Google DeepMind发布WeatherNext 3：全球天气预测提升至5公里分辨率并按小时更新

Google DeepMind与Google Research发布WeatherNext 3，能以最高5公里分辨率并每小时更新全球天气预测，并逐步向Search、Gemini、Maps和开发者API开放。Google称在提前一天或更长时间规划下，降水预测等关键指标有显著改善，但强调输出不能替代官方预警，需要独立长期评估。

Google DeepMind与Google Research于2026年9月3日发布新一代全球人工智能天气模型WeatherNext 3。Google称，该模型直接吸收实时地球静止卫星观测和天气站数据，能够以最高5公里的空间分辨率生成全球天气预测，并每小时重新初始化和更新。

WeatherNext 3将从发布日起陆续用于Google Search、Gemini、Google Maps、Google Maps Platform Weather API和Google Earth Engine。Google表示，在提前一天或更长时间进行规划时，相关产品的降水预测准确率最高可提升50%。不过，这一说法属于Google对其评估结果的概括，并不意味着所有地区、所有天气类型或所有预报时效都能获得同等幅度的改善。

从6小时更新到小时级预测

天气预报的价值很大程度上取决于它能否及时反映快速变化的局部天气。Google在官方公告中说，WeatherNext 3的系统会把实时的全球地球静止卫星图像与传统历史分析数据结合起来，再由一个功能生成网络（Functional Generative Network，FGN）网格Transformer生成预测。

模型针对不同变量提供多种分辨率：温度和湿度等部分地表变量最高达到5公里，其他地表变量为10公里，大气变量例如风速则为25公里。Google称，整体全球天气图像相比WeatherNext 2约提升至5倍清晰度；后者采用25公里网格，并以6小时为间隔生成预测。

这并不等于所有输出变量都达到5公里，也不等于每一个地点都能获得相同精度。5公里主要对应部分地表变量的最高分辨率，模型仍会根据变量性质采用不同的输出尺度。

Google的开发者资料将WeatherNext 3描述为采用FGN网格Transformer、实时卫星数据同化和多分辨率输出的旗舰运行模型。与此前主要依赖数值天气预报模型产出的训练数据不同，WeatherNext 3还直接利用稀疏天气站观测数据，以便让全球网格预测更好地反映地形和地区差异。

实时卫星数据针对的是传统预报的时间差

许多人工智能天气模型，包括上一代WeatherNext模型，主要从数值天气预报系统生成的数据中学习。数值天气预报以物理方程模拟大气运动，能够提供大范围、较稳定的预测，但其分析资料往往存在数小时的时间延迟。

Google表示，WeatherNext 3改为直接接收全球地球静止卫星数据组成的实时图像。这样，模型可以在新的卫星观测进入后每小时启动一次预测，而不是等待传统分析周期完成。对于突然形成的降水带、锋面和风暴系统，较短的更新间隔理论上能够提供更及时的变化信息。

这种设计也试图解决全球天气预报中的地区不均衡问题。Google特别提到，拉丁美洲、非洲和亚太地区的一些地方过去较少获得高分辨率区域预报，因为传统区域模型需要大量超级计算资源。WeatherNext 3的目标，是以全球模型的方式提供更细致的局地信息。

但模型输出仍然不是官方天气警报。Google在公告末尾明确提醒，正式天气预报、极端天气预警和公共安全建议仍应以当地气象机构或国家气象服务为准。

降水预测和可再生能源成为重点

降水一直是全球天气模型较难处理的变量。雨雪系统受快速移动的云团和小尺度对流过程影响，传统物理模拟与人工智能模型都可能出现降水范围过度平滑、强对流边界不清晰等问题。

Google称，WeatherNext 3使用了包括NASA全球降水测量任务（GPM）的IMERG卫星降水资料，以及Google基于卫星和雷达建立的全球降水再分析资料进行训练。其技术评估显示，与不同基线比较时，模型在降水预测指标上出现了不同幅度的改善：官方文章提到，针对IMERG的连续排序概率评分（CRPS）改善最高可达60%，针对MRMS为30%，早期预报时效与雨量计测量比较时为10%。

这些数字对应不同的评估基准和指标，不能简单合并为一个普遍适用的“准确率提升”。Google面向用户的表述是，提前一天或更长时间规划时，降水预测准确率最高可提升50%；两种说法的评估对象和统计口径并不完全相同。

WeatherNext 3还新增了面向可再生能源的预测能力，包括约100米高度、接近风力涡轮机高度的风速，云量，以及太阳辐射水平。这些变量可用于估算风电和光伏设备的潜在发电量，帮助电网运营商和新能源开发商安排发电计划，并使供电与需求预测更好衔接。

从天气模型到Google产品基础设施

WeatherNext 3的发布不仅是一次模型升级，也反映出Google试图把天气预测变成多个产品的共同基础设施。

普通用户可能首先在Search、Gemini或Maps中看到变化；开发者和研究机构则可以通过Weather API、BigQuery、Earth Engine或Google Cloud Storage访问预测数据。Google还表示，Weather Lab将继续用于实时展示WeatherNext 3的预测结果。

Google此前已经把天气、洪水和野火预测纳入其Earth AI相关工作。AIFlux此前报道的Google Earth与地理空间人工智能的结合显示，Google Earth正从单纯的地理浏览工具，逐步成为能够承载分析和创作工作流的平台。WeatherNext 3则把这一方向推进到连续更新的气象数据和预测服务层面。

与此同时，地球观测领域的竞争也正在从单个模型的演示转向数据、算力、推理和交付链条的整合。AIFlux此前对Ai2的OlmoEarth地理空间推理平台的报道指出，卫星数据真正进入防火、农业和生态监测等场景，瓶颈往往不只是模型能力，还包括数据获取、跨传感器处理、大规模推理和结果拼接。

WeatherNext 3面对的也是类似问题：更高分辨率和更高更新频率，只有在数据源稳定、云端计算成本可控，并且输出能够被用户和专业机构正确解释时，才会转化为实际价值。

AI天气预报仍需要专业机构参与

Google将WeatherNext 3称为其“最先进、最准确”的全球天气模型，并引用Brightband的独立实时评估作为依据。Brightband维护的Operational WeatherBench实时排行榜比较人工智能模型和物理模型在不同指标下的预报表现，为这类“更准确”的说法提供了外部评估框架。

不过，实时排行榜上的领先并不等于模型在所有天气场景中都取代现有预报系统。不同模型可能在不同地区、变量和预报时效上各有优势；极端天气、异常风暴以及观测稀疏地区仍然需要专业气象人员结合多种模型和现场资料作出判断。

Google DeepMind此前在WeatherNext相关研究中曾称，人工智能模型在热带气旋路径、强度和风场预测方面取得进展，甚至可能为预警争取额外时间。但Google同时强调，模型输出不能代替官方预警，气象机构仍是公众安全决策的权威来源。

WeatherNext 3能否持续改善不同地区的预报表现，接下来还要看更长时间的独立评估，以及它在真实业务中的使用结果。对普通用户而言，这次更新可能只是天气卡片中更及时、更细致的预测；对电网、农业、交通和灾害应对机构而言，它更重要的变化在于：全球天气数据开始以更短的更新周期、更高的局部分辨率和更多能源相关变量，进入日常决策系统。

来源：Google DeepMind与Google Research官方公告、WeatherNext开发者资料、Brightband Operational WeatherBench。