WeatherNext：AI 模型在气旋预报领域取得突破
WeatherNext 能够实现准确的气旋预报，可额外提供一天的预警时间。现在我们正将该模型开源。
预测危险气旋如何发展是一项长期存在的挑战，每一小时都至关重要。热带气旋——也被称为飓风或台风——是地球上最具破坏性的天气现象之一，在过去 50 年里，全球范围内造成了超过 70 万人死亡和 1.4 万亿美元的经济损失。对于预报员而言，发布及时、准确的预警是一场与时间的持续赛跑。
今天，在一篇发表于 Nature 的论文中，我们展示了我们的 WeatherNext AI 模型在预测气旋路径、强度和风场结构方面达到了最先进的准确度。平均而言，我们的模型为预报员额外提供了一天的预测准确度：我们的三天预报与先前模型仅能提供的未来两天预报一样好。这一提升幅度大致相当于气象领域十年的进展。
这项合作工作汇聚了 Google DeepMind 和 Google Research 的 AI 研究人员与工程师，以及来自国家飓风中心（NHC）、大气研究合作研究所（CIRA）、英国气象局以及世界各地气象机构的专家预报员。
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 做出了关于飓风 Melissa 的历史性预报，预测出该风暴的快速增强及其在牙买加的登陆。这使 NHC 得以发布提前预警，为当地团队提供了至关重要的准备时间。今年，我们继续合作，目前正为每个气旋预测 1,000 种可能情景，以帮助支持预报员的决策。
天气影响着每一个人。鉴于这种广泛的影响，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，并放大 AI 在建设更具韧性社区方面的影响——无论是为当地预报员提供他们所需的工具以为自然灾害做好准备，支持可再生能源的发展，还是预判极端天气。
WeatherNext 如何预测天气和气旋
从飓风 Milton（2024 年 10 月）期间的全球大气状况出发，WeatherNext Cyclones 迭代预测全球天气模式和精细尺度的气旋路径，最远可提前 15 天。运行一个包含 1,000 个成员的集合，可生成从热带风暴到飓风级风速的局部概率图。
预测气旋通常需要在两种不同的建模技术之间进行权衡。气旋的路径（去向）由大规模全球大气环流引导，此前这最适合用较粗分辨率的全球模型来模拟。然而，气旋的强度（增强程度）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，这最适合用专门的、更高分辨率的局地模型来模拟。
我们的 WeatherNext 模型通过改进全球天气整体以及气旋的预报，弥合了这一差距。它是一个单一 AI 模型，能够以最先进的准确度预测热带气旋的路径、强度和风结构。它通过其训练、架构和低分辨率输入方法的独特组合实现了这一突破。
我们在 2023 年至 2024 年的历史气旋上评估了 WeatherNext Cyclones，将其确定性和概率性性能与其他顶级天气模型进行了基准比较。平均而言，WeatherNext Cyclones 在预测气旋路径、强度和风结构方面获得了超过一整天（24 小时）的领先时间优势。
该模型在两种不同的数据模态上进行了联合训练：全球天气动力学和专家整理的历史气旋观测数据。通过在近 20 TB 的全球大气数据和涵盖近 5,000 个历史风暴的 IBTrACS 历史数据库上进行端到端训练，该模型学习了复杂的大气模式以及如何对极端天气进行建模。
近几十年来，气旋预报准确度一直在稳步提升。这些图显示了 ECMWF-ENS 路径预报（a）和 HWRF 强度预报（b）多年来的 3 天准确度，以及 WeatherNext Cyclones 如何为路径和强度两者的准确度带来阶跃式变化。根据过去 20 年的趋势，这一改进相当于十年的进展。
我们的模型使用函数生成网络（FGNs）来高效生成不同预测的集合，从而捕捉天气固有的不确定性。我们现在可以在 TPU 上不到一分钟内生成单个 15 天预报，使预报员能够快速评估潜在毁灭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，与全球物理模型相当。今年，我们将集合规模扩大到 1,000 个成员，捕捉罕见但后果重大的情景，例如 2025 年飓风 Melissa 期间发生的快速增强事件。
到目前为止，在非常高的空间分辨率下运行一直被认为是实现准确强度预报的主要驱动因素。然而，WeatherNext Cyclones 只需要分辨率为 28x28 公里的数据，比传统模型粗 100 倍。该模型的较小版本 WeatherNext 2-mini 在更粗的 111x111 公里分辨率下运行，也表现出色。这让科学家们感到惊讶，而要充分理解我们的模型如何在这种分辨率下产生如此准确的预测，仍然是一个开放的研究问题。我们希望与研究界一起找到答案。
向研究界开放 WeatherNext
在我们的《自然》论文之外，我们正在开源代码和模型权重，让任何人都可以自由地在此基础上进行构建。这包括学术研究、业务预报，或开发更专业化、本地化的模型。我们希望加速全球气象界的进展，并赋能气象机构、研究人员和非营利组织更好地预测各类天气事件，并做出保护生命和基础设施的关键决策。
我们还发布了两组类似的模型：WeatherNext Cyclones，在飓风季节运行（结果可在论文中查看）；以及 WeatherNext 2，这是我们于 10 月投入业务运行的后续更新。此外，我们还发布了 WeatherNext 2-mini，这是该模型的紧凑版本，可以在免费的公共 Colab 笔记本中的单个 TPU 上运行。
您可以在 Weather Lab 上探索我们最新的气旋预报，我们最近对其进行了更新，采用了新界面，并扩展到包含全球天气预报和气旋路径。Weather Lab 现在允许您在单一视图中可视化 WeatherNext 对温度、降水、风速等的预测。Weather Lab 和 WeatherNext 模型都是 Google Earth AI 的一部分。
推动天气预报人工智能的前沿
我们取得了历史性突破，在预测气旋方面获得了超过一整天的提前量——相当于气象学十年的进步。在我们为未来的风暴季节做准备之际，我们邀请研究人员、气象机构和专家与我们合作，在我们的开源模型基础上进行构建，并在 Weather Lab 上探索我们的预报。通过将先进的机器学习与人类预报员不可或缺的现实世界专业知识相结合，我们旨在创建一个协作式天气预报生态系统，以拯救生命并帮助社区适应不断变化的气候。
注意：如需官方天气预报和警告，请参考您当地的气象机构或国家气象局。
致谢
这项研究由 Google DeepMind 和 Google Research 团队共同开发。
我们要感谢我们的合作者 NOAA/NWS/NCEP 国家飓风中心、大气研究合作研究所 (CIRA) 和英国气象局，感谢他们的合作和对论文的贡献。
这项工作反映了论文合著者的贡献：Ferran Alet、Tom Andersson、Ilan Price、Stratis Markou、Andrew El-Kadi、Dominic Masters、Amy Li、Samier Merchant、Natalie Williams、Gregory Thornton、Ken MacKay、Olivia Graham、Akib Uddin、Ben Gaiarin、Devaja Shah、Elinor Kruse、Wallace Hogsett、David Zelinsky、John Cangialosi、Jonathan Martinez、James Franklin、Mark DeMaria、Kate Musgrave、Caroline L. Bain、Helen Titley、Jacklynn Stott、Remi Lam、Aaron Bell、Paul Komarek、Matthew Willson、Alvaro Sanchez-Gonzalez 和 Peter Battaglia。