WeatherNext：AI 模型在氣旋預測方面取得突破

Google DeepMind 宣布推出 WeatherNext，這是一款在預測熱帶氣旋的路徑、強度和風場結構方面達到尖端準確度的 AI 模型。該模型為預報員提供了平均額外一天的預測準確度，這意味著現在的三天預報與先前模型的兩天預報同樣準確。

尖端氣旋預測準確度

WeatherNext Cyclones 在預測氣旋路徑、強度和風場結構方面提供了超過 24 小時的領先時間優勢。根據發表在 Nature 的研究，根據過去 20 年的趨勢，這種進步相當於大約十年的氣象學進展。

關鍵性能基準包括：

位置誤差： 與 2023 年至 2025 年間的 ENS 模型相比，WeatherNext Cyclones 在 3 天預報中顯示出顯著較低的位置誤差（約 100 km）。
強度誤差： 在同一時期，該模型實現了比 HWRF 模型更低的強度誤差（約 11 kt）。

技術架構與訓練

WeatherNext 彌合了全球大氣環流（引導氣旋路徑）與局部熱力學過程（驅動強度）之間的差距。它透過單一 AI 模型實現這一點，而不是需要兩種不同的建模技術。

訓練數據與模態

該模型是在兩種不同的數據模態上進行共同訓練的：

全球天氣動力學： 近 20 TB 的全球大氣數據。
歷史觀測數據： 跨越近 5,000 場歷史風暴的 IBTrACS 資料庫。

集成預報與不確定性

WeatherNext 利用 Functional Generative Networks (FGNs) 來產生預測集合以捕捉天氣的不確定性。該系統已從每次運行的 50 個預測擴展到 1,000 個成員的集合。這使得模型能夠捕捉罕見但影響重大的「尾部風險」（tail-risks），例如 2025 年颶風 Melissa 期間觀察到的快速增強事件。

計算效率與解析度

WeatherNext 可以在 TPU 上於一分鐘內生成單個 15 天預報。值得注意的是，該模型使用解析度為 28x28km 的數據實現了高準確度——這比傳統模型粗糙 100 倍。一個精簡版本 WeatherNext 2-mini，在維持強大性能的同時，以更粗糙的 111x111km 解析度運行。

真實世界影響與開源發佈

WeatherNext 已展示了其運作效用。在 2025 年颶風季期間，它幫助國家颶風中心 (NHC) 預測了颶風 Melissa 在牙買加的快速增強和登陸，從而實現了關鍵的提前預警。

為了加速全球研究與韌性，Google DeepMind 正開源以下內容：

WeatherNext Cyclones： 在颶風季期間使用的模型。
WeatherNext 2： 十月投入運作的更新版本。
WeatherNext 2-mini： 一個精簡版本，能夠透過公開的 Colab notebook 運行在單個 TPU 上。

與 Google Earth AI 的整合

WeatherNext 模型是 Google Earth AI 的一部分，並已整合到 Weather Lab 中。該平台現在允許用戶在單一視圖中將風速、溫度和降水預測與氣旋路徑一同視覺化。