Google DeepMind表示，WeatherNext在气旋预测方面取得突破
要点速览
- •Google DeepMind 的 WeatherNext AI 模型在气旋路径、强度和风结构预测方面，比此前模型多提供24小时以上的额外提前量。
- •该模型在近20TB全球大气数据和约5,000个历史风暴记录上进行了训练。
- •在2025年飓风季，WeatherNext 帮助 National Hurricane Center 预测 Hurricane Melissa 的快速增强和在牙买加登陆，从而提前发出警报。
- •Google DeepMind 正在开源 WeatherNext 2 和 WeatherNext Cyclones 的模型代码与权重，并提供可在单个 TPU 上运行的紧凑版 WeatherNext 2-mini。
- •该模型使用28x28公里分辨率的数据即可达到高准确度，这一分辨率大约比传统气旋预报系统粗100倍。
Google DeepMind表示，WeatherNext在气旋预测方面取得突破
WeatherNext team
WeatherNext enables accurate cyclone forecasts that can provide an extra day of warning. Google DeepMind is now open sourcing the model.
预测危险气旋如何发展一直是一项长期挑战，因为每一个小时都至关重要。热带气旋——也称为飓风或台风——是地球上破坏性最强的天气现象之一，在过去50年里，全球范围内造成了超过700,000人死亡和1.4万亿美元的经济损失。对于预报员而言，及时、准确地发布预警始终是在与时间赛跑。联合国通过“全民早预警”（Early Warnings for All）倡议将早期预警系统列为全球优先事项，该倡议旨在到2027年确保地球上每个人都受到危险预警系统的保护。
今天，在发表于 Nature 的一篇论文中，Google DeepMind 表示，其 WeatherNext AI 模型在预测气旋路径、强度和风结构方面达到了当前领先水平。平均而言，该模型可为预报员额外提供一天的预测准确性：其三天预报与此前模型只能提供未来两天预报的表现相当。公司表示，这一改进规模大致相当于十年的气象学进步。WeatherNext 建立在 Google 早先的 AI 天气模型 GraphCast 和 GenCast 之上，并将研究重点进一步扩展到热带气旋。
这项工作汇集了 Google DeepMind 和 Google Research 的 AI 研究人员与工程师，以及美国国家飓风中心（NHC）、大气研究合作研究所（CIRA）、英国气象局（UK Met Office）和全球各地气象机构的专业预报员。
Google 表示，这项研究已经产生了现实世界影响。在2025年飓风季期间，该模型通过预测飓风 Melissa 的快速增强以及在牙买加登陆，帮助 NHC 做出了一次具有历史意义的预报。这使 NHC 能够提前发布警报，为地面团队争取了关键的准备时间。今年，各方继续合作，目前正为每个气旋预测1,000种可能情景，以支持预报员作出决策。
天气影响每个人。鉴于这种广泛影响，Google DeepMind 现已开源其在飓风季使用的 WeatherNext 2 和 WeatherNext Cyclones 模型。通过公开提供这项技术，公司希望支持研究社区，并扩大 AI 在建设更具韧性社区方面的作用——无论是为本地预报员提供准备自然灾害所需工具，支持可再生能源发展，还是提前预判极端天气。此次开源进入了一个新的领域，近年包括 NVIDIA 和 Huawei 在内的多家科技公司都已发布 AI 天气模型，反映出业界对将机器学习应用于业务气象的兴趣日益增长。
WeatherNext 如何预测天气和气旋
WeatherNext Cyclones 从2024年10月的飓风 Milton 期间的全球大气条件出发，迭代预测未来最多15天的全球天气模式和精细尺度气旋路径。运行一个包含1,000个成员的集合可生成热带风暴至飓风级风力的局地概率图。
长期以来，预测气旋通常需要在两种不同建模方法之间作出权衡。气旋路径——也就是它将去往何处——由大尺度全球大气环流控制，而在此之前，这类环流最好由分辨率较低的全球模型来模拟。然而，气旋强度——也就是它会增强到什么程度——取决于其核心周围高度局部化、精细尺度的热力学物理过程，这通常更适合由专门的、更高分辨率的局地模型来模拟。
Google 表示，WeatherNext 通过同时提升全球天气和气旋的预测能力，弥合了这一差距。它是一个单一的 AI 模型，能够以当前领先水平的准确度预测热带气旋的路径、强度和风结构。公司称，这一突破源于其训练方式、架构以及对低分辨率输入的处理方法的独特组合。
WeatherNext Cyclones 在2023年至2024年的历史气旋上进行了评估，并将其确定性和概率性表现与其他顶级天气模型进行基准比较。平均而言，该模型在预测气旋路径、强度和风结构方面可获得超过一天（24小时）的提前量优势。
