谷歌AI气象模型WeatherNext-2发布：99.9%变量超越前代，速度提升8倍

11月18日消息，天气变化正深刻影响着全球供应链、航班路线以及日常通勤等各类决策，而近年来人工智能预报能力的持续突破，也彻底改变了人们获取与使用天气资讯的方式。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

当地时间周一，Google DeepMind 与 Google Research 正式发布全新天气预报模型 WeatherNext 2，这一系统被誉为当前最先进且最高效的新一代 AI 气象预报平台。

据谷歌最新介绍，WeatherNext 2 的运算速度较前代提升了约8倍，并能生成精细至1小时级别的高分辨率预测结果。其核心突破在于采用了能够模拟数百种可能情境的新型架构，此前团队已利用类似技术在实验性飓风预测中协助气象机构开展多情境分析。

此次发布标志着这项研究成果首次正式面向用户开放。WeatherNext 2 的预测数据现已上线 Earth Engine 与 BigQuery，同时 Google Cloud 的 Vertex AI 也启动了早期体验计划，允许用户执行自定义模型推演。

此外，谷歌还将把 WeatherNext 技术全面整合至旗下多项服务，包括 Search、Gemini、Pixel Weather 与 Google Maps Platform 的 Weather API，并将在未来几周内进一步应用于 Google Maps 的天气信息模块。

据介绍，新模型能够基于单一初始状态推演出数百种可能的气象发展路径，每条推演在单个 TPU 上耗时不足一分钟，而采用传统基于物理的超算模型则可能需要数小时。

最新测试数据显示，WeatherNext 2 在0至15天的预报时段内，于99.9%的气象变量上全面超越前代系统，包括温度、风速、湿度等关键指标，且能提供更高分辨率的预测结果。

其性能跃升得益于名为"功能生成网络"（FGN）的全新建模方法，该方法通过在模型架构中直接注入"噪声"，确保生成的预测在物理层面保持合理性与内在关联性。这种建模方式对于气象学中所谓的"边缘"与"联合"预测尤为关键。"边缘"指单一气象要素的独立预测，如某地的精确气温、特定高度的风速或湿度；而"联合"则是由这些边缘要素构成的大型复杂系统，如高温影响区域或整座风电场的预期发电量。最新研究表明，模型仅需使用边缘数据进行训练，却能够有效推演联合系统，这正是该方法的独特优势。

谷歌表示，WeatherNext 2 将前沿研究成果带入实际应用场景，并将持续推进这一技术的发展，包括探索整合更多数据来源与进一步扩大访问范围。通过提供强大工具与开放数据，公司希望支持研究人员、开发者与企业在面对复杂问题时做出更有依据的决策，并推动未来相关领域的持续进步。

附正式地址：
https://deepmind.google/science/weathernext/