DeepMind 上线 Weather Lab：用 AI 预测热带气旋，误差大幅缩减

过去五十年里，台风和飓风在全球卷走了 1.4 万亿美元的经济损失。每次风暴来临前，气象部门最头疼的不是它来不来，而是它到底拐不拐弯、风力会不会突然暴增。算偏了几十公里，可能就会让整座城市的疏散变成劳民伤财的无用功。

Google DeepMind 和 Google Research 最近上线了一个名为 Weather Lab 的气象实验平台，同时拿出了专门针对热带气旋的新模型。最抓眼球的不是它又发了什么论文，而是它直接打通了传统物理气象学里最难兼顾的一对矛盾。

传统气象学磨了十年的进度条，被推快了一天半

气象预报里一直有个很尴尬的取舍：要算风暴往哪走，得看几千公里范围的大气环流，需要全球低分辨率模型；要算风暴中心有多猛，又必须死磕风眼几十公里内的涡流细节，只能靠区域高分辨率模型。以往哪怕是最顶尖的超级计算机，也只能在跑得准路径和算得准强度之间二选一。

DeepMind 这次用一套基于随机神经网络的系统把两者揉在了一起。他们给模型塞了两套数据，一套是重建过去全球天气的海量再分析资料，另一套是过去 45 年里近 5000 场真实气旋的路径、强度和风圈半径数据。

在 2023 和 2024 年北大西洋与东太平洋的测试里，这个新模型的 5 天路径预报，平均比欧洲中期天气预报中心（ECMWF）顶尖的物理集合模型 ENS 贴近真实位置 140 公里。换句话说，它算 5 天后的位置，准确度相当于传统模型算 3.5 天。气象学界通常要花十年以上才能在预报时效上往前挪这一天半。

更难得的是强度预报。它不仅没有牺牲风力计算，在平均强度误差上还击败了美国国家海洋和大气管理局（NOAA）的高分辨率物理模型 HAFS。

一口气推演 50 种剧本，但别拿它当官方警报

新模型不仅能看风暴往哪跑，还能推演气旋的生成、大小和风圈形状，一口气输出未来 15 天内可能发生的 50 种演变情景。这种概率分布能让防灾人员更早看清最坏的极端情况概率有多大。

现在美国国家飓风中心（NHC）的预报员已经把这个 AI 模型放到监控屏上，和传统物理模型以及卫星雷达数据对着看。科罗拉多州立大学大气协同研究所（CIRA）的研究员 Kate Musgrave 评价说，该模型在路径和强度上的表现已经媲美甚至超越了现有的顶尖业务模型，他们准备在 2025 飓风季做全面的实时检验。

除了新模型，上线后的 Weather Lab 还挂载了 WeatherNext Graph 和 WeatherNext Gen，并公开了两年以上的历史预测数据供全球气象专家复盘。不过 Google 也特意打了预防针：Weather Lab 目前纯粹是个科研工具，上面的所有数据都还在实验阶段，逃生避险还是必须听当地官方气象台的警报。

为什么重要

对普通人和救灾部门来说，预警每提前 24 小时，沿海港口关停、人员撤离、物资调配的成本就会成倍下降。虽然我们现在还不能在手机天气软件里直接把它的数据当准绳，但如果 NHC 等官方机构将其吸收到最终预报里，今年沿海居民看到的官方警报大概率会更早、更准。

从技术路线来看，DeepMind 这一步走得相当务实。此前很多 AI 气象模型像是个偏科生，要么只会平滑地画大路径，遇到风暴中心就严重失真。这次他们没有空谈通用大模型，而是把全球再分析气象数据与 45 年专门的气旋数据库结合，硬生生把传统物理模型需要超算跑几个小时的高分辨率湍流问题，变成了 AI 可以快速推理的概率生成任务。

我们认为，AI 正在彻底重构天气预报的算力经济学。以往提升预报精度依赖国家级超算中心的吞吐量，而现在 AI 模型在准确度上逼平甚至超越经典物理模型后，运算耗时和能耗将断崖式下跌。不过隐患依然存在：神经网络的物理可解释性较弱，在遭遇未曾记录过的极端怪异天气时，模型是否会出现幻觉式误判，依然需要接下来几个实战飓风季的真正考验。