谷歌在 2026 年发布 WeatherNext 3，将实时卫星观测接入全球天气 AI 模型，实现每小时更新、部分地表变量 5 公里空间分辨率，并新增面向风能和太阳能的预测变量，结果将应用于 Google Search、Maps、Gemini 等产品与云端数据服务。
谷歌 DeepMind 和 Google Research 于2026年9月3日发布全球天气 AI 模型 WeatherNext 3。新模型接入实时卫星观测数据，每小时生成一次预报，部分地表气象变量的空间分辨率达到5公里，并新增面向风能和太阳能发电的预测变量。
谷歌表示，WeatherNext 3 将从发布当天起陆续用于 Google Search、Gemini 应用、Google Maps、Google Maps Platform Weather API 和 Google Earth Engine 的天气服务。研究人员和企业也可通过 BigQuery、Earth Engine 查询预测数据，或从 Google Cloud Storage 批量下载，无需自行部署模型。
每小时更新，采用多种空间分辨率
WeatherNext 3 对温度、湿度等关键地表变量提供5公里分辨率预报，其他地表变量为10公里，风速等大气变量为25公里。上一代 WeatherNext 2 使用25公里网格，预报时间间隔为6小时。
新模型采用功能生成网络（Functional Generative Network，FGN）网格 Transformer，将实时静止气象卫星拼接数据与传统历史分析数据结合，输出网格化气象场、气旋路径以及站点级预测。
据谷歌介绍，以往包括 WeatherNext 2 在内的许多 AI 天气模型，主要使用数值天气预报（NWP）模型的数据训练。这类基于物理模拟的数据存在约6小时滞后，对降雨、地表温度等快速变化的变量可能带来偏差。WeatherNext 3 通过接入实时卫星观测，提高预报更新频率；同时直接使用稀疏气象站观测数据训练，以反映海岸、山谷和山地等区域的局地差异。
降水评估改善，但不同指标不能混为一谈
WeatherNext 3 的降水训练数据包括 NASA 的全球降水测量计划多卫星综合反演产品 IMERG，以及谷歌基于卫星雷达构建的全球降水再分析数据。
谷歌公布的中期全球预报评估显示，与基线模型相比，以 IMERG 为参照时，连续排序概率评分（CRPS）的改善幅度最高为60%；以 MRMS 为参照时为30%；在较短预报提前期内，以雨量计观测为参照时为10%。这些数值对应不同评估参照和条件，不代表所有地区、所有时效的降水预报均有相同幅度的提升。
针对消费端天气服务，谷歌另称，在提前一天或更久的规划场景中，降水预报准确性最高可提升50%，改善幅度在以往预报可靠性较低的地区更大。这一产品层面的表述与上述 CRPS 评估并非同一指标。
谷歌还援引 Brightband 的独立实时评估，称 WeatherNext 3 是其迄今最先进、最准确的全球天气模型。
新增可再生能源预测变量
新模型支持预测约处于风机轮毂高度的100米风速，并提供高分辨率云量和太阳辐射预测。这些数据可用于估算风电、光伏发电量，辅助电网运营商和可再生能源开发商安排供需。
谷歌表示，更高分辨率的全球预报也面向拉丁美洲、非洲和亚太地区等过去较难获得高分辨率预报的区域，服务农业、交通和其他依赖天气信息的场景。
天气预测仍存在不确定性。谷歌在公告中提醒，正式天气预报、恶劣天气警报及公共安全建议，应以当地气象机构或国家气象部门发布的信息为准。