北京
谷歌旗下DeepMind与研究部门联手，推出了新一代全球气象AI模型WeatherNext 3。官方给出的核心卖点很直接：预测能力比上一代WeatherNext 2锐利了最多5倍，能捕捉快速演变的暴雨、绘制局部气温变化，甚至帮风电场预测发电量。
这个"5倍"不是营销话术。模型生成预报时具备高空间分辨率，意味着它能看到更小范围内的天气细节——传统模型可能只告诉你"明天有雨"，它则能指出"下午三点这片街区开始下"。对依赖精准天气的行业来说，这种颗粒度差异是质变。
传统模型的6小时滞后，被压缩到1小时
传统气象预报依赖基于物理学的超算模拟，这类模型有个天然短板：计算耗时，预报存在约6小时的滞后。天气不等人，6小时足够一场雷暴从生成到结束。
WeatherNext 3的路径完全不同。它直接以地球同步轨道卫星的实时观测数据为输入，并基于真实的地表与大气观测数据进行训练。绕开了大规模物理模拟的漫长计算，模型得以每小时更新一次全球预报。
这个"每小时"的意义在于，天气变化的速度远超想象。快速更新的详细预报，能把更本地化的预测带给数十亿人和本地企业——尤其是那些因传统气象模型成本高昂而长期服务不足的地区。
卫星数据直连，绕开超算瓶颈
传统模型为什么慢？因为它们依赖庞大的物理方程模拟，需要超级计算机反复运算。WeatherNext 3换了个思路：不靠算力硬算，而是直接"看"卫星拍到的真实数据。
地球同步轨道卫星持续覆盖全球，实时传回云层、温度、湿度等观测信息。模型把这些原始卫星数据作为输入，直接训练并生成预报。少了物理模拟的中间环节，速度和精度同时得到提升。
这种数据驱动的方式，也让模型在捕捉快速演变的天气系统时更敏锐。暴雨、局部气温骤变这类小尺度天气现象，正是传统模型容易漏掉的盲区。
风电场也能用：从天气预报到发电量预测
官方特别提到一个应用场景：风电场。风电输出高度依赖风速和风向，精准的短期预报能帮运营商提前调度、优化发电计划。WeatherNext 3的高分辨率预测，让这类商业应用有了更可靠的数据支撑。
对普通用户而言，最直接的感知可能是：天气预报更准了，更新更勤了。尤其是那些此前被传统模型"忽略"的地区——因为传统高精度预报成本高昂，很多区域只能获得粗略的天气信息。WeatherNext 3用卫星数据降低了这个门槛。
谷歌这次没有公布具体的模型参数和训练细节，但"每小时更新全球预报"这个能力，已经足以让气象行业重新审视AI模型的角色。当预报从"每天看几次"变成"每小时刷新"，天气信息的价值边界也在被重新定义。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
