每小時更新、解析度提升五倍：Google DeepMind 新世代天氣模型 WeatherNext 3 深度解析

9 月 3 日，Google DeepMind 與 Google Research 悄然發布了本週最具實用影響力的 AI 產品之一：WeatherNext 3。這個全新全球天氣預報模型每小時產生一次最新預報，解析度最高達 5 公里（比前一代細緻約五倍），降雨預報誤差最多降低 60%。更難得的是，它不是研究演示，而是直接上線營運：從 9 月 4 日起，WeatherNext 3 已開始驅動 Google 搜尋、Google 地圖、Gemini 應用程式、Google Maps Platform 天氣 API 與 Google Earth Engine 中的天氣資訊，原始資料也可透過 BigQuery、Earth Engine 或 Google Cloud Storage 批次下載取得。

為什麼這件事比聽起來更重要

天氣預報每天影響數十億個決定——有些微不足道（出門帶傘），有些則影響深遠。風、雨、熱浪與乾旱會層層衝擊農業、供應鏈、潔淨能源生產乃至國民經濟。數十年來，這些預報都來自政府超級電腦辛苦求解物理方程式——成本高昂、速度緩慢，而且每六小時才更新一次，網格解析度僅 15–25 公里。

自從歐洲中期天氣預報中心（ECMWF）在 2018 年開放半世紀以來的天氣資料後，深度學習模型便以遠低於傳統方法的運算成本持續縮小準確度差距。WeatherNext 3 標誌著這個進程從「漸進改善」轉為「質變」：根據新創公司 Brightband 在其 Operational WeatherBench 即時評比上的獨立驗證，它目前已經是全球最精準的中期預報模型——不僅擊敗 Google、微軟、輝達與 ECMWF 自家 AIFS 等其他 AI 模型，也勝過美國國家氣象局與 ECMWF 的傳統物理模式。在 8 月期間，它的 2 公尺溫度預報在最近 30 天中有 26 天誤差最低。

三大技術躍進

一、向衛星學習，而非向超級電腦學習。 多數 AI 天氣模型（包括 WeatherNext 2）都是以數值天氣預報（NWP）系統的輸出來訓練，但 NWP 資料有六小時延遲，會讓降雨、地表溫度等快速變化的變數產生偏差。WeatherNext 3 改為每小時吸入即時地球同步衛星觀測拼圖，成為 Google 所稱第一個直接納入原始觀測資料、產生高解析度全球預報的 AI 模型。（AI 氣象新創 WindBorne 指出，其 WeatherMesh 6 自 2025 年底便在 assimilate 氣球觀測——不過全球解析度較低；且兩者仍依賴國家級資料集，完全直接的資料同化仍是未竟之業。）

二、預報到「測站等級」，而不只是網格平均。 傳統模型輸出的是三維網格上的平均值，WeatherNext 3 還能預測特定氣象站的讀數——用 Brightband 大氣科學家 Daniel Rothenberg 的話說：「預測丹佛機場氣象站每小時會量到什麼」。這讓模型能與真實地面資料對照驗證，也能解析海岸、河谷與山區附近幾公里內劇烈的溫濕度變化。團隊更直接以稀疏測站觀測訓練，把高解析度預報帶到拉丁美洲、非洲與亞太等長期負擔不起區域模式的地區。

三、為降水與能源量身打造的變數。 降雨是預報最難的課題——雲的物理過程尺度極小，物理模擬往往把它們抹成模糊的平均值。WeatherNext 3 使用兩種高品質資料訓練：NASA 的 IMERG 衛星反演，以及 Google 自家的衛星雷達降水再分析。成果是：相對 IMERG 的 CRPS 改善最高達 60%，相對 MRMS 達 30%，對雨量計在短前置時間也有 10% 改善。使用者規劃一天以上的行程時，Google 產品中的降水預報準確度將提升最高 50%。模型同時預報 100 公尺風速（約風機高度）、高解析度雲量與太陽輻射——這些變數專為電網調度與再生能源開發商設計，用來媒合潔淨能源供給與需求。

技術架構

WeatherNext 3 是單一 Functional Generative Network（FGN）網格 transformer，參數量是 WeatherNext 2 的 2.4 倍。它每小時初始化一次，以 64 成員系集產生 15 天期的機率式預報，並輸出多層級解析度：溫度與濕度 5 公里、其他地表變數 10 公里、風速等大氣變數 25 公里。同一套架構能原生輸出密集網格場、離散氣旋路徑，以及前述的稀疏測站預測。

Google 資深工程師 Samier Merchant 告訴 TechCrunch：「這是這些核心變數第一次實際驅動這麼多 Google 產品。」DeepMind 研究主管 Ferran Alet 則說：「天氣是混沌的，微小的差異就會造成巨大的擾動……機器學習正對準我們真正要解的問題——用不完整的資訊與有限的算力，去逼近帶雜訊的物理。」

更大的圖像

transformer 對氣象學的革命，其實與 LLM 熱潮同樣深刻，只是更安靜。Brightband 即時排行榜前五名中已有四個是 AI 模型。歐美氣象機構早已把 AI 預報納入營運產品，其速度與低成本更有望在超級電腦與密集觀測網從未普及的開發中地區，創造實質經濟效益。

當然仍有但書。Google 自己也提醒，官方天氣預報、劇烈天氣警報與公共安全通告仍應以各地氣象機構為準；而 WeatherNext 3 與 WindBorne 的模型都仍需國家級觀測基礎設施來初始化。但方向已經很清楚：你手機上的天氣預報，如今是由一個即時盯著衛星的神經網路產生的——而且它剛剛大幅變得更會告訴你，到底需不需要帶那把傘。