Google WeatherNext 2：AI 气旋预测平均提前一天，模型向全球研究界开放

Google DeepMind 在《Nature》发表研究称其 WeatherNext 2 在热带气旋路径、强度与风场预测上平均提前约一天，团队同时开源 WeatherNext 2、WeatherNext Cyclones 和 2-mini 模型以供研究与应用验证。研究显示模型能在单个 TPU 上快速生成多情景集合预测，但实际部署与跨区域验证仍需气象机构和研究界长期检验。

Google DeepMind 表示，其 WeatherNext AI 模型在热带气旋预测上取得重要进展：与此前的主流模型相比，模型平均多提供约一天的有效预测提前量。换句话说，WeatherNext 的三日预测，平均可以达到此前模型两日预测的水平。

这项研究于 2026 年 8 月 6 日发表在《Nature》杂志。Google 同时宣布，将 WeatherNext 2 和用于飓风季预测的 WeatherNext Cyclones 模型开源，向研究机构、气象部门和其他开发者提供代码与模型权重。

Google DeepMind：WeatherNext 在气旋预测上取得突破

从“预测路径”到同时预测强度和风场

热带气旋预测长期存在一个技术取舍：全球模型擅长判断风暴会向哪里移动，却往往难以捕捉风暴核心附近决定强度变化的细节；高分辨率区域模型能够更好地处理强度，却缺少全球大气环流提供的背景信息。

WeatherNext 试图把这两个问题放进同一个模型中处理。Google 说，模型可以同时预测气旋的路径、强度和风结构，并在历史评估中达到当前最先进水平。研究也把这项提升描述为相当于约十年的气象预报进步。

模型以两类数据共同训练：一类是覆盖全球大气动态、规模接近 20TB 的数据；另一类是 IBTrACS 历史数据库，其中包含近 5,000 个历史风暴的路径、强度和风场信息。这样的设计让模型既能学习大尺度天气系统，也能接触热带气旋这一类极端天气的具体演变模式。

Google DeepMind 表示，WeatherNext Cyclones 在 2023 至 2024 年的历史气旋上进行评估时，在路径、强度和风结构预测上平均取得超过 24 小时的提前量优势。相关比较涉及欧洲中期天气预报中心的 ENS、美国国家海洋和大气管理局的飓风分析与预报系统等模型。

不过，这些结果首先是研究团队公布的评估结果，并不意味着 AI 模型已经取代气象机构的业务预报。Google 自己也强调，正式的天气预报和警报仍应以当地气象部门和国家气象机构发布的信息为准。

一分钟生成 15 天预测，集合规模扩大到 1,000 个情景

WeatherNext 使用 Functional Generative Networks（FGNs）生成多个可能的天气演变路径，以表达天气系统本身的不确定性。Google 称，模型可以在单个 TPU 上用不到一分钟生成一次 15 天预测。

在集合预测方面，Google 表示，系统去年一次生成 50 个情景；今年则把规模扩大到 1,000 个成员。这种规模主要用于观察低概率但高影响的风险，例如气旋快速增强、风场突然扩大，或风暴路径在接近陆地时发生变化。

模型所使用的空间分辨率也引起研究人员关注。WeatherNext Cyclones 使用 28×28 公里的输入分辨率，比传统高分辨率模型粗约两个数量级，但依然取得了较好的强度预测结果。Google 说，这一现象尚未完全解释，模型为何能在相对粗糙的输入下重建出有用的局地风暴信息，仍是开放的研究问题。

Google 在 2025 年推出 Weather Lab 时，曾公开一套实验性的热带气旋预测工具。早期系统可以一次生成 50 种可能情景，并与欧洲中期天气预报中心的物理模型并列展示。Weather Lab 当时明确提醒，页面上的预测仍处于开发阶段，不属于官方天气预报或警报。

