WeatherNext 2: 我们最先进的天气预报模型

# WeatherNext 2：我们最先进的天气预报模型 来源：https://blog.google/innovation-and-ai/models-and-research/google-deepmind/weathernext-2/ 这款全新 AI 模型能够更高效、更精准、更高分辨率地进行全球天气预测。 ## 总体摘要 Google 的 WeatherNext 2 现已发布，借助 AI 为您提供更快速、更详细的天气预报。这款新模型可在不到一分钟内预测数百种天气情景。您现在可以在 Earth Engine 和 BigQuery 中访问 WeatherNext 2 的预报数据，或加入 Google Cloud Vertex AI 上的抢先体验计划。 摘要由 Google AI 生成。生成式 AI 为实验性功能。 ## 要点 - "WeatherNext 2" 是 Google 推出的全新 AI 天气模型，预报速度更快、效率更高。 - WeatherNext 2 仅需一个 TPU，即可在不到一分钟内生成数百种可能的天气情景。 - 该模型在 99.9% 的变量和预报时效上均超越了上一代 WeatherNext 模型。 - WeatherNext 2 数据现已可在 Earth Engine 和 BigQuery 中使用，Vertex AI 提供抢先体验。 - WeatherNext 2 已升级 Search、Gemini、Pixel Weather、Maps Platform 和 Maps 中的天气预报功能。 摘要由 Google AI 生成。生成式 AI 为实验性功能。 ## 基础解读 Google 开发了一款超智能天气工具，名为 WeatherNext 2。它利用计算机比以往更快、更准确地预测天气，甚至可以展示多种不同的天气可能性。现在，人们可以借助它来帮助做出与天气相关的重要决策。 摘要由 Google AI 生成。生成式 AI 为实验性功能。 #### 探索其他风格： 一张全球地图投影，展示了 WeatherNext 2 天气预报模型的湿度水平，蓝色表示低湿度，黄橙色表示高湿度，尤其集中在赤道附近。 天气影响着我们每天做出的重要决策——从全球供应链和航线到您的日常通勤。近年来，人工智能（AI）极大地提升了天气预报的能力，也拓展了我们利用天气信息的方式。 今天，Google DeepMind 和 Google Research 正式推出 [WeatherNext 2](https://deepmind.google/science/weathernext/)，这是我们最先进、最高效的预报模型。WeatherNext 2 能够以高达 1 小时的分辨率生成预报，速度提升 8 倍。这一突破得益于新模型能够提供数百种可能的天气情景。利用这项技术，我们通过[实验性台风预测](https://deepmind.google/blog/how-were-supporting-better-tropical-cyclone-prediction-with-ai/)，帮助气象机构基于多种情景做出决策。 现在，我们正将研究成果从实验室带到用户手中。WeatherNext 2 的预报数据现已可在 [Earth Engine](https://developers.google.com/earth-engine/datasets/catalog/projects_gcp-public-data-weathernext_assets_weathernext_2_0_0) 和 [BigQuery](https://console.cloud.google.com/bigquery/analytics-hub/exchanges/projects/871883017250/locations/us/dataExchanges/weathernext_19397e1bcb7/listings/weathernext_2_19a39fe59dd) 中使用。我们还在 Google Cloud 的 Vertex AI 平台上推出了[抢先体验计划](https://console.cloud.google.com/vertex-ai/publishers/google/model-garden/weather-next-v2)，支持自定义模型推理。 通过整合 WeatherNext 技术，我们现已升级 Search、Gemini、Pixel Weather 和 Google Maps Platform 的 [Weather API](https://mapsplatform.google.com/maps-products/weather/) 中的天气预报功能。未来几周，该技术还将为 Google Maps 中的天气信息提供支持。 ## 预测更多可能情景 从单一输入出发，我们使用独立训练的神经网络，并在函数空间中注入噪声，以在天气预报预测中产生连贯的变化性。 展示 WeatherNext 2 所用新算法的示意图。 天气预测需要捕捉全部可能性范围——包括最需要防范的最坏情景。 WeatherNext 2 能够从单一初始点预测数百种可能的天气结果。每个预测在单个 TPU 上耗时不到一分钟；而使用基于物理的模型在超级计算机上则需要数小时。 我们的模型还具备高超的技能，能够进行更高分辨率的预测，精确到小时。总体而言，WeatherNext 2 在 99.9% 的变量（如温度、风速、湿度）和预报时效（0-15 天）上均超越了我们之前最先进的 WeatherNext 模型，从而提供更有用、更准确的预报。 这一性能提升得益于一种名为[函数生成网络](https://arxiv.org/abs/2506.10772)（Functional Generative Network，FGN）的新型 AI 建模方法，该方法将"噪声"直接注入模型架构中，使其生成的预报保持物理上的真实性和相互关联性。 这种方法特别适用于预测气象学家所说的"边缘分布"（marginals）和"联合分布"（joints）。边缘分布是独立的单个天气要素：特定地点的精确温度、某一高度的风速或湿度。我们方法的创新之处在于，模型仅针对这些边缘分布进行训练。然而，通过训练，它学会了熟练预测"联合分布"——即依赖于所有单个要素如何组合在一起的大型、复杂、相互关联的系统。这种"联合分布"预测对于我们最有用的预测至关重要，例如识别受高温影响的整个区域，或预测风电场的预期发电量。 连续分级概率评分（CRPS）比较 WeatherNext 2 与 WeatherNext Gen 热力图显示 WeatherNext 2 在几乎所有大气变量、气压层和预报时效上均持续优于 WeatherNext Gen。 ## 从研究到现实 借助 WeatherNext 2，我们将前沿研究转化为高影响力应用。我们致力于推动这项技术的最新水平，并向全球社区开放我们的最新工具。 展望未来，我们正积极研究提升模型能力的方法，包括整合新的数据源，并进一步扩展访问范围。通过提供强大的工具和开放数据，我们希望加速科学发现，赋能全球的研究人员、开发者和企业生态系统，助力他们在当今最复杂的问题上做出决策，并为未来而建设。 想了解更多关于 Google 地理空间平台和 AI 工作的信息，请查看 [Google Earth](http://earth.google.com/)、[Earth Engine](https://earthengine.google.com/)、[AlphaEarth Foundations](https://deepmind.google/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/) 和 [Earth AI](https://ai.google/earth-ai/)。 ## 了解更多关于 WeatherNext 2 的信息 - 阅读我们的[论文](https://arxiv.org/abs/2506.10772) - [WeatherNext 开发者文档](https://developers.google.com/weathernext) - 探索 [Earth Engine 数据目录](https://developers.google.com/earth-engine/datasets/catalog/projects_gcp-public-data-weathernext_assets_weathernext_2_0_0) - 在 [BigQuery](https://console.cloud.google.com/bigquery/analytics-hub/exchanges/projects/871883017250/locations/us/dataExchanges/weathernext_19397e1bcb7/listings/weathernext_2_19a39fe59dd) 中查询预报数据 - 注册 [Cloud Vertex AI 抢先体验计划](https://console.cloud.google.com/vertex-ai/publishers/google/model-garden/weather-next-v2) 并排的天气与预测图像 带有紫色和蓝色漩涡的世界地图 ### 相关报道