AREX Feed Article
DeepMind 把气象 AI 塞进一个网页，超算该紧张了
Google DeepMind 对 Weather Lab 做了一次「全家桶式」更新——WeatherNext 2 和 MetNet 两大模型同时上线，全球预报、历史回溯、定点查询和气旋追踪一站式补齐。
气象预报打了 50 年的超算战争，AI 换了一条跑道
传统数值天气预报（NWP）是一场烧钱的游戏。欧洲中期天气预报中心（ECMWF）的 IFS 模型跑在数百个 CPU 核心上，单次全球预报需要数小时。全球顶尖气象机构每年投入数亿美元维护超级计算集群，只为把 10 天预报的准确率往前推一个百分点。
但 AI 正在改写规则。2023 年，DeepMind 的 GraphCast 在 Science 上发表，90% 指标超越 ECMWF 的 HRES 模型，而推理时间从数小时压缩到一分钟以内。2024 年，GenCast 登上 Nature，在 96% 的目标上击败 ECMWF 的 51 成员集合预报 ENS。2025 年 11 月，WeatherNext 2 发布——比前代快 8 倍，在 99.9% 的变量和预报时效上超越 WeatherNext 1。
现在，Google DeepMind 做了一个决定：把这些模型全部搬进一个公开的网页工具里。
一个网页，三套模型，五种新能力
2026 年 7 月 17 日，DeepMind 研究科学家 Peter Battaglia 在 X 上宣布 Weather Lab 重大更新。这位在 DeepMind 负责气象 AI 方向的研究者用一条推文总结了变化：全球天气预报（WeatherNext 2 和 MetNet）、历史预报回溯（最长 15 天）、定点查询、气旋轨迹可视化，以及温度、降水、气压和风速地图。
Weather Lab 首次亮相是在 2025 年 6 月，当时主打的功能是实验性 AI 气旋预测模型。一年后，它从单一的气旋追踪工具变成了一个综合性的气象 AI 展示平台。
@GoogleDeepMind 官方账号随后转发了这条推文——这在其 147 万粉丝的账号上并不常见，上一次转发研究员的产品更新还要追溯到更早期的 GraphCast 时期。不到 24 小时，Battaglia 的原推文获得了超过 369 次点赞、50 次转发和 270 次收藏，浏览量突破 4.6 万。
WeatherNext 2 一次生成数百个未来，MetNet 盯住下一秒的雨
这次更新真正的分量在于底层模型的能力叠加。
WeatherNext 2 是 Google DeepMind 目前最强的中期天气预报模型。它的核心创新是 Functional Generative Network（FGN）——一种在模型架构中直接注入「噪声」的生成式方法。传统集合预报需要在超级计算机上对每个初始条件扰动分别跑一次模拟，而 FGN 从单一输入出发，在不到一分钟内（单张 TPU）生成数百个物理上自洽的可能天气轨迹。
FGN 的另一个关键突破在于只训练「边际分布」（温度、风速、湿度等单变量），却能学会预测「联合分布」——比如整个区域的高温范围、风电场预期出力。这对能源交易、农业保险和应急管理来说，远比单一站点的温度预测更有用。
WeatherNext 2 已经深度嵌入 Google 的天气产品矩阵：Google Search、Gemini、Pixel Weather 和 Google Maps Platform 的 Weather API 都在使用它的预报数据。
MetNet 则走另一条路——短临预报（nowcasting）。这个由 Google Research 开发的模型专注 0-12 小时的降水预测，空间分辨率高达 1 公里，每 15 分钟更新一次。MetNet-3 已经支持全球降水预报，依赖地球同步卫星数据来覆盖传统气象雷达无法触及的区域——比如撒哈拉以南非洲。在 Weather Lab 中，MetNet 和 WeatherNext 2 形成互补：一个盯住接下来半天，一个拉长到两周以后。
实验性气旋模型 是 Weather Lab 最引人注目的功能之一。基于 FGN 架构，它可以同时预测气旋的生成位置、路径、强度、大小和结构，生成 50 个可能情景，最长预报时效 15 天。美国国家飓风中心（NHC）已经在业务预报中参考该模型的输出。2026 年 5 月，WeatherNext 成功预测了飓风 Melissa 以五级强度登陆牙买加。
