Google DeepMind 和 Google Research 今日发布新一代 AI 天气预报模型 WeatherNext 3。该模型在 Operational WeatherBench 基准测试中击败了 Google 自家前代、微软、英伟达以及欧洲中期天气预报中心（ECMWF）和美国国家气象局的传统预报系统，成为目前最准确的 AI 预报模型。

传统天气预报依赖政府超级计算机运行物理方程，虽然准确但昂贵且缓慢。ECMWF 在 2018 年开放了超过半个世纪的历史数据后，深度学习模型开始以更快的速度和接近的精度追赶。WeatherNext 3 针对 AI 预报的三个固有弱点做了针对性改进：预测网格过粗（通常 15-25 平方公里）、对降雨预报不佳、以及依赖政府机构格式化数据。

新模型的核心突破包括：预测分辨率提升至 5 公里（此前更宽）；降雨预测精度相比前代 WeatherNext 2 提升 60%；从每 6 小时一次预报升级为每小时一次。这些改进来自设计上的具体选择：模型参数量是前代的 2.4 倍，并且针对解码器头定制了目标函数，使其输出更有用。DeepMind 团队还专门训练模型预测特定气象站的数据（例如丹佛机场每小时测量的数据），这不仅带来更细颗粒度的预报，也便于用地面真实数据验证模型效果。

更关键的是，WeatherNext 3 能够直接消化实时采集的卫星观测原始数据，而非仅限于超级计算机处理后的分析数据。Google 称这是首个直接融入原始观测数据的高分辨率全球预报 AI 模型。但 AI 天气创业公司 WindBorne 表示其模型 WeatherMesh 6 自 2025 年底起已通过自建气象气球群等来源融入原始数据。Google 回应称其预报在全球范围内分辨率更高。不过，双方模型目前仍需依赖国家气象数据集进行预报，真正实现纯数据同化仍需更多工作。

Google 表示，WeatherNext 3 将首次为 Google 搜索、Google Maps 和 Gemini 等核心产品提供关键气象变量，同时通过 Google Cloud 平台向用户和研究者开放。DeepMind 研究员指出，更高分辨率的风、雨、云量预报对提升可再生能源项目的可靠性尤其有用。AI 模型的快速和低成本也意味着贫穷地区（缺乏高质量传感器和超级计算机）有望获得更准确的天气预报，从而改善作物产量。