Google 发布 WeatherNext 2：气象预报提速 8 倍，搜索和 Gemini 已经用上

以前想算清楚一场台风接下来会怎么走，气象局的超级计算机得轰鸣好几个小时。

现在 Google DeepMind 和 Google Research 拿出了新方案：在一块 TPU 上，不到一分钟就能算完一次预测，而且一口气能跑出几百种可能的情景。

这个新模型叫 WeatherNext 2。比起上一代，它的生成速度快了 8 倍，时间分辨率最高达到了 1 小时，覆盖 0 到 15 天的预报期。

单块 TPU 跑几百种推演

传统气象预测依赖极其复杂的物理流体力学方程，不仅吃算力，而且很难短时间内穷尽各种极端可能。

气象决策偏偏最怕万一。比如极端气旋来袭，防灾部门最需要知道的就是最坏情景会是什么样。

WeatherNext 2 的核心突破在于引入了函数生成网络（FGN）。简单来说，研究团队在模型架构的函数空间里直接注入噪声，让生成的预报既有随机变异性，又牢牢符合物理现实。

更有意思的是它的训练逻辑。气象学里有两个概念：孤立的单个气象要素叫边缘量，比如某地某刻的温度或特定高度的风速；相互交织的复杂系统叫联合量，比如一整片热浪区域或整个风力发电场的整体输出。

Google 团队只用那些零散的边缘量来训练网络，但模型自己学会了推算复杂的联合系统。

从实测指标来看，在气温、风速、湿度等 99.9% 的变量和 0 到 15 天的预测时间跨度上，WeatherNext 2 全面超过了上一代模型。在单块 TPU 上只要花不到一分钟，就能生成一种情景，而物理模型在超算上要耗费数小时。

实验室技术直接接进手机

这次 Google 没有把模型捂在实验室里看论文，而是把推演数据直接开放给了工业界。

WeatherNext 2 的气象数据已经接入了 Google Earth Engine 和 BigQuery。企业如果想基于这个模型做定制推理，现在可以通过 Google Cloud 的 Vertex AI 申请早期访问权限。

对于普通用户，这项技术其实已经悄悄上线了。Google 搜索、Gemini、Pixel 天气应用以及 Google Maps Platform 的天气 API 都已经换上了 WeatherNext 2 的内核，未来几周内还会直接接入 Google Maps 客户端。

此前，Google 就曾用这项技术的实验性版本预测热带气旋，协助当地气象机构做防灾疏散推演。

为什么重要

天气预报正在从超算物理模拟时代，彻底滑向 AI 代理主导的大模型时代。

对普通人来说，Pixel 或 Google 搜索里的每小时天气会变得更准；但对企业用户而言，价值要大得多。航运规划、物流调配、电网负荷预测和农业灌溉，过去受限于超算每天只能更新两三次大模型预报，现在靠单卡不到一分钟的推理，物流系统完全可以实时根据几百种天气推演动态改道。

我们认为，Google 最聪明的地方在于把纯粹的科学研究和自己的云基础设施彻底绑在了一起。气象预测模型本身不直接赚钱，但气象数据放进 BigQuery、定制模型跑在 Vertex AI，立刻变成了 Google Cloud 吸引能源、物流和保险大客户的杀手锏。

不过，纯 AI 生成的气象模型依然存在隐患。即便引入了函数生成网络来约束物理合理性，深度学习本质上依然是统计概率拟合。当全球气候变暖催生出人类历史上从未记录过的极端天气突变时，AI 模型是否会因为缺少历史训练样本而出现失真，仍需要经历现实气候灾害的长期检验。