Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型， hourly 更新且分辨率较上一代提升约 5 倍

事件核心：发生了什么

Google DeepMind 与 Google Research 于 2026 年 9 月 3 日正式发布 WeatherNext 3，这是其目前最先进、准确度最高的全球天气 AI 模型。与上一代 WeatherNext 2 在 25 公里网格上按 6 小时间隔输出预报不同，WeatherNext 3 直接利用实时静止卫星 mosaic 数据与历史分析资料，构建了一个名为 Functional Generative Network (FGN) 的网格 Transformer 架构，能够以原生 5 公里分辨率输出温度、湿度等关键地表变量，10 公里分辨率输出其他地表变量，并以 25 公里分辨率输出风速等大气变量。

模型支持逐小时滚动更新，能更精细地捕捉快速变化的局地天气，同时原生输出稠密网格场、离散气旋路径以及站点级稀疏坐标预测。据独立评测机构 Brightband 的实时评估显示，该模型在多项指标上达到了当前最优水平。目前，WeatherNext 3 的预报能力已集成至 Google 搜索、Gemini、Google 地图、Google Maps Platform 及 Google Cloud 中，供普通用户与开发者调用。

为什么重要

此前的 AI 天气预报模型多基于再分析数据进行训练，空间分辨率有限，难以纳入实时观测数据，导致对局地强降雨、雷暴等小尺度天气系统的预测存在明显滞后与平滑化问题。WeatherNext 3 的技术路线转变在于：它不再将卫星观测作为边界条件的修正项，而是让模型在推理阶段直接消费一小时的实时卫星拼图数据。这意味着模型可以更快响应突发天气系统的生成与发展，且在推理时通过 FGN 网格 Transformer 同时维护多尺度物理一致性，从全球风带模式到局地地形效应均能在同一模型中保持连贯。

从行业竞争看，这一发布将 AI 天气预报的竞赛焦点从“比传统数值模式快多少”转向“能否替代传统模式解读实时观测数据”。Google 将模型直接嵌入 Cloud 与 Maps Platform 的做法，也让天气数据的调用门槛大幅降低，对于依赖精准气象服务的农业科技、新能源功率预测、物流调度等领域具有直接商业价值。

对用户/开发者/创作者的影响

普通用户：在 Google 搜索与地图中获得的天气信息将更精细、更新更频繁，尤其是降水与降雪预测的准确性提升，有助于日常出行与极端天气应对规划。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

开发者与企业用户：通过 Google Cloud 与 Google Maps Platform 可以接入高分辨率逐小时预报数据，用于农业灌溉决策、可再生能源发电量预测、供应链路径规划等场景。API 调用时可按需获取 5 公里级地表变量，无需自行处理多源气象数据。

行业观察者：需注意，模型训练与推理对算力要求较高，目前 Google 未公开 WeatherNext 3 的推理成本与单次预报能耗数据；此外，5 公里分辨率虽大幅提升，但针对城市街区的超局地微气候预测仍有局限。

值得关注的后续

1. WeatherNext 3 是否会通过 Google Cloud 的 Vertex AI 或独立 API 开放给第三方商业调用，以及是否有定价与配额方案披露。目前公开信息仅显示已集成在 Cloud 平台，未明确具体接入方式与费用结构。

2. 其他头部玩家（如华为云 Pangu-Weather、微软 Start Alliance、英伟达 Earth-2）是否会跟进“直接学习实时卫星数据”的范式，从而改变 AI 天气模型的数据接入标准。

3. 该模型在极端事件（如台风路径、突发暴雨）中的实际表现能否持续优于传统高分辨率数值模式，尤其是在缺少充足历史相似样本的地区，其泛化能力与不确定性量化机制尚待第三方进一步检验。

来源：Google DeepMind