谷歌 DeepMind 推出 WeatherNext 3：最高 5 公里分辨率，每小时更新全球 AI 天气预报
据 IT之家 9 月 3 日消息，谷歌 DeepMind 与 Google Research 宣布推出 WeatherNext 3，并称其为目前最先进、最准确的全球气象模型。来源显示，这一模型将用于提升谷歌搜索、Gemini 应用、谷歌地图、谷歌地图平台气象 API 以及谷歌 Earth Engine 的天气能力。相比传统依赖固定周期和较粗网格的预报方式，WeatherNext 3 的核心变化在于：它可以从实时观测中学习，接入全球地球静止卫星数据，并以最高 5 公里分辨率、每小时一次的频率生成全球天气预报。
从卫星观测到每小时预报：WeatherNext 3 强调“更细”和“更快”
天气预报是否真正有用，往往取决于时间与空间尺度。对于普通用户来说，“明天有雨”不如“未来一小时某个城区可能出现强降雨”有价值；对于交通、电力、农业等行业来说，局部风速、云量、湿度和地形影响也会直接改变决策。
根据介绍，WeatherNext 3 能够生成多种空间分辨率的每小时预报，并在全球风型与局部地形之间保持物理一致性。谷歌表示，该模型可以用 5 公里分辨率呈现温度、湿度等关键地表变量；其他地表变量分辨率为 10 公里；风速等大气变量分辨率为 25 公里。
其数据基础包括实时全球地球静止卫星数据拼图，让模型获得持续更新的大气视图。也就是说，每一次新预报都可以建立在最新卫星观测之上，而不是仅依赖较长间隔更新的数据流。对于风暴、锋面或降水系统这类快速发展的天气过程，更高更新频率与更高空间分辨率有助于更早捕捉变化，并为用户和机构提供更细粒度的参考。
AI 气象模型的产业意义：不只是查天气
WeatherNext 3 的发布，也体现了 AI 模型在科学计算和公共服务中的加速落地。过去，高分辨率区域天气预报通常依赖昂贵的超级计算资源，不同地区的气象基础设施和算力条件存在明显差异。来源显示，WeatherNext 3 采用稀疏气象站观测数据训练，能够在 5 公里网格上生成全球预报，并考虑地形等区域细节。
这对拉美、非洲、亚太等地区尤其值得关注。由于部分地区过去较难获得持续、高分辨率的本地化预报，AI 模型如果能以更低边际成本提供全球覆盖，可能会让更多个人用户、企业和公共部门获得接近本地化的高保真天气信息。
- 面向普通用户：搜索、地图和 Gemini 中的天气结果有望更及时、更本地化。
- 面向开发者与企业：谷歌地图平台气象 API 可为物流、出行、零售等场景提供天气能力。
- 面向科研与公共治理：Earth Engine 接入后，环境监测、灾害分析等工作可能获得更细粒度数据支持。
- 面向能源行业：风电与光伏预测将成为 WeatherNext 3 的重要应用方向。
可再生能源成为重点场景：预测风速、云量与太阳辐射
除了提升天气预报本身的分辨率和频率，WeatherNext 3 还面向可再生能源生产引入针对性预测。来源显示，该模型可以预测 100 米高度风速，这一高度大致对应风力涡轮机工作高度，因此可用于更精准估算风电产量。同时，它还可以提供高分辨率云量和太阳辐射数据，帮助太阳能电场估算地面可接收光照。
这类能力的价值并不止于单个电站。随着风电、光伏在电力系统中的占比提升，发电量的波动预测会影响电网调度、储能安排和电力交易。更精细的天气与辐照预测，有助于电网运营商和可再生能源开发商更准确地判断清洁能源资产的输出，并与用户需求匹配。
解读：AI 天气预报正在成为大模型生态的一部分
从产品路径看，WeatherNext 3 并不是一个孤立的科研模型，而是直接进入谷歌多个面向用户和开发者的平台。这意味着 AI 气象能力将从后台基础设施，逐渐变成搜索、地图、智能助手和企业 API 的一部分。对中文科技读者而言，值得关注的不只是“天气预报更准”，而是 AI 正在把原本高门槛的科学计算能力产品化、平台化。
当然，谷歌方面称其为全球最先进、最准确的气象模型，仍需在不同区域、不同天气类型和实际应用场景中持续验证。尤其是极端天气预报，本身涉及复杂的不确定性。但可以确定的是，WeatherNext 3 所代表的方向非常清晰：AI 正在推动天气预报从低频、粗粒度，走向高频、细粒度和全球化服务。当这类能力嵌入地图、搜索、智能助手和行业 API 后，天气数据也将成为下一代 AI 应用生态中的重要基础能力。