DeepMind AI 助力飓风预报：精度可提前一天达标，专家仍负责最终研判

据 IT之家 11 月 11 日援引 Techxplore 报道，美国国家飓风中心（NHC）正将人工智能纳入飓风预报业务，并与谷歌 DeepMind 合作推进下一代模型研发。相关研究显示，AI 能让天气预报更早达到传统模型的准确水平，并帮助识别尚未形成的热带气旋。不过，预测能力提升并不意味着气象专家可以被替代，模型结果仍需结合实时观测与专业经验判断。

从计算大气运动，到学习复杂天气规律

飓风预报一直是天气预测中的高难度任务。传统工具主要包括依靠超级计算机求解大气运动方程的动力学模型、从历史风暴中寻找关系的统计模型，以及结合两种方法的混合模型。AI 则通过大规模数据学习，识别更复杂的天气变化规律。

据报道，DeepMind 并未为飓风单独开发一套完全独立的模型，而是将日常天气预报模型用于更具挑战性的极端天气场景。这意味着，通用天气模型的能力提升，也可能直接推动高风险天气预报进步。

来源提及，DeepMind 今年 8 月发表于《自然》的研究显示，模型平均能提前一天达到原有模型的预测准确度。例如，过去提前两天才能达到的精度，现在可以提前三天实现。这里的提升是延长有效预警窗口，而不是保证所有风暴都能被准确预测。

• 模型可为每个气旋生成 1000 种可能的发展情景，呈现预测中的不确定性。
• 预测内容涵盖降雨、移动路径与强度，而非只判断风暴是否形成。
• 据来源描述，在飓风伊萨亚斯案例中，模型提前一周识别出其发展为热带气旋的可能。

业务落地的关键：多模型协作，而非单一答案

NHC 业务部门负责人丹·布朗介绍，该中心于 2025 年 6 月下旬开始在实际业务中使用 AI 模型；2026 年，DeepMind 模型被纳入部分路径和强度综合预测辅助系统。除谷歌的工具外，NHC 还使用欧洲中期天气预报中心和美国国家气象局开发的 AI 模型。

但单个模型可能在不同预测周期之间，大幅调整对路径或强度的判断。预报员因此需要比较多套结果，判断哪些更符合当前风暴状态，再形成综合预报。AI 的训练基础也离不开传统物理模型积累的数据与预测体系，并非另起炉灶。

对于公共安全而言，概率预测必须经过现实观测校验。飞机观测、卫星资料所反映的风暴结构，需要专家结合经验解读。AI 更适合提供快速、丰富的预测辅助，而不是独自承担最终研判。

技术解读：预警收益与能源代价需要同时衡量

对科技产业而言，这一进展展示了 AI 在专业工作流中的实际价值：通过扩大预测情景、延长有效预报时间，帮助专家处理复杂信息，而非简单取代岗位。

与此同时，AI 的气候收益也不能脱离能源成本讨论。来源援引 Cleanview 分析称，美国计划中的新一代数据中心将主要依靠天然气供电，可能增加碳排放。气候变化又在加剧飓风的强度、降雨及破坏风险。衡量气象 AI 的长期价值，需要同时关注预报能力、业务可靠性与算力供能方式，而不能只看模型成绩。