谷歌DeepMind发布WeatherNext 3：5公里分辨率，给气象预报换上AI引擎

会懂网AI资讯，9月4日 谷歌DeepMind发布WeatherNext 3气象模型，号称全球最先进、最精准的AI天气预报系统。新模型最高分辨率达到5公里，相比上一代把网格切得更细，能够捕捉到更局部的降雨、风暴和气流变化，对城市级短临预报帮助明显。

WeatherNext 3延续了DeepMind用深度学习替代传统数值天气预报的思路。传统方法要靠超级计算机跑物理方程，耗时以小时计；而WeatherNext系列走“生成式”路线，用海量历史气象数据训练，推理速度快、成本低，能在几分钟甚至更短时间内给出多时效预报。DeepMind表示，该模型已经开始接入实际业务系统，为能源、农业、航空和应急部门提供决策参考。

在气象这个被公认为AI落地难度最高的科学领域之一，WeatherNext 3把分辨率推到5公里，意味着AI预报第一次在网格精细度上逼近甚至局部超过传统模式。多家气象机构此前已经把DeepMind的模型纳入对比测试，结果普遍显示其在多个指标上优于欧洲中期天气预报中心的基准，尤其在降水预警的提前量和空间精度上表现突出。

事实上，用AI重构天气预报已成全球科技巨头的必争之地。英伟达、华为，以及国内的上海人工智能实验室“书生”系列都在投入类似方向，竞争焦点从“谁更准”延伸到“谁更便宜、谁更适合嵌进行业系统”。DeepMind的优势在于背靠谷歌的算力与数据闭环，但后来者的追赶速度同样不容小觑。

这背后是DeepMind多年在科学AI上的积累。从AlphaFold破解蛋白质结构，到如今的WeatherNext攻入地球系统科学，谷歌正把大模型的能力从“理解语言”拓展到“理解自然规律”。这类模型不只服务于日常预报，也为气候模拟、极端事件归因提供新工具。

对普通人来说，更准的临近预报意味着出门前看一眼就能少淋一场雨；对行业而言，极端天气的提前量提升直接关系到电网调度、航班编排和防灾准备。当AI把气象预报的成本压下来、把精度提上去，受益的将是每一个依赖“看天吃饭”的环节。

更值得一提的是，这类模型的低成本推理特性，让气象能力有机会下沉到此前用不起超级计算机的地区。对台风、洪涝高发的南亚、东南亚和非洲部分国家来说，一个开源或低价可用的AI预报，可能就是防灾减灾的关键差值。谷歌把WeatherNext 3推向业务化，某种程度上也是在为全球气象公平的下一程铺路。