DeepMind 推出 GenCast：15 天天气集合预报超越欧洲中期中心

GenCast 是 Google DeepMind 开源的高分辨率全球天气集合预报扩散模型，能在 0.25° 分辨率下预测未来 15 天的全球天气走势和极端风险。

与以往只给出单一确定性预测的 AI 天气模型不同，GenCast 每次预测会生成包含 50 个或更多可能轨迹的集合，帮助决策者看清未来天气的不确定性和概率分布。

它能做什么

气象预测最大的难点在于几天之后的不确定性。集合预报的做法是不只赌一种可能，而是生成几十种情景。如果所有情景里的台风都往同一个方向走，说明确定性很高；如果各自散开，就说明变数很大。

GenCast 在 1320 项不同变量与时效的评测组合中，综合表现击败了当前气象界的黄金标准——欧洲中期天气预报中心（ECMWF）的 ENS 预报系统。其胜率达到了 97.2%；如果只看 36 小时以上的预报，胜率更是高达 99.8%。

在极端天气预测上，GenCast 对极端高低温、强风以及热带气旋（台风与飓风）路径的预测精准度都超过了 ENS。此外，DeepMind 还做了一个全球风电出力预测实验，GenCast 的预测准确度同样胜过了传统系统。

怎么跑起来与技术细节

GenCast 本质上是一个扩散模型，底层原理和画图、生成视频的生成式 AI 类似，但针对地球的球体几何结构做了适配，输入当前的天气初始状态，直接采样生成未来的概率分布。

训练数据来自 ECMWF 的 ERA5 历史再分析资料，包含过去 40 年全球各高度的气温、风速、气压等变量，分辨率为 0.25°。

硬件效率是它最惊人的地方。传统物理集合预报系统（如 ENS）通常需要数万个处理器的超算连续运行数小时；而 GenCast 单张 Google Cloud TPU v5 只需 8 分钟就能跑完一条 15 天的预测轨迹，集合里的多条轨迹还可以并行同时生成。

目前 Google DeepMind 已经把 GenCast 的代码和模型权重开源，并将论文发表在《Nature》上。官方还承诺很快会开放实时和历史预测数据。

为什么重要

对于从事防灾减灾、气象科研、新能源调度以及大宗商品交易的团队来说，GenCast 绝对值得立刻跟进研究。以往需要国家级超算中心才能跑的集合预报，现在靠几张现代 AI 算力芯片就能在几十分钟内完成，推理成本降低了几个数量级。

不过，它还不能完全脱离传统气象体系独立存在。GenCast 仍然高度依赖 ECMWF 等机构提供的观测同化数据和初始场。我们认为，这一步最聪明的地方在于它没有试图完全颠覆气象界，而是把生成式 AI 最擅长的概率采样能力装进了球体动力学，给气象预测的工程落地打下了一个极高水平的范式。