一句话看点

Google DeepMind宣布，其WeatherNext AI模型在热带气旋预报上取得突破：在路径、强度和风场结构预测方面达到领先水平，平均可为预报员多争取约一天的有效预警时间，并已开源相关模型。

为什么气旋预报难

热带气旋包括飓风和台风，是破坏力最强的天气系统之一。DeepMind称，过去50年此类灾害在全球造成超过70万人死亡、1.4万亿美元经济损失。对一线预报机构而言，提前几个小时判断登陆地点、增强速度和大风范围，都可能影响疏散、救援和基础设施防护。

难点在于，气旋预报长期存在“尺度矛盾”。路径主要受大范围大气环流控制，传统上依赖较粗分辨率的全球模式；强度则与风暴核心附近的热力和动力过程相关，通常需要更高分辨率的区域模式。所谓“分辨率”，可以简单理解为模型把地球表面和大气切成多细的网格，网格越细越容易描述局地细节，但计算成本也更高。

WeatherNext做了什么

DeepMind称，WeatherNext Cyclones用一个AI模型同时预测全球天气形势和细尺度气旋变化，最长可迭代给出15天预报。研究团队在《Nature》论文中表示，该模型在2023至2024年历史气旋上评估，并与顶级天气模型进行确定性和概率预报对比，平均在气旋路径、强度、风场结构上获得超过24小时的提前量优势。其三天预报精度，相当于以往模型两天预报水平；DeepMind将这一提升类比为约十年的气象进步。

关键数据包括：

• 训练使用近20TB全球大气数据；
• 结合IBTrACS数据库中近5000个历史风暴记录；
• 单次15天预报可在一块TPU上不到一分钟生成；
• 今年集合预报规模从此前50个成员扩展到1000个成员；
• WeatherNext Cyclones使用28×28公里输入分辨率，WeatherNext 2-mini使用111×111公里分辨率。

这里的“集合预报”是指一次生成多种可能天气演变，用概率表达不确定性，而不是只给出单一路径。DeepMind采用Functional Generative Networks来高效产生这些不同情景，以帮助预报员识别低概率但高影响的“尾部风险”，例如快速增强。

从论文到实战与开源

这项工作由Google DeepMind、Google Research与美国国家飓风中心、CIRA、英国气象局以及多地天气机构合作完成。DeepMind称，在2025年飓风季，模型帮助美国国家飓风中心对Melissa飓风做出一次历史性预报，提前预测其快速增强并在牙买加登陆，使当地团队获得准备时间。

此次开源内容包括WeatherNext 2和WeatherNext Cyclones的代码与模型权重，另有可在免费公共Colab笔记本中运行的紧凑版WeatherNext 2-mini。DeepMind还更新了Weather Lab界面，将气旋路径与全球天气预报放在同一视图中，用户可查看温度、降水、风速等预测。Weather Lab和WeatherNext均属于Google Earth AI的一部分。

行业意义与下一步

**AI天气模型正在从“演示准确率”走向“辅助业务决策”。**WeatherNext的价值不只在于更快，还在于用较低分辨率输入实现较高气旋强度预报能力，这挑战了“必须依靠超高空间分辨率”的传统判断。不过，DeepMind也承认，模型为何能在这种分辨率下取得准确结果仍是开放研究问题。

未来，气象业务不会简单由AI取代物理模式或人工预报。更现实的方向是：AI模型快速生成大量情景，物理模式提供可解释约束，预报员结合本地经验发布官方预警。开源将使更多机构复现实验、做区域化改进，也会推动对模型可靠性、极端事件表现和业务流程整合的检验。若这些环节持续成熟，气旋预报的竞争焦点将从“谁算得更细”扩展到“谁能更早、更稳地表达风险”。