WeatherNext 2 官方模型页面 目前显示，该模型家族还被用于全球天气预报、地理空间分析，以及 Google 的 Search、Gemini、Pixel Weather 和 Google Maps Platform Weather API 等产品。模型数据也已通过 BigQuery 和 Google Earth Engine 提供给部分研究和开发场景。

飓风梅丽莎测试了模型的实际价值

这项研究并非只停留在历史回测。Google 表示，在 2025 年飓风季期间，WeatherNext 曾协助美国国家飓风中心判断飓风梅丽莎的快速增强和登陆路径。

当梅丽莎最初还是一个较弱的热带低压系统时，传统模型对于它会以较弱风暴影响海地，还是会增强并向牙买加移动，存在较大分歧。Google 称，WeatherNext 提前五天预测其可能以五级飓风强度在牙买加登陆，预测置信度随后进一步上升。这一信息帮助气象部门获得更多时间发布预警、协调疏散和组织地面准备工作。

Google DeepMind：WeatherNext 如何帮助预测飓风梅丽莎登陆牙买加

《Nature》同期报道和 Google 的说明都指出，气旋预测的价值不在于给出一个绝对确定的答案，而在于尽可能早地缩小不确定性，并向预报员展示一组可能发生的结果。对沿海社区来说，多出数小时甚至一天，可能影响疏散路线、港口关闭、救援资源调度和关键基础设施保护。

开源之后，考验将从发布转向验证

Google 此次开源的不只是 WeatherNext 2，还包括 WeatherNext Cyclones 和较小的 WeatherNext 2-mini。后者可以在单个 TPU 上运行，并配有公开的 Colab 示例。Google 希望研究人员据此开展学术研究、业务预报和区域模型开发。

开源的意义在于，气象机构和研究者不必完全依赖 Google 的演示或内部指标，可以在不同海域、不同气候条件和不同数据条件下独立测试模型。尤其对于气旋频繁发生、但本地计算资源有限的地区，较低成本的集合预测可能具有现实吸引力。

但开放模型也会把一些问题暴露出来。首先，过去几十年的历史数据能否充分代表未来更异常的风暴，仍然需要长期检验；其次，在训练数据较少的海域，模型的表现是否会出现明显差异；再次，模型预测如何与当地气象部门已有的物理模型、卫星观测和人工经验结合，也不能仅靠代码发布解决。

气象学家在接受《New Scientist》采访时提醒，AI 预报虽然速度快、成本可能更低，但仍需要专业气象人员判断结果是否合理。对于训练数据中没有类似案例的极端事件，模型也可能面临更大的不确定性。传统数值天气预报所依赖的物理模型，仍然是理解大气和支撑气候研究的重要基础。

这也是 WeatherNext 接下来最值得观察的地方：它是否能在更多国家和海域的真实业务环境中稳定工作，而不只是继续刷新单一评测集上的数字。此前，AI Flux 对 NOAA 将天气超级计算搬上公有云 的报道显示，现代气象预报的竞争已经不只关乎模型本身，也关乎算力、数据、更新频率和运营系统能否接起来。WeatherNext 的开源，则把这场竞争进一步延伸到了全球研究和公共预警体系。

从这个角度看，Google 的最新发布并不是宣布“AI 已经解决天气预报”，而是提出了一个更具体的变化：在气旋路径、强度和风结构这三个过去难以同时优化的目标上，AI 模型可能已经开始提供额外的预警时间。这个额外的一天，最终能否转化为更少的伤亡和损失，仍取决于气象机构、地方政府和社区是否能够把预测及时转化为行动。

参考来源

• Google DeepMind：WeatherNext: AI model achieves breakthrough in forecasting cyclones
• Google：WeatherNext 2: AI model predictions for tropical cyclones
• Nature：WeatherNext 研究论文
• New Scientist：DeepMind AI gives an extra day of warning ahead of deadly cyclones
• Google DeepMind：How we’re supporting better tropical cyclone prediction with AI
• WeatherNext 代码与模型仓库