WeatherNext：AI 模型在气旋预报上取得突破
来自 Google DeepMind · 期号 2026-08-06
摘要
预测热带气旋的路径和强度，传统上需要两种不同的模型：粗粒度全球模型负责路径，高分辨率局部模型负责强度。 Google DeepMind 的 WeatherNext 用一个 AI 模型同时做到了这两件事，在《自然》发表的论文中称其预测精度达到当前最高。它的三天预报，准确度相当于此前模型的两天预报——相当于多争取了一天的预警时间。 该模型已在实际中发挥作用：2025 年飓风季，它帮助美国国家飓风中心提前预报了飓风 Melissa 的快速增强和登陆地点。 Google 已将 WeatherNext 2 和 WeatherNext Cyclones 开源。
深读
导读 热带气旋预测长期面临一个两难选择：路径预测需要粗粒度全球模型，强度预测需要高分辨率局部模型。Google DeepMind 的 WeatherNext 用一个 AI 模型同时解决了这两个问题，在《自然》发表的论文中称其三天预报的精度相当于此前模型的两天预报，相当于多争取了一整天的预警时间。该模型已在 2025 年飓风季帮助美国国家飓风中心提前预报了飓风 Melissa 的快速增强和登陆，Google 现已将模型开源。 关键信息 - WeatherNext 的三天预报在路径、强度和风场结构上的精度，相当于此前模型的两天预报，多争取了约 24 小时的预警时间。这一提升幅度相当于气象学领域约十年的进步。 - 模型在 2025 年飓风季帮助美国国家飓风中心（NHC）提前预报了飓风 Melissa 的快速增强及其在牙买加的登陆，使地面团队获得了关键的准备时间。 - WeatherNext Cyclones 仅需 28×28 公里的空间分辨率即可做出高精度强度预测，这一分辨率比传统模型粗约 100 倍。一个更小版本的模型 WeatherNext 2-mini 在 111×111 公里的分辨率下也表现良好。 - 模型使用 Functional Generative Networks（FGNs）生成预测集合，目前可一次生成 1,000 个预测场景，覆盖快速增强等罕见但后果严重的事件。单个 15 天预报可在不到一分钟内在一颗 TPU 上完成。 - 模型在近 20 TB 的全球大气数据和涵盖近 5,000 个历史风暴的 IBTrACS 数据库上进行了端到端联合训练。 - Google 已开源 WeatherNext 2 和 WeatherNext Cyclones 的代码和模型权重，并发布了可在单个 TPU 上运行的 WeatherNext 2-mini 版本。 逐节讲解 传统气旋预测的困境与 WeatherNext 的突破 热带气旋（飓风/台风）是地球上最具破坏力的天气现象之一，过去 50 年全球造成超过 70 万人死亡和 1.4 万亿美元的经济损失。预测其路径和强度历来需要两种不同的建模技术：路径由大规模全球大气环流驱动，此前最适合用粗粒度的全球模型来模拟；而强度则取决于气旋核心附近高度局部的精细热力学物理过程，需要专门的、高分辨率的局部模型。WeatherNext 用一个统一的 AI 模型同时实现了路径、强度和风场结构的高精度预测，其三天预报的准确度相当于此前模型的两天预报，相当于多争取了一天的预警时间。 模型架构与训练 WeatherNext 通过独特的训练方式、架构设计和对低分辨率输入的处理方式实现这一突破。模型在两种不同的数据模态上联合训练：近 20 TB 的全球大气数据，以及专家整理的历史气旋观测记录（IBTrACS 数据库，涵盖近 5,000 个历史风暴）…