谷歌推出新的人工智能天气模型，实现更快速、更准确的天气预报

简要

• WeatherNext 2在不到一分钟的时间内生成数百个全球预测，使得比传统模型更频繁的情景更新成为可能。
• 谷歌已经在搜索、Gemini、Pixel天气和地图等系统中使用该系统，并计划进行更广泛的推广。
• 一种新的建模方法，功能生成网络，提高了关键指标的准确性，包括极端风和气旋追踪。

Decrypt的艺术、时尚和娱乐中心。

深入了解 SCENE

谷歌DeepMind于周一推出了一种新的人工智能驱动的天气预报系统，能够以传统工具的八倍速度生成全球天气预测。

被称为WeatherNext 2，该系统被定位为帮助机构更快地为严重天气条件做准备的工具，因为世界仍在应对因气候变暖而频繁发生的自然灾害。

为此，它从一个起点生成数百个可能的场景，每个场景在一个由谷歌开发的专用芯片（Tensor Processing Unit）上计算，时间少于一分钟，以加速机器学习和人工智能工作负载。

“我们依赖准确的天气预测来做出关键决策——从供应链到能源网再到农业规划，” 谷歌DeepMind研究科学家彼得·巴塔利亚在X上写道。“人工智能正在改变我们预测天气的方式。”

天气影响着一切和每一个人。我们与 @GoogleResearch 合作开发的最新 AI 模型正在帮助我们更好地预测天气。⛅

WeatherNext 2 是我们迄今为止最先进的系统，能够生成更准确、更高分辨率的全球预测。以下是它的功能 - 以及原因… pic.twitter.com/yVdFFlAHpE

— 谷歌深度学习 (@GoogleDeepMind) 2025年11月17日

在谷歌产品中的部署

WeatherNext 2 预报已在 Search、Gemini、Pixel Weather 和 Google Maps Weather API 中运行，稍后将提供更广泛的支持。

“我们正在与谷歌团队合作，将WeatherNext集成到我们的预测系统中，” WeatherNext 2的产品经理Akib Uddin在一份声明中表示。“无论您是在搜索、Android还是谷歌地图上，天气都影响着每个人，因此通过更好的天气预测，我们能够帮助每个人。”

DeepMind表示，传统模型可能需要数小时，这限制了场景更新的频率。该公司声称，通过使用先进的人工智能，WeatherNext 2在性能上超越了其早期的操作模型WeatherNext Gen。

“这比我们去年发布的先前概率模型快大约八倍，分辨率方面也大六倍，” Battaglia在一份声明中表示。“因此，它的步长从六小时变为一小时。它在我们测试的99.9%的变量上优于之前的天气下一代模型。”

在实际操作中，这意味着新系统几乎在所有地方和15天窗口的每一个点上都产生了更准确的温度、风速、湿度和气压预测。

DeepMind将这些收益归因于一种新的建模方法，该方法在6月的关于功能生成网络（Functional Generative Networks，FGN）的研究论文中进行了描述，该方法改变了系统表示不确定性和生成预测变体的方式。

一种新的建模方法

根据谷歌，FGN 仅针对单变量预测或 “边际” 进行训练，例如特定位置的温度、风或湿度。

尽管如此，该模型学习这些变量之间的相互作用，使其能够预测更广泛的相互联系的模式，例如区域热事件和气旋行为。

谷歌表示，FGN在极端两米温度预测方面与GenCast相匹配，并在极端十米风速预测方面超过了它，这取决于变量。

该模型在不同时间段的校准效果更强，并且在对较大区域而非单个点进行评估时表现更佳。

使用连续排名概率评分——一种标准的准确性指标，用于检查模型预测结果的全范围与实际发生情况的匹配程度——该论文报告了与GenCast相比，平均池化CRPS的平均改善为8.7%，最大池化CRPS的平均改善为7.5%。

气旋预报性能

FGN 还改善了热带气旋预报。

与国际最佳轨迹气候管理档案的历史轨迹相比，集合平均预测在三到五天的预测中将位置误差减少了约24小时的提前期。

在12小时时间步长下运行的FGN版本显示出比六小时版本更高的误差，但在两天以上的预测时段内仍然优于GenCast。

跟踪概率预测显示，在大多数成本-损失比率和提前期中，相对经济价值更高。

DeepMind表示，使用此技术构建的实验性气旋预测工具已与气象机构分享。

"你可以获得更准确的天气预报，而且速度更快，这帮助每个人做出正确的决策，尤其是当我们开始看到越来越多的极端天气时，"乌丁说。“我认为更好的天气预报有广泛的应用前景。”