谷歌WeatherNext 3首发 5公里小时级预报

时间：2026年9月3日 地点：美国加利福尼亚州山景城 / 全球范围同步上线 人物：Google DeepMind 团队、Google Research 团队；Google 高级工程师 Samier Merchant、DeepMind 研究科学家经理 Ferran Alet、Brightband 大气科学家 Daniel Rothenberg 事件详情：Google DeepMind 与 Google Research 联合发布新一代全球气象 AI 模型 WeatherNext 3。模型基于 Functional Generative Network（FGN）mesh transformer 架构，直接消化全球地球静止卫星的实时数据拼图，每小时生成一次高分辨率预报，地表变量分辨率提升至 5 公里（温度、湿度等），其他地表变量 10 公里，风速等大气变量 25 公里。相比前代 WeatherNext 2 的 25 公里网格、6 小时刷新周期，整体精度约为前代的五倍、刷新频率提升六倍。模型参数规模为 WeatherNext 2 的 2.4 倍，并首次以"稀疏气象站观测"作为直接训练目标，以捕捉海岸线、山谷、山地等小尺度地形差异。 背景：WeatherNext 系列起源于 2018 年欧洲中期天气预报中心（ECMWF）开放 50 多年历史气象数据后的深度学习浪潮。前代 WeatherNext 2 已开源并登上 Nature 期刊，在热带气旋路径、强度与风场结构预测上达到业内领先水平。此次 WeatherNext 3 的核心突破在于从"基于 NWP 模型输出训练"切换为"基于实时卫星原始观测训练"，彻底打破了 AI 气象模型对 6 小时数据延迟的依赖。 影响：WeatherNext 3 即日起集成进 Google 搜索、Gemini 应用、Google 地图、Google Maps Platform Weather API 与 Google Earth Engine 等五大产品，并通过 BigQuery、Earth Engine、Google Cloud Storage 向开发者开放数据查询。在降水预报上，模型对照 NASA IMERG 数据集取得最高 60% 的 CRPS 改进、对照雨量计改进 10%；对拉美、非洲、亚太等算力受限地区首次带来本地化、高保真预报。可再生能源场景下，模型新增 100 米高度风速预测（对应风机轮毂高度）与高分辨率云量、太阳辐射预测，可直接用于风电场与太阳能电站出力估算。 总结：WeatherNext 3 以"原始卫星观测 + 小时级刷新 + 5 公里网格"组合，把 AI 气象从离线科研推向消费级规模部署，五款 Google 主力产品的即时集成意味着天气预报正式进入"实时 AI 预报"时代，对极端天气早期预警与清洁能源并网规划具有直接业务价值。 参考来源： - https://blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-weathernext-3/ - https://techcrunch.com/2026/09/03/googles-latest-ai-weather-model-gives-you-no-excuse-to-forget-your-umbrella/ - https://letsdatascience.com/news/google-rolls-out-weathernext-3-ai-weather-model-acdadca7 - https://www.donews.com/news/detail/8/6697094.html - https://finance.sina.com.cn/tech/digi/2026-09-03/doc-iniqqncq1894796.shtml - https://www.huxiu.com/ainews/14857.html - https://tpsreport.news/news/weathernext-3-google-deepmind-weather-model - https://www.chatai.com/posts/google-weathernext-3-brings-more-accurate-ai-forecasts-to-search-maps-and-gemini - https://kiadev.net/news/2026-09-03-weathernext-3-hourly-global-forecasts - https://deepmind.google/blog/introducing-weathernext-3-our-most-advanced-and-accurate-global-weather-ai-model/