2026年8月6日 科学
WeatherNext 团队
WeatherNext 能够实现精准的气旋预报，并为预警争取额外一天时间。现在，我们将这一模型开源。
预测危险气旋的发展过程一直是一项长期挑战，因为每个小时都至关重要。热带气旋——也称为飓风或台风——是地球上破坏力最强的天气现象之一。在过去50年里，热带气旋在全球造成了超过70万人死亡，并带来了1.4万亿美元的经济损失。对于预报员而言，及时、准确地发布预警始终是一场与时间的赛跑。
今天，在发表于 Nature 的论文中，我们展示了 WeatherNext AI 模型在预测气旋路径、强度和风场结构方面达到了业界领先的准确率。平均而言，我们的模型能为预报员额外提供一天的有效预测时间：我们的三天预报效果，相当于以往模型只能提供的未来两天预报。这一程度的提升，大致相当于气象学领域十年的进步。
这项合作研究汇集了 Google DeepMind 和 Google Research 的 AI 研究人员与工程师，以及来自 美国国家飓风中心（NHC）、大气研究合作研究所（CIRA）、英国气象局以及全球各地气象机构的专业预报员。
我们的研究已经产生了现实世界的影响。在2025年飓风季期间，我们的模型帮助 NHC 对飓风梅丽莎进行了具有历史意义的预报，准确预测了该风暴的快速增强以及在牙买加登陆。这使 NHC 得以及时发布预警，为当地团队争取了关键的准备时间。今年，我们将继续开展合作，目前已能为每个气旋预测1,000种可能情景，以支持预报员进行决策。
天气影响着每个人。鉴于其广泛影响，我们现在将飓风季期间使用的 WeatherNext 2 和 WeatherNext Cyclones 模型开源。通过公开提供这项技术，我们希望赋能研究社区，扩大 AI 在建设更具韧性的社区方面的影响——无论是为当地预报员提供应对自然灾害所需的工具，支持可再生能源发展，还是帮助预判极端天气。
WeatherNext 如何预测天气和气旋
以飓风米尔顿期间（2024年10月）的全球大气状况为起点，WeatherNext Cyclones 通过迭代方式预测全球天气模式和精细尺度的气旋路径，预测时间最长可达提前15天。运行包含1,000个成员的集合预报，可以生成从热带风暴级到飓风级风速的局地化概率图。
气旋预测通常需要在两种截然不同的建模技术之间进行权衡。气旋的路径（它将前往何处）受规模巨大的全球大气气流引导，而在此之前，这些气流最好通过分辨率较低的全球模型进行建模。然而，气旋的强度（它将增强到何种程度）由其核心周围高度局地化的精细尺度热力学物理过程驱动，而这些过程最好通过专门的高分辨率局地模型进行建模。
我们的 WeatherNext 模型弥合了这一差距，既改善了整体全球天气预报，也提升了气旋预报能力。它是一个单一的 AI 模型，能够以业界领先的准确率预测热带气旋的路径、强度和风场结构。该突破得益于其独特的训练方式、模型架构以及对低分辨率输入的处理方法。
我们使用2023年至2024年的历史气旋对 WeatherNext Cyclones 进行了评估，并将其确定性和概率性预测表现与其他顶尖天气模型进行了基准比较。平均而言，在预测气旋路径、强度和风场结构方面，WeatherNext Cyclones 能够额外提前超过完整的一天（24小时）。
该模型在两种不同的数据模态上进行联合训练：全球天气动力学数据，以及由专家整理的历史气旋观测数据。通过使用近20 TB的全球大气数据和涵盖近5,000场历史风暴的历史 IBTrACS 数据库进行端到端训练，该模型学会了复杂的大气模式以及极端天气的建模方法。
近几十年来，气旋预报的准确率一直在稳步提升。图中展示了 ECMWF-ENS 路径预报（a）和 HWRF 强度预报（b）在过去各年份的三天预报准确率，以及 WeatherNext Cyclones 如何推动路径和强度预测准确率实现跨越式提升。根据过去20年的发展趋势，这一提升相当于十年的进步。
我们的模型使用 Functional Generative Networks（FGN，函数生成网络）高效生成多个不同的预测结果，从而捕捉天气固有的不确定性。现在，我们可以在 TPU 上用不到一分钟生成一份包含15天预测的单次预报，使预报员能够快速评估潜在灾难性尾部风险的概率分布。去年，我们的系统一次生成50个预测结果，与全球物理模型的规模相当。今年，我们将集合规模扩大到1,000个成员，从而捕捉快速增强事件等罕见但影响重大的情景——2025年飓风梅丽莎期间就曾发生过此类事件。
到目前为止，人们一直认为，实现极高空间分辨率是提升强度预测准确率的主要因素。然而，WeatherNext Cyclones 只需要分辨率为28×28公里的数据，比传统模型低100倍。模型的更小版本 WeatherNext 2-mini 在更低的111×111公里分辨率下运行，同样展现出出色的性能。这让科学家感到意外；要完全理解我们的模型为何能在这种分辨率下生成如此准确的预测，仍是一个有待研究的问题。我们希望与研究社区携手找出答案。
向研究社区开放 WeatherNext
伴随 Nature 论文发布，我们将代码和模型权重开源，任何人都可以免费使用并在此基础上开展开发。这包括学术研究、业务化预报，或开发更专业、更本地化的模型。我们希望加快全球天气研究社区的进步，帮助气象机构、研究人员和非营利组织更好地预测各种天气事件，并作出保护生命和基础设施的关键决策。
我们还将发布两组类似的模型：WeatherNext Cyclones，该模型曾在飓风季期间运行，相关结果可在论文中查看；以及后续更新版本 WeatherNext 2，我们已于10月将其投入业务化运行。此外，我们还将发布 WeatherNext 2-mini，这是该模型的紧凑版本，可在免费的公共 Colab 笔记本中运行于单个 TPU 上。
你可以探索