产品相比改进最高达60%，与MRMS雷达相比改进30%，与雨量计读数相比改进10%。这三项是不同基线，百分比并不叠加。广泛流传的“降水预报提升50%”仅适用于提前一天或以上的预报。每个数字都带有“最高达”的限定词，意味着是最好情况而非典型结果。
谷歌未随发布提供第三方独立验证，而是引用Brightband的实时评估排行榜，声称WeatherNext 3是迄今最准确的全球天气模型。考虑从付费专业供应商转投谷歌的公用事业公司，更关心的是其服务区域和自有资产上的表现，而非全球排行榜排名。
谷歌在该问题中的自身角色
谷歌是在向一个由自家行业助长的电网问题销售预测工具。推动公用事业负荷增长的数据中心建设正是由谷歌等超大规模云厂商主导，而谷歌已签署多吉瓦的可再生能源采购协议，为其自有设施供电。
精准预测风电和光伏出力对谷歌匹配大规模清洁能源与不断增长且多变的负荷直接有用。这是商业逻辑，也在一定程度上解释了本版本为何包含能源变量。
谷歌尚未公布WeatherNext 3企业级访问的定价，也未说明BigQuery和Earth Engine数据是按标准云查询收费，还是需要单独的许可。考虑转向的公用事业公司需要先了解价格，再评估准确度声明。