AREX Feed Article
Google DeepMind 发布 WeatherNext 3：每小时起报，温度分辨率提至 5km
北京时间 9 月 3 日 23 时许，Google DeepMind 官方账号宣布，由其与 Google Research 联合开发的新一代全球天气预报模型 WeatherNext 3 发布。称，模型直接学习真实世界的实时观测，直接摄取实时卫星数据，每小时就能启动一次全新预报；官方称，常规天气更新受算力约束，通常以 6 小时间隔进行。给出的分辨率口径是：单次推理即可把温度预报从 25km 网格细化到 5km，即 5 倍提升。
与推文几乎同时上线的把 WeatherNext 3 称为“迄今最先进、最准确的全球天气模型”，并宣布它从发布当天起驱动 Google 搜索、Gemini 应用、Google Maps 与 Google Maps Platform Weather API 中的天气体验；开发者与研究人员可经 BigQuery、Earth Engine 与 Google Cloud Storage 访问实时数据。同步发布了这一落地清单。上述规格与准确率数字均为 Google 官方口径，第三方对其中一部分的评估见文末一节。
实时卫星数据直接进模型，每小时重新起报
大多数 AI 天气模型，包括上一代 WeatherNext 2，都以数值天气预报（NWP）模式的输出作为训练数据。博客解释，NWP 是依赖超级计算机的物理模拟，自带 6 小时数据滞后，这种滞后会让降雨、地表温度这类快速变化的变量产生偏差。称，WeatherNext 3 直接接收逐小时的全球静止轨道卫星“镶嵌图”（mosaic），每小时初始化一次，每次起报都以最新卫星观测为基准，最高可输出 5km 分辨率。
开发者文档把初始化频率写为每小时一次，即每天 24 次起报；模型架构是 FGN（Functional Generative Network）网格 Transformer，集合成员 64 个。还交代了两个档位：00、06、12、18 UTC（协调世界时）的 6 小时周期运行可预报 15 天（360 小时），其余整点的“中间档”运行只预报 48 小时。每小时档的预报视野只有 48 小时，能看 15 天的预报仍出自 6 小时间隔的档位。
官方对这套设计的解释是：风暴、锋面和降水系统可能突然出现，更新周期越短、分辨率越高，越能在灾害性天气形成时给出更早、更细的信息。
从 25km 到 5km：一次推理输出三种分辨率
上一代 WeatherNext 2 在 25km 网格上以 6 小时间隔输出预报，这一代官方宣传的升级点是“25km 到 5km、单次推理完成”。把这项变化称为温度预报 5 倍分辨率提升，并说明系统直接以原始气象站观测训练，以捕捉通常服务不足地区的局地微气候。
开发者文档显示，“单次推理”输出的是多分辨率结果：0.05°（约 5km）的站点级 2 米温度与露点，0.1°（约 10km）的规则网格地表变量（含 10 米与 100 米风、海表温度、云层、太阳辐射），以及 0.25°（约 25km）的三维大气层变量。5km 档位主要落在“站点头”（station head）输出上，其训练对象正是稀疏分布的气象站原始观测，目的是让预报贴合地面实测。
博客称，温度与湿度可能在几公里内剧烈变化，这对海岸、山谷与山区附近的社区尤其重要；基于观测训练让模型能分辨地形带来的局地细节。官方还点名拉丁美洲、非洲与亚太：这些地区过去因区域高分辨率模式的超算成本而缺少高分辨率预报，新模型把“局地高保真预报带给数十亿人和当地企业”（官方口径）。
降水误差最高降 50%，并预报风机高度风速
官方称，降水准确预报是全球天气模型的公认难题：此前的方法要么输出模糊估计，要么漏掉强风暴的边界。给出的改进数字是，全球降水预报误差最高降低 50%，改进最大的地区正是历史上预报可靠性较差的地区。
Google 博客给出了按评估基准细分的口径：中期全球预报的连续分级概率分数（CRPS）相对 NASA 卫星降水产品 IMERG 最高改善 60%，相对 MRMS 改善 30%，相对雨量计观测（较早预报时效）改善 10%。
降水训练数据来自 NASA 卫星降水产品 IMERG 与 Google 自建的卫星雷达降水再分析两类来源；开发者文档的表述则是，相对数值预报基线，Brier 分数（概率预报评分指标）与 CRPS 最高下降 50%（以 IMERG 观测评估）。三处口径对应不同基准，不能直接互比。
