2026 年 9 月 3 日，谷歌旗下 AI 研究机构 Google DeepMind 发布新一代全球天气 AI 模型 WeatherNext 3。这是目前全球最先进的天气预报 AI 模型——据独立评测机构 Brightband 的实时榜单，它的综合表现排在所有全球天气模型第一位。与前代相比，核心变化有三个：空间分辨率从 25 公里提升到 5 公里（精细约 5 倍）、预报从每 6 小时一次加快到每小时一次、首次直接使用实时卫星观测数据。降水预测精度最高提升 60%。模型即日起接入 Google 搜索、Gemini、地图、云平台等产品，普通用户今天就能用上更细、更准的天气预报。

Google DeepMind 是谁，WeatherNext 是什么

Google DeepMind 是谷歌旗下的人工智能研究机构，2016 年它开发的围棋程序 AlphaGo 击败围棋世界冠军李世石，从此闻名全球。WeatherNext 是它专门做天气预报的 AI 模型系列，WeatherNext 3 是这个系列的第三代产品。

AI 天气预报和传统天气预报的原理不同。传统方法（数值天气预报，NWP）用超级计算机模拟大气物理过程，计算量大、耗时长。AI 天气预报则用海量历史天气数据训练神经网络——一个能自动从数据中学习规律的数学模型——让模型学会「天气如何演变」，生成预报又快又准。AI 已在这一领域大幅领先传统方法，但局部地区、变化快的天气仍是难点。

分辨率：看清 5 公里内的天气

天气预报的「分辨率」指模型把地球表面切成多大的格子来计算，格子越小、分辨率越高，预报越精细。前代 WeatherNext 2 是 25 公里网格、6 小时更新一次；WeatherNext 3 把关键地表变量（温度、湿度等）细化到 5 公里网格，其他地表变量 10 公里、风速等大气变量 25 公里，整体精细度约为前代的 5 倍。

5 公里分辨率意味着山谷、海岸线、城市周边这类地形复杂的区域，天气差异第一次能被全球模型看清——温度、湿度在几公里范围内就可能明显变化，这在以往是全球模型的盲区。

数据来源：从物理模拟转向实时观测

WeatherNext 3 最大的技术变化在于「学什么」。以往的 AI 天气模型（包括 WeatherNext 2）用数值天气预报的产出数据训练，而 NWP 数据有约 6 小时的滞后，快变的天气（如下雨、地表温度）容易产生偏差。

WeatherNext 3 改为直接接收实时地球静止卫星数据——地球静止卫星是悬停在赤道上空固定位置、持续盯着同一区域的卫星——再叠加全球气象站的稀疏观测，模型每小时基于最新观测生成一次预报。突发天气（风暴、锋面、强降水）出现时，预报能更快反映变化。

降水：最难的一环，精度提升最多 60%

降水是全球天气模型公认最难预测的变量——降雨系统由小尺度、快速变化的云过程驱动，传统物理模拟很难算准。WeatherNext 3 用 NASA 的卫星降水数据（IMERG）和自研卫星雷达全球降水再分析数据训练模型，效果显著：在中期预报评估中，概率预报质量指标 CRPS 较基线最高提升 60%（对标 IMERG）、30%（对标 MRMS）、10%（对标雨量计实测）。

CRPS 是衡量概率预报质量的指标，可以理解为「预报的分布与实际情况的差距」，数值越小、预报越准。对普通用户更直观的变化：Google 官方称，规划一天以上行程时看到的降水预报，准确率最高提升约 50%。

面向风电光伏的专项预报

WeatherNext 3 新增了专门服务清洁能源的预测：100 米高度风速（接近风机轮毂高度，即叶片旋转中心的高度）、云量和太阳辐射。风电运营商可以据此估算未来一段时间的发电量，光伏电站能预判光照情况。这对电网调度很有价值——提前知道风、光能发多少电，才好匹配用电需求。

直接接入谷歌生态，开发者免部署调用

WeatherNext 3 即日起接入 Google 搜索、Gemini 应用、Google 地图、Google Maps Platform 天气 API 和 Google Earth Engine。普通用户在这些产品里看到的天气预报将更细、更准，尤其是提前一天以上的降水预报。

开发者无需自己部署模型：可以通过 BigQuery 和 Earth Engine 查询高分辨率预报数据，也可以从 Google Cloud Storage 批量下载，用于研究工作流和业务集成。

数十亿人首次获得高分辨率预报

传统的高分辨率区域天气模型依赖巨额超算投入，拉美、非洲、亚太等地区长期缺乏精细预报服务。WeatherNext 3 用一套全球模型直接输出 5 公里网格，把这些地区的高质量预报成本降了下来——谷歌称，这为数以十亿计的居民和本地企业带来了本地化的高保真预报。

从「学物理模拟」到「直接学观测」

WeatherNext 3 的意义在于，AI 天气模型第一次大规模从「学习物理模拟输出」转向「直接学习实时观测数据」，绕开了传统方法的数据滞后。对普通人，最直接的变化是谷歌生态里天气预报更细、更准、更新更快；对能源行业，它是一个新的发电量预测工具；对欠发达地区，这是高分辨率预报的普及。

需要提醒的是：官方声明指出，正式的天气预报、恶劣天气警报和公共安全建议，仍以当地气象部门为准。