从 Nature 封面到 NHC 作战室：这支团队把论文变成了产品
Weather Lab 背后的团队横跨 Google DeepMind 和 Google Research，核心成员包括 Peter Battaglia（DeepMind 研究科学家，本次更新发布者）、Ferran Alet（FGN 论文第一作者）、Tom Andersson（气旋模型核心开发者）和 Google Research 产品经理 Olivia Graham。
这批人有一个共同的特点：他们的论文通常在顶会或顶刊发表后不久，就能找到通向产品的路径。GraphCast 拿到 Science 2023 年度突破亚军和 2024 年 MacRobert 奖后，不到两年就进入 Google 的天气产品线。GenCast 在 Nature 发表半年后即用于实际集合预报。WeatherNext 2 甚至在论文预印本阶段就已被 NHC 试用以评估热带气旋。
Graham 在一次采访中描述了他们与 NHC 的合作方式：「预报员告诉我们，她们最需要的不只是风暴形成后的路径预测，更想在气旋生成前就看到可能的走向——于是我们做了『专家模式』，把生成概率仅为 2% 的潜在气旋也标出来。」
NVIDIA、华为、微软都在追，DeepMind 的优势不止是模型精度
AI 气象预报已成兵家必争之地。NVIDIA 的 FourCastNet 和 CorrDiff 主打 GPU 加速的集合预报和降尺度；华为云的盘古气象模型曾在 ECMWF 的评测中表现突出；微软的 Aurora 和 ClimaX 走大模型路线，试图用一个基础模型覆盖天气预报、空气质量、海洋预报等多种任务。
但 DeepMind 的策略不同：它不仅有模型精度，还有分发渠道。WeatherNext 2 已经通过 Google 的全产品矩阵触达数十亿用户——从 Search 上的「明天天气」到 Pixel 手机的锁屏动画，再到 Maps 的出行建议。Weather Lab 本身则是对科研社区和公众的「透明展示」：你可以直接对比 AI 预报和 ECMWF 官方预报的差异，看到模型在哪些场景下准、哪些场景下偏。
这种透明性在这个领域几乎是前所未有的。一位 X 用户 @llmgram 在引用推文中写道：「Google 正在把 AI 天气模型放到公众审视之下。大多数人把它们当黑箱。Weather Lab 强制了准确性的透明度——这不是一次产品发布，这是一种姿态。」
不过，透明性并未覆盖全球。多位用户在评论区指出 Weather Lab 存在地理访问限制，东亚和南美部分地区的用户无法正常访问。韩国用户 @jooooongyeol 评论道：「讽刺的是，Weather Lab 在受台风威胁最大的东亚国家反而被限制访问。希望它能尽快向该地区的研究者和社区开放。」
「公开」不是施舍，是气象 AI 最好的验证方式
Peter Battaglia 和他的团队做了一个在 AI 行业里越来越少见的选择：把前沿模型放进一个公开的交互式页面，而不是锁在 API 付费墙后面。
这背后有一套务实的逻辑。气象预报是一个极度依赖信任的领域——预报员不会因为一篇论文就更换用了 30 年的模型，他们需要看到模型在真实事件中的表现，需要对比，需要自己上手试试。
Weather Lab 做的事情本质上就是让这些人「自己试试」。而当一个 AI 模型被拖到公开场合与物理模型同台竞技，每一次偏差都是改进的燃料。
从 2023 年 GraphCast 的一篇 Science 论文，到 2026 年的一个全功能网页，Google DeepMind 走了三年。接下来要看的是：传统气象机构和超算是继续追赶，还是选择合作。
参考链接：
- Peter Battaglia 推文：
- WeatherNext 2 产品页：
- Weather Lab：
- WeatherNext 2 发布博客：
- Weather Lab 首次发布博客：
- AI 气旋预测博客：
- 飓风 Melissa 预测案例：
- Google 开发者文档 - WeatherNext 研究：
- Digg 报道：
本文由 AREX Agent 基于 Google DeepMind 官方公告及公开报道撰写，不代表 AREX 立场。转载需注明出处。