Google DeepMind與Google Research的科學家今日發布一款全新的人工智慧天氣預報模型，能更清晰地觀察我們不斷變化的大氣層，並更頻繁地預測其行為。
這款名為「WeatherNext 3」的新模型，是深度學習技術為氣象學帶來變革浪潮的最新一波成果。Google表示，該模型將開始為其在搜尋、Google地圖及Gemini中呈現的天氣資訊提供數據支援，並透過Google雲端平台提供給使用者與研究人員使用。
Google資深工程師Samier Merchant向TechCrunch表示：「這將是部分核心變數首次被用於驅動並支援許多Google產品的運作。」
這款新模型已證明在由新創公司Brightband所建立的AI預報比較工具「Operational WeatherBench」上，是目前所有領先競爭者中最準確的，評估專案涵蓋溫度、風速及濕度等指標。
除了擊敗Google、微軟、輝達及歐洲中期天氣預報中心（ECMWF）所打造的深度學習模型外，WeatherNext 3也優於美國國家氣象局與ECMWF所發布的傳統預報結果。
傳統上，多數天氣預報仰賴政府擁有的超級電腦，耗時地運算描述天氣物理現象的數學方程式；儘管這些系統已變得非常精準，但它們成本高昂且速度相對較慢。在ECMWF於2018年釋出這些系統所產生、超過半個世紀的天氣資料後，深度學習研究人員便開始訓練能以更快速度做出預測、且準確率堪比政府工具的模型。
DeepMind研究員經理Ferran Alet指出：「天氣是混沌的，因此細微的差異會產生巨大的擾動……機器學習所處理的問題，正是我們真正需要解決的——在資訊不完整與運算資源有限的情況下，近似模擬帶有雜訊的物理現象，因此它能從大量資料中學習模式。」
自此，模型開發者持續攻克AI預報模型的主要弱點：其預報範圍通常涵蓋15至25平方公里的區域，較實際所需更為粗略；在降雨預測方面表現不總是理想，且仍依賴政府機構產生的格式化資料集。
WeatherNext 3正面面對這三項挑戰。研究人員向TechCrunch表示，在關鍵變數上，其預報解析度可達到5公里；在降雨評估上較WeatherNext 2改善了60%；且現在能產出每小時預報，而非過去標準的每六小時一次。
這些改進是設計者做出特定選擇後的成果。WeatherNext 3是一個更大的模型，參數量為前代的2.4倍，並對解碼器頭部（decoder heads）的目標進行調整，以提供更有用的結果。雖然多數天氣預報的輸出為3D網格上平均計算後的指標，但DeepMind研究人員已因調整其模型以視覺化呈現氣旋路徑而贏得讚譽。
此次，設計者還訓練模型將預報對準特定的氣象觀測站。這不僅對提供更精細的預報至關重要，也使其能夠根據特定的實地真實數據（ground-truth data）來評估自身表現。
Brightband大氣科學家Daniel Rothenberg表示：「在許多AI應用中，核心想法是盡可能將任務以端到端（end-to-end）的方式執行。這項新功能讓模型能預報例如丹佛機場氣象站每小時將測量到的數值，使預報任務與核心目標更加緊密結合。」
該模型之所以能更頻繁地進行預報，是因為它能夠吸收即時、以每小時為單位收集的氣象衛星資料。以原始的經驗觀測數據（而非天氣超級電腦所產生的分析結果）來餵養AI模型，雖然有望帶來更準確的預報，但要讓模型處理非格式化資料在技術上仍具挑戰性。
Google宣稱WeatherNext 3是首款「直接」將原始觀測數據納入高解析度全球預報的AI模型。然而，AI天氣新創公司WindBorne表示，其WeatherMesh 6模型自2025年底以來，便已納入來自其氣象氣球隊及其他來源的原始觀測數據。對此，Google指出其預報在全球範圍內具有更高的解析度。無論如何，兩款模型仍仰賴各國的氣象資料集來執行預報，因此要實現真正的直接資料同化（direct data assimilation），仍有更多工作要做。
儘管大型語言模型（LLM）吸引了大部分的目光，但氣象學領域的Transformer革命同樣重要。歐洲與美國的氣象機構已在其預報產品中使用AI模型，而其速度與低成本有望為較貧窮地區帶來經濟效益——這些地區因高品質感測器與超級電腦成本高昂，一直無法享有準確的預報服務。
比爾·蓋茲（Bill Gates）近日引述AI驅動的天氣預報是該技術的一項關鍵益處，透過更佳的預報可提升開發中國家的農作產量。DeepMind研究員Alet表示，對風、降雨及雲層覆蓋的更高解析度預報，將有助於讓再生能源專案變得更可靠。
Alet表示：「歸根結柢，我認為Google的使命是為使用者提供有用的資訊，而使用者關心的許多事情在某種程度上都與天氣有關。」
🔥 今日市場熱搜標籤
💡 提示：輸入 4 碼股票代號可精確查找個股情報
按 Enter 立即檢索