据 Google DeepMind 官方博客消息，Google DeepMind 与 Google Research 推出了 WeatherNext 3 全球天气 AI 模型。根据 Brightband 的独立实时评估，这是迄今最先进且准确的全球天气模型。
从历史数据到实时卫星观测
包括前代 WeatherNext 2 在内的大多数 AI 天气模型依赖数值天气预报（NWP）模型的输出数据进行训练。NWP 是基于超级计算机的物理模拟，存在约6小时的数据延迟，在降雨或地表温度等快速变化的变量上容易产生偏差。
WeatherNext 3 改为直接摄取全球静止气象卫星的实时马赛克数据以及传统历史分析数据，输入一个功能生成网络（FGN）网格 Transformer。这意味着模型每小时即可基于最新卫星观测生成一次预报，并原生输出密集网格场、离散气旋路径及站点级稀疏坐标预测。
多尺度空间分辨率
WeatherNext 3 支持多种空间分辨率：温度和湿度等关键地表变量为5公里，其他地表变量为10公里，风速等大气变量为25公里。作为对比，上一代 WeatherNext 2 的空间分辨率为25公里，更新频率为每6小时一次。按官方计算，新模型提供的全球天气图景清晰度约为前代的五倍。
此外，模型直接在稀疏气象站观测数据上进行训练，使5公里网格的全球预报能够纳入地形等区域细节。这对拉丁美洲、非洲和亚太等因超算成本高昂而长期缺乏高分辨率预报的地区尤为关键。
降水预测与可再生能源指标
降水系统由小尺度快速云过程驱动，传统物理模拟难以准确建模。WeatherNext 3 使用 NASA 的 IMERG 卫星综合反演数据和基于卫星雷达的全球降水再分析数据进行训练。
在中期全球预报评估中，该模型的连续排序概率评分（CRPS）较 IMERG 基线提升高达60%，较 MRMS 提升30%，在短提前期较雨量计测量提升10%。
模型还新增了面向可再生能源的预测能力，包括100米高度（大致对应风机轮毂高度）的风速预报，以及高分辨率云量和太阳辐射水平，用于帮助风电和光伏电站估算发电量。
产品集成
WeatherNext 3 即日起开始为 Google 搜索、Gemini 应用、Google 地图、Maps Platform Weather API 和 Earth Engine 提供天气体验支持。开发者可通过 BigQuery、Earth Engine 查询数据，或从 Google Cloud Storage 批量下载。
据 Google 介绍，用户在提前一天或更长时间规划时，降水预报准确率最高可提升50%，改善幅度最大的正是历史上预报可靠性较低的区域。