WeatherNext：AI模型在飓风预报方面取得突破

气旋预报是一个长期挑战，每一小时都至关重要。热带气旋在过去 50 年导致全球超过 70 万人死亡和 1.4 万亿美元的经济损失。Google DeepMind 在《自然》杂志发表的论文中展示了 WeatherNext 模型在预测气旋路径、强度和风结构方面达到了最先进的准确性。平均而言，该模型为预报员提供了额外一天的预测准确性：其 3 天预报与以往模型 2 天的预报相当，这一改进幅度大致相当于十年的气象学进步。

这一突破是通过独特的训练、架构和对低分辨率输入的处理方式实现的。模型在近 20 TB 的全球大气数据和包含近 5000 个历史风暴的 IBTrACS 数据库上进行端到端训练，学习了复杂的大气模式和极端天气建模。

该研究已产生实际影响。在 2025 年飓风季，WeatherNext 帮助美国国家飓风中心（NHC）对飓风梅丽莎做出了历史性预报，预测了其快速增强和登陆牙买加，从而提前发出预警，为地面团队争取了关键准备时间。今年，团队继续合作，目前为每个气旋预测 1000 种可能情景，以支持预报员的决策。

这一合作汇集了 Google DeepMind 和 Google Research 的 AI 研究人员和工程师，以及美国国家飓风中心、大气研究合作研究所（CIRA）、英国气象局和世界各地气象机构的专家预报员。

传统上，气旋预报需要在两种不同的建模技术之间权衡：路径由大规模全球大气环流驱动，适合用较粗的全球模型；而强度由核心周围的局部细尺度热力学过程驱动，适合用高分辨率局部模型。WeatherNext 通过单一 AI 模型弥合了这一差距，同时提高了全球天气和气旋的预报精度。

WeatherNext Cyclones 仅需 28x28 公里的分辨率，比传统模型粗 100 倍，但性能依然出色。更小的版本 WeatherNext 2-mini 在 111x111 公里的更粗分辨率下也表现出色。这一现象令科学家惊讶，并仍是一个开放的研究问题。

模型使用功能生成网络（FGNs）高效生成不同预测的集合，捕捉天气的固有不确定性。现在，在 TPU 上生成单个 15 天预报不到一分钟，使预报员能够快速评估潜在灾难性尾部风险的概率分布。去年，系统一次生成 50 个预测，与全球物理模型相当；今年，集合规模扩大到 1000 个成员，以捕捉罕见但重要的情景，如 2025 年飓风梅丽莎期间的快速增强事件。

Google DeepMind 正在开源 WeatherNext 2 和 WeatherNext Cyclones 模型，以及代码和权重，供任何人自由使用，包括学术研究、业务预报或开发更专业化的局部模型。此外，还发布了 WeatherNext 2-mini，一个紧凑版本，可在单个 TPU 上运行，并提供免费公共 Colab 笔记本。

Weather Lab 界面已刷新，扩展了全球天气预报和气旋路径可视化，使用户可以查看温度、降水、风速等预测。Weather Lab 和 WeatherNext 模型都是 Google Earth AI 的一部分。