该模型在两种不同的数据模态上联合训练：全球天气动力学和专家整理的历史气旋观测。通过端到端训练近20TB的全球大气数据，以及涵盖近5,000个历史风暴的历史 IBTrACS 数据库，模型学会了复杂的大气模式以及如何建模极端天气。
过去几十年中，气旋预报准确性一直在稳步提升。论文中的图表展示了 ECMWF-ENS 路径预报和 HWRF 强度预报三天准确率随时间的变化，以及 WeatherNext Cyclones 如何在路径和强度两个方面带来准确率的跃升。根据过去20年的趋势，这一改进相当于约十年的进步。
该模型使用 Functional Generative Networks（FGNs）高效生成不同预测的集合，从而捕捉天气固有的不确定性。Google 表示，现在该系统可在 TPU 上不到一分钟内生成一份15天预报，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，公司将集合规模扩大到1,000个成员，以更好捕捉诸如快速增强事件等罕见但后果重大的情景，正如2025年飓风 Melissa 期间所发生的那样。
直到现在，极高的空间分辨率通常被认为是实现准确强度预报的主要驱动力。然而，WeatherNext Cyclones 仅需要分辨率为28x28km的数据，这比传统模型粗100倍。该模型的一个更小版本 WeatherNext 2-mini，运行在更粗的111x111km分辨率下，也表现出很强的性能。Google 表示，这让科学家感到意外，而要完全理解模型如何在这一分辨率下生成如此准确的预测，仍是一个开放的研究问题。公司希望能与研究社区一起找到答案。
向研究社区开放 WeatherNext
与 Nature 论文同步，Google DeepMind 正在开源代码和模型权重，使其可供任何人免费使用和进一步开发。这包括学术研究、业务预报以及开发更专业、更本地化的模型。公司希望这能加速全球天气领域的进展，并帮助气象机构、研究人员和非营利组织更好地预测各种天气事件，并作出保护生命和基础设施的关键决策。
公司还发布了两组类似模型：WeatherNext Cyclones，即在飓风季运行的版本（论文结果中已体现）；以及 WeatherNext 2，即于10月投入运行的后续更新。此外，公司还发布了 WeatherNext 2-mini，这是一个紧凑版模型，可在免费的公开 Colab notebook 中使用单个 TPU 运行。
用户还可以在 Weather Lab 上查看最新的气旋预报。Google 最近为该平台更新了新界面，并将全球天气预报与气旋路径一并纳入。Weather Lab 现在可在单一视图中展示 WeatherNext 对温度、降水、风速等的预测。Weather Lab 和 WeatherNext 模型均属于 Google Earth AI。
推动 AI 天气预报的前沿
Google 表示，公司在气旋预测方面取得了历史性突破，将提前量提升到超过整整一天——这一进展相当于十年的气象学进步。在为未来风暴季做准备之际，公司邀请研究人员、气象机构和专家与其合作，在开源模型基础上继续开发，并在 Weather Lab 上探索这些预报结果。
Google 表示，通过将先进机器学习与人类预报员不可或缺的现实世界专业知识相结合，公司希望建立一个协作式天气预报生态系统，既能拯救生命，也能帮助社区适应不断变化的气候。
注：关于官方天气预报和警报，请参考您当地的气象机构或国家气象服务部门。
致谢
这项研究由 Google DeepMind 和 Google Research 团队共同开发。
Google 感谢其合作伙伴 NOAA/NWS/NCEP National Hurricane Center、Cooperative Institute for Research in the Atmosphere（CIRA）以及 UK Met Office 对该论文的合作与贡献。
本文体现了论文合著者的贡献：Ferran Alet、Tom Andersson、Ilan Price、Stratis Markou、Andrew El-Kadi、Dominic Masters、Amy Li、Samier Merchant、Natalie Williams、Gregory Thornton、Ken MacKay、Olivia Graham、Akib Uddin、Ben Gaiarin、Devaja Shah、Elinor Kruse、Wallace Hogsett、David Zelinsky、John Cangialosi、Jonathan Martinez、James Franklin、Mark DeMaria、Kate Musgrave、Caroline L. Bain、Helen Titley、Jacklynn Stott、Remi Lam、Aaron Bell、Paul Komarek、Matthew Willson、Alvaro Sanchez-Gonzalez 和 Peter Battaglia。
