Google DeepMind发布WeatherNext 3：AI气象预报迈入“小时级”与“5公里”高分辨率时代

【科技24时区】当人形机器人在真实的半程马拉松赛道上与人类选手并肩奔跑，并且最终以超越人类世界纪录的50分26秒完赛，这已经不是科幻电影中的场景了。而在一年前的同样比赛中，我们还在嘲笑机器人跑步像“醉汉”，短短一年时间机器人进步速度之快，令人咋舌。其背后所展现的技术突破，远比比赛本身更具深远意义。尤其值得关注的是，2026北京人形机器人半程马拉松比赛，参赛队伍总数超过100支，近四成队伍搭载自主导航技术，智能化水平显著提升，这更是5G-A（5G-Advanced）网络技术在高速移动、高并发、高可靠场景下，对具身智能产业提供支撑的一次关键性验证。5G-A网络：具身智能的“云端运动神经”具身智能机器人要实现真正的自主化，其核心瓶颈往往不在于本体的机械结构，而在于数据流的实时性与可靠性。一台人形机器人在奔跑过程中，需要实时处理海量的激光雷达、视觉摄像头、IMU等传感器数据，并进行毫秒级的决策。这对于本体的算力与能耗是巨大的挑战，因此云、端协同是当下的最优选择。

今日，Google DeepMind与Google Research联合发布了最新的人工智能气象预报模型——WeatherNext 3。这一模型的问世，标志着深度学习技术在气象学领域引发的变革浪潮进入了新阶段。据Google官方透露，该模型将开始为搜索、Google Maps以及Gemini等面向用户的产品提供气象信息支持，同时也会向研究人员及用户开放其在Google云平台上的访问权限。“这将是一些核心变量首次直接驱动并赋能众多Google产品，”Google高级职员工程师Samier Merchant在接受TechCrunch采访时如是说。

在由初创公司Brightband开发的用于比较AI预报性能的工具Operational WeatherBench上进行的测试显示，WeatherNext 3已成为当前领先竞争者中准确率最高的模型。该评估涵盖了温度、风速和湿度等关键指标。值得注意的是，WeatherNext 3不仅击败了包括Google自身、微软、英伟达以及欧洲中期天气预报中心（ECMWF）在内的其他深度学习模型，甚至超越了美国国家气象局和ECMWF提供的传统预报结果。

长期以来，大多数气象预报依赖于政府拥有的超级计算机，这些庞然大物不知疲倦地运算着描述天气物理规律的复杂数学方程。尽管此类系统已变得极为精准，但其高昂的成本和相对缓慢的速度始终是其短板。自2018年ECMWF公开了过去半个多世纪的气象数据以来，深度学习研究人员便开始训练能够以更快且相当准确度进行预测的模型。“天气具有混沌特性，微小的差异会引发巨大的扰动……机器学习针对的是我们真正要解决的问题，即从有限计算资源和不完全信息中近似嘈杂的物理过程，因此它从大量数据中学习模式，”DeepMind的研究科学家经理Ferran Alet解释道。

然而，此前的AI预报模型存在几个明显的弱点：预测区域通常过大（15至25平方公里），实用性受限；对降雨的预测能力不佳；且仍依赖政府机构生成的格式化数据集。WeatherNext 3旨在攻克这三大难题。研究人员向TechCrunch透露，在关键变量上，该模型的预测分辨率可达5公里。相较于前代产品WeatherNext 2，其在降雨预测方面的评估表现提升了60%，并且现在能够提供每小时一次的预报，而非标准的每六小时一次。

这些改进源于设计者的特定选择。WeatherNext 3是一个更大的模型，其参数量是前代的2.4倍，并通过调整解码器头的目标来提供更实用的答案。虽然大多数气象预报输出的是基于3D网格的平均指标，但DeepMind的研究人员此前因调整模型以可视化气旋路径而备受赞誉。此次，设计者还训练模型针对特定的气象数据站进行预报。这不仅有助于提供更细粒度的预测，还能使其工作成果能与具体的地面真实数据进行比对。“在许多AI应用中，理念是尽可能端到端地运行任务，”Brightband的大气科学家Daniel Rothenberg表示，“增加一项功能，使该模型现在也能预测例如丹佛机场气象站每小时将测量的数据，这让预报任务更紧密地连接到核心。”

该模型之所以能更频繁地进行预报，是因为它能够摄取每小时收集的实时气象卫星数据。让AI模型摄入原始经验观测数据，而非气象超级计算机生成的分析结果，有望带来更准确的预报，但在技术上让模型处理非格式化数据仍具挑战性。Google声称WeatherNext 3是首个直接纳入原始观测数据进行高分辨率全球预报的AI模型，但AI气象初创公司WindBorne指出，其模型WeatherMesh 6自2025年底以来就已从其气象气球舰队及其他来源纳入原始观测数据。对此，Google强调其预报在全球范围内具有更高的分辨率。无论如何，这两种模型目前仍依赖国家气象数据集来进行预报，因此要实现真正的直接数据同化，仍需更多努力。

尽管大型语言模型（LLMs）占据了大部分注意力，但Transformer革命在气象学领域的重要性同样不容忽视。欧洲和美国的气象机构已在他们的预报产品中使用了AI模型，其速度和低成本承诺将为贫困地区带来经济影响，因为在这些地区，高质量传感器和超级计算机的高昂费用使得准确预报遥不可及。比尔·盖茨最近引用AI驱动的气象预报作为该技术的关键益处之一，指出更好的预报可以提高发展中国家的农作物产量。Alet表示，对风、雨和云层覆盖的高分辨率预报将使可再生能源项目更加可靠。“归根结底，我认为Google的目标是为用户提供有用的信息，而用户寻找的许多内容都与天气有关，”Alet总结道。