Google DeepMind 发布 WeatherNext 3：5 公里分辨率全球预报，每小时刷新一次

事件核心：发生了什么

9 月 4 日，Google DeepMind 与 Google Research 正式发布 WeatherNext 3。与上一代相比，这一模型的最大变化在于输入输出两端：它不再仅依赖再分析网格数据，而是将实时全球静止卫星拼图作为直接输入，每小时重新初始化一次，并输出最高 0.05°（约 5 公里）分辨率的 2 米温度与露点数据。

据 Google AI 介绍，WeatherNext 3 在训练阶段直接使用气象站原始观测数据，并配备专门的观测头，将 0.05° 输出校准到真实仪器读数。模型架构上，它属于与 WeatherNext 2 同源的概率模型家族，但扩展为多分辨率输出的函数生成网络（FGN）网格 Transformer。单次推理可同时产出三种层级的结果：5 公里地表温度与露点、10 公里地表风/气压/云量/太阳辐射/1 小时降水，以及覆盖 13 个气压层的 25 公里大气场。

在更新频率上，WeatherNext 3 每天初始化 24 次，其中 00/06/12/18 UTC 四个主周期支持 64 个集合成员的 15 天（360 小时）预报，其余逐时运行覆盖 48 小时。第三方机构 Brightband 的独立实时评测将其评为目前最准确的全球天气模型之一。

为什么重要

过去三年，AI 天气模型虽然在追赶传统数值天气预报（NWP）方面进步明显，但始终没有解决两个基础问题：一是再分析训练数据会平滑掉海岸线、山谷和山脉带来的局地差异；二是模型初始化比 NWP 分析滞后约 6 小时，难以捕捉快速发展的对流天气。WeatherNext 3 从数据源和刷新频率两头入手，等于把 AI 天气预报从“事后学习”推向“实时感知”。

对行业而言，这一变化的意义在于训练范式的切换：直接学习站点实测数据而非仅看再分析网格，意味着模型有机会学到更真实的局地气象特征。此外，降水一直是全球模型的短板，Google 称其短临预报的 CRPS 指标相比 IMERG 基线提升最高 60%，相比雨量计基线提升 10%，对新能源功率预测和防灾应急都有直接价值。

对用户/开发者/创作者的影响

对能源与电网行业用户来说，WeatherNext 3 直接输出了风机轮毂高度（100 米）风速、低中高云分布以及 SSRD 和 FDIR 两个太阳辐射分量，这正是电网运营商预测风力和光伏出力所需的标准输入组合。对气象服务开发者和研究人员而言，目前预报数据可通过 BigQuery、Earth Engine 和 Cloud Storage 请求获取，但需要注意：WeatherNext 3 的模型权重并未开源，自定义推理仍运行 WeatherNext 2。因此，需要私有化部署或二次开发的团队暂时只能基于上一代模型做定制。

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。

值得关注的后续

目前公开信息显示，WeatherNext 3 的权重开放策略尚不明确，后续是否会像开源社区期望的那样逐步释放，值得留意。另一个观察点是：当 AI 模型从 25 公里走向 5 公里逐时刷新，传统 NWP 在短临预报领域的优势将进一步被压缩，欧洲中期天气预报中心（ECMWF）等机构是否会在下一轮产品中做出针对性回应，将直接影响技术路线竞争格局。此外，逐小时全卫星输入意味着推理算力需求显著上升，Google 是否会推出付费 API 及相应定价，也是商业用户需要关注的信号。

来源：AIbase