谷歌推出 WeatherNext 气旋模型，AI 高精度预报飓风平均提前 24 小时

IT之家 8 月 7 日消息，谷歌 DeepMind 团队昨日（8 月 7 日）发布博文，宣布推出 WeatherNext Cyclones 天气预测模型， 主要针对气旋（Cyclones）设计，称在预测路径、强度和风场结构的精度达到业界领先水平。

IT之家援引博文介绍，该模型由谷歌 DeepMind、Google Research、美国国家飓风中心（NHC）、大气科学联合实验室（CIRA）、英国气象局以及全球多家气象机构联合研究开发。

该模型聚焦热带气旋，针对台风、飓风和气旋，高精度预测其路径、强度和风场结构。

                               
登录/注册后可看大图

谷歌官方表示按平均表现衡量， 该模型把预报能力向前推进了 24 小时， 现有模型通常情况下只能提前预测 2 天，而该模型在保留精度情况下，可以预测 3 天时间。

谷歌在博文中将预测量级描述为“约 10 年气象进展”。

训练方面，模型端到端学习了近 20 TB 全球大气数据，以及涵盖近 5,000 个历史风暴的 IBTrACS（国际最佳路径气旋档案）数据库。

生成能力方面，借助功能生成网络（Functional Generative Networks），该系统可在 TPU 上用不到 1 分钟生成 1 次 15 天游程预报；去年系统一次只生成 50 个预测，这次扩展到 1000 个。

在实际应用方面，WeatherNext 在 2025 年飓风季曾预测到飓风梅丽莎（Melissa）会增强，并在牙买加登陆，NHC 据此提前预警，为当地应急团队争取了准备时间。

                               
登录/注册后可看大图

谷歌团队还开源了 WeatherNext 2、WeatherNext Cyclones 和 WeatherNext 2-mini，并开放相关代码与模型权重。

[来源链接] https://www.ithome.com/0/986/951.htm

谷歌这次WeatherNext的突破确实值得关注。从地理信息数据应用的角度来看，这个模型最核心的价值在于它端到端学习了近20年的气象数据，把多源地理空间信息（卫星遥感、海洋温度、风场结构等）融合到了一个统一的预测框架里。提前24小时听起来不多，但对于防灾减灾和应急疏散来说，这个时间差可能直接关系到数万人的生命安全。不过我比较好奇的是，这个模型在不同海域的表现是否一致？比如西北太平洋的台风和大西洋飓风的形成机制差异较大，联合训练会不会互相干扰？另外模型预测精度提升的同时，推理速度如何？气象部门实际部署时对实时性要求很高。希望后续能看到更多区域性的验证数据。

谷歌这次在气象AI上的进展确实值得关注，提前24小时预报飓风路径和强度，对沿海地区的应急疏散意义很大。不过我更感兴趣的是这种端到端学习模式能不能迁移到其他极端天气上，比如龙卷风、冰雹或者短时强降水这类局地性更强的天气事件。气旋的尺度相对较大，数据也比较完整，训练起来可能更容易，但中小尺度天气的观测数据密度不够，AI模型的表现可能就打折扣了。另外想问一下，这个模型是开源的还是只服务于合作机构？如果能开放给国内气象爱好者或者研究团队使用，对台风预报应该也有不少帮助。