原文标题：Google’s latest AI weather model gives you no excuse to forget your umbrella

谷歌 Deepmind 和谷歌研究院的科学家今天发布了一种新的天气预报人工智能模型，可以更清楚地看到我们不断变化的大气并更频繁地预测其行为。

WeatherNext 3 是深度学习技术带来的最新一波气象巨变，谷歌表示，它将开始输入用户在搜索、谷歌地图和 Gemini 中看到的天气信息，并在谷歌云平台上向用户和研究人员提供。

谷歌高级工程师萨米尔·麦昌特 (Samier Merchant) 告诉 TechCrunch：“这将是一些核心变量首次为谷歌的许多产品提供支持和支持。”

事实证明，新模型是在Operational WeatherBench（初创公司 Brightband 构建的用于比较人工智能预测的实用程序）上测试的领先竞争者中最准确的。它着眼于温度、风速和湿度等指标。

它不仅击败了谷歌、微软、英伟达和欧洲中期天气预报中心构建的其他深度学习模型，还击败了美国国家气象局和 ECMWF 的传统预测。

大多数天气预报都来自政府拥有的超级计算机，它们费力地计算着描述天气物理学的数学方程；虽然这些系统已经变得非常准确，但它们价格昂贵且速度相对较慢。 ECMWF 在 2018 年发布了这些系统产生的半个多世纪的天气数据后，深度学习研究人员开始训练模型，这些模型可以更快地进行预测，并且准确度与政府工具相当。

DeepMind 的研究科学家经理 Ferran Alet 表示：“天气是混乱的，微小的差异确实会开始产生巨大的干扰……机器学习的目标是我们真正要解决的问题，即来自不完整信息和有限计算的近似噪声物理，因此它可以从大量数据中学习模式。”

从那时起，模型制作者就开始解决人工智能预报模型的关键弱点：它们往往会预测比真正有用的更广泛的区域（15 至 25 平方公里），它们并不总是能很好地预测降雨，而且它们仍然依赖于政府机构生成的格式化数据集。

WeatherNext 3 应对所有三个挑战。研究人员告诉 TechCrunch，在关键变量方面，它的预测分辨率可达 5 公里。它对降雨的评估比 WeatherNext 2 提高了 60%，现在可以每小时生成一次预报，而不是每六小时一次的标准预报。

这些改进是设计师做出特定选择的结果。 WeatherNext 3 是一个更大的模型，参数比其前身多 2.4 倍，并为解码器头定制目标以提供更有用的答案。虽然大多数天气预报输出的指标是 3D 网格的平均值，但 DeepMind 研究人员已经通过调整模型以可视化气旋路径而赢得了赞誉。

这一次，设计者还训练了模型，使其能够针对特定的天气数据站进行预测。这不仅对于提供更精细的预测很重要，而且对于能够根据特定的真实数据评估其工作也很重要。

Brightband 的大气科学家 Daniel Rothenberg 表示：“许多人工智能应用的想法是尝试尽可能端到端地运行任务。” “添加一项功能，该模型现在还可以预测丹佛机场气象站每小时测量的内容，只是将预测任务更接近核心。”

该模型能够更频繁地进行预测，因为它可以获取每小时实时收集的气象卫星数据。将原始经验观察结果（而不是天气超级计算机产生的分析）提供给人工智能模型，可以提供更准确的预测，但让模型处理未格式化的数据在技术上仍然具有挑战性。

谷歌表示，WeatherNext 3 是“第一个”直接纳入高分辨率全球预报的原始观测数据的人工智能模型，但人工智能天气初创公司 WindBorne 表示，自 2025 年底以来，其模型 WeatherMesh 6 一直在纳入来自其气象气球和其他来源的原始观测数据。当被问及这一问题时，谷歌指出，其全球预报的分辨率更高。无论如何，这两个模型仍然依赖国家天气数据集来进行预测，因此真正的直接数据同化还需要做更多的工作。

虽然法学硕士受到了大部分关注，但气象学领域的变革革命也同样重要。欧洲和美国的气象机构已经在其预报产品中使用人工智能模型，其速度和低成本有望为较贫困地区带来经济影响，这些地区由于高质量传感器和超级计算机的费用而无法实现准确的预报。

比尔·盖茨最近指出，人工智能天气预报是该技术的一个重要优势，更好的预测可以提高发展中国家的农作物产量。 DeepMind 研究员阿莱特表示，更高分辨率的风、雨和云量预测将有助于提高可再生能源项目的可靠性。

“归根结底，我认为谷歌是为了向用户提供有用的信息，而用户正在寻找的很多内容都以某种方式与天气有关，”阿莱特说。