模型还增加了一组为可再生能源设计的输出：100 米高度风速（约等于风机轮毂高度）、分层云量与太阳辐射（SSRD，地表向下辐射；FDIR，直接辐射）。博客称这能让电网运营商与新能源开发商预测风电场和光伏电站的发电量，再与用电需求匹配。引述 DeepMind 研究科学家 Ferran Alet（报道称其职务为 staff research scientist manager）的话说，更高分辨率的风、雨、云预报将让可再生能源项目变得更可靠。
已接入 Search、Gemini、Maps 与 Maps Platform
官方博客列出的清单是：Google 搜索、Gemini 应用、Google Maps、Google Maps Platform Weather API 与 Google Earth Engine 自 9 月 3 日起由 WeatherNext 3 驱动。Google Search 产品副总裁 Robby Stein（据其 X 账号简介）在发布当天的中写道，Search 上线了 WeatherNext 3，“无论用户看未来几天还是规划周末，预报都会有巨大升级”。也发消息确认，WeatherNext 3 现已驱动其 Weather API。
这并非 Google 天气产品第一次接入 WeatherNext 系模型。（截至发稿仍以 WeatherNext 2 为主体内容）写明，上一代模型已进入“驱动 Google 全部天气功能的核心预报系统”，覆盖 Search、Gemini、Pixel Weather 与 Maps Platform Weather API。因此本次更接近一次模型内核换代，而非从零接入。
面向开发者，实时数据的通道是 BigQuery、Earth Engine 与 Google Cloud Storage，文档要求先按快速入门指南比较访问方式并申请白名单。许可上，1 小时以前的历史数据采用 CC BY 4.0，实时数据适用专门条款；官方博客还同步链接了。博客末尾则提示：官方天气预报与警报，仍以当地气象机构为准。TechCrunch 引述 Google 高级软件工程师 Samier Merchant 的话概括这次变化的性质：“这将是核心天气变量第一次为大量 Google 产品供能。”
榜单、气象学家与 WindBorne 的异议
Google 博客把“最准确”的依据指向第三方 Brightband 的独立实时评测。Brightband 联合创始人、大气科学家 Daniel Rothenberg（据其 X 账号简介）在发布当天的中祝贺，称团队“对这项工作印象极其深刻”，并邀请社区到其公开的 查看模型表现。
TechCrunch 报道给出了榜单语境：在 Brightband 的 Operational WeatherBench 上，WeatherNext 3 在温度、风速、湿度等指标上已是参评主要模型中最准的一个，超过了微软、英伟达、ECMWF（欧洲中期天气预报中心）以及 Google 自家的其他深度学习模型，也好于美国国家气象局与 ECMWF 的传统预报。
气象学界与团队内部也有公开表态。关注者 15.1 万的气象学界账号 Ryan Maue（X 简介自称佛罗里达州立大学博士）在中评价：“就目前可用的系统而言，这是最好的天气预报系统，而且很可能在一段时间内都是。”Google DeepMind 研究工程师 Tom Andersson（X 简介自称世界气象组织 2022 年度青年科学家）在中称“我们团队刚刚发布了目前可用的最佳全球天气模型”，附上排行榜链接，并称全球任何地点都能通过 Weather Lab 访问这些预报。
对“第一”的表述存在异议。TechCrunch 报道，Google 称 WeatherNext 3 是首个直接把原始观测纳入高分辨率全球预报的 AI 模型，但 AI 天气创业公司 WindBorne 回应说，其模型 WeatherMesh 6 自 2025 年底起就已把自家气象气球舰队等来源的原始观测纳入模型；Google 对此的回应是，自家预报在全球范围内的分辨率更高。TechCrunch 同时指出，两家模型目前都仍依赖国家气象数据集运行，距离真正的直接数据同化还有更多工作要做。
这一点与开发者文档列出的模型输入吻合：WeatherNext 3 的运行时输入除了实时卫星镶嵌图，还包括 ECMWF HRES 分析场，后者正是数值模式的产物。官方宣称的“直接学习真实世界观测”，目前主要落在训练与站点级输出环节。