Google DeepMind重磅发布WeatherNext 3：5公里高分辨率每小时预报，AI天气预报超越传统超级计算机模型

Google DeepMind 与 Google Research 正式推出新一代AI气象预报模型 WeatherNext 3。这款深度学习气象模型在独立测试当中准确度超越了谷歌、微软、英伟达、欧洲中期天气预报中心、美国国家气象局等多家机构的传统与AI预报系统。未来它将为谷歌搜索、谷歌地图、Gemini等产品提供天气数据，同时开放给云端开发者与科研人员使用。

长久以来，全球天气预报主要依靠政府超级计算机，求解复杂大气物理方程。传统模式精度稳定，但算力成本高昂，计算速度慢。2018年之后海量历史气象数据集对外开放，深度学习天气预报赛道迎来爆发。不同于传统模型逐条演算物理公式，AI气象模型从海量历史天气样本当中，学习大气变化的演变规律，大幅缩短预报耗时。

不过早期AI天气预报方案存在三项明显短板：预报分辨率大多停留在15‑25平方公里区间、降雨预测效果较差、高度依赖官方机构预处理完成的气象数据集。而 WeatherNext 3 正是针对性补齐了上述痛点。

核心升级：5公里精细分辨率，每小时更新预报

• 空间分辨率最高可达5公里，相比前代产品清晰度大幅提升，能够捕捉更小范围的局地天气变化
• 降雨预测效果对比 WeatherNext 2 提升60%
• 预报更新周期缩短至一小时一次，告别过去六小时一更新的节奏，可以紧跟快速生成、移动的短时强对流天气
• 模型参数量为上一代的2.4倍，并且优化了解码输出结构；训练目标直接对标地面气象观测站点数据，让AI预报结果可以和地面实测数据精准对照。

另一项突破性能力是，模型可以直接摄入原始实时卫星观测数据开展预报，而不是只能读取超级计算机产出的加工后气象数据集。

谷歌称 WeatherNext 3 是全球首个能够同化原始观测数据完成高分辨率全球预报的AI模型；不过这一说法也存在行业争议，气象初创公司WindBorne表示自家WeatherMesh 6早已在2025年底就开始使用气球原始观测数据，谷歌则强调自家模型拥有更高的全球分辨率。

实测成绩：多项指标登顶基准榜单

在 Brightband 打造的天气预报测评平台 Operational WeatherBench 当中，WeatherNext 3 在温度、风速、湿度等关键指标上的表现，击败了一众主流深度学习模型，甚至超过 ECMWF、美国国家气象局运营的传统超级计算机预报系统。

谷歌高级工程师 Samier Merchant 表示，这也是谷歌首次将自研气象模型作为自家多款消费级产品背后的核心天气数据源。

广阔的现实应用价值

AI气象预报带来的意义远不止日常查天气。

传统超级计算机成本昂贵，很多欠发达地区无力部署高精度预报算力，高性价比的AI模型有机会帮助这些地区拿到可靠的气象预警，提升农作物产量。高分辨率的风、云、降雨预报，还能够优化风电光伏等可再生能源项目的调度稳定性。

目前 WeatherNext 3 已经可以通过谷歌云平台向开发者、科研团队开放。