Google DeepMind WeatherNext: 气旋预报领域的突破

Google DeepMind 推出了 WeatherNext，这是一款旨在以最先进的准确度预测热带气旋路径、强度和风场结构的 AI 模型。该模型为预报员提供了平均额外一天的预测准确度，这意味着现在的三天预报与以往模型的两天预报具有相同的准确度。根据 DeepMind 的说法，这一改进相当于大约十年的气象学进展。

低分辨率下的高精度气旋预测

WeatherNext 弥合了全球大气环流（引导气旋路径）与局部热力学过程（驱动强度）之间的差距。传统上，这需要两种不同的建模技术：用于路径的粗糙全球模型和用于强度的局部高分辨率模型。WeatherNext 是一个能够同时处理这两者的单一 AI 模型。

研究中的一个惊人发现是，该模型在即使使用显著降低的分辨率数据时仍能保持高准确度。WeatherNext Cyclones 的运行分辨率为 28x28km——比传统模型粗糙 100 倍。一个更小的版本，WeatherNext 2-mini，运行在更粗糙的 111x111km 分辨率下，仍然表现出强大的性能。该模型在这一分辨率下产生准确预测的具体机制仍是一个开放的研究问题。

训练数据与模型架构

WeatherNext 在两种不同的数据模态上进行了协同训练，以学习通用的大气模式和极端天气事件：

• Global Weather Dynamics: 接近 20 TB 的全球大气数据。
• Historical Cyclone Observations: IBTrACS 数据库，其中包含来自近 5,000 个历史风暴的数据。

为了处理天气固有的不确定性，该模型利用 Functional Generative Networks (FGNs) 来生成预测集合。这使得系统能够在 TPU 上在不到一分钟的时间内生成 15 天的预报。集合规模已扩展到 1,000 个成员，从而能够捕捉到罕见但后果严重的“尾部风险”，例如 2025 年飓风 Melissa 期间出现的快速增强事件。

实际应用影响与开源发布

WeatherNext 已经投入实际运营。在 2025 年飓风季节期间，它帮助国家飓风中心 (NHC) 预测了飓风 Melissa 在牙买加的快速增强和登陆，从而实现了更早的预警。

DeepMind 正在开源以下模型和代码：

• WeatherNext Cyclones: 在飓风季节期间使用的模型。
• WeatherNext 2: 在 10 月发布的运营更新版本。
• WeatherNext 2-mini: 一个紧凑版本，可以通过公共 Colab notebook 运行在单个 TPU 上。

社区洞察与技术视角

虽然研究人员强调了这一突破，但技术社区也指出了几个关键的依赖项和注意事项：

"The impression that industry can predict weather better than the government agencies totally misses that the industrial models utterly rely on government data for inputs."

观察者强调，像 WeatherNext 这样的 AI 模型完全依赖于由 NOAA 和 UK Met Office 等机构管理的政府基础设施（如气象气球和卫星）提供的关键地面真值数据。

其他讨论集中在 AI 驱动的预报与数值天气预报 (NWP) 模型的效率对比上，一些用户指出，针对特定问题的模型比通用型 LLM 更具影响力。此外，关于模型的解释性以及如何为高风险的政府疏散命令处理不确定性估计的问题也一直在进行中。