DeepMind 上線 Weather Lab：用 AI 預測熱帶氣旋，誤差大幅縮減

過去五十年裡，颱風和颶風在全球捲走了 1.4 萬億美元的經濟損失。每次風暴來臨前，氣象部門最頭疼的不是它來不來，而是它到底拐不拐彎、風力會不會突然暴增。算偏了幾十公里，可能就會讓整座城市的疏散變成勞民傷財的無用功。

Google DeepMind 和 Google Research 最近上線了一個名為 Weather Lab 的氣象實驗平臺，同時拿出了專門針對熱帶氣旋的新模型。最抓眼球的不是它又發了什麼論文，而是它直接打通了傳統物理氣象學裡最難兼顧的一對矛盾。

傳統氣象學磨了十年的進度條，被推快了一天半

氣象預報裡一直有個很尷尬的取捨：要算風暴往哪走，得看幾千公里範圍的大氣環流，需要全球低解析度模型；要算風暴中心有多猛，又必須死磕風眼幾十公里內的渦流細節，只能靠區域高解析度模型。以往哪怕是最頂尖的超級計算機，也只能在跑得準路徑和算得準強度之間二選一。

DeepMind 這次用一套基於隨機神經網路的系統把兩者揉在了一起。他們給模型塞了兩套資料，一套是重建過去全球天氣的海量再分析資料，另一套是過去 45 年裡近 5000 場真實氣旋的路徑、強度和風圈半徑資料。

在 2023 和 2024 年北大西洋與東太平洋的測試裡，這個新模型的 5 天路徑預報，平均比歐洲中期天氣預報中心（ECMWF）頂尖的物理集合模型 ENS 貼近真實位置 140 公里。換句話說，它算 5 天后的位置，準確度相當於傳統模型算 3.5 天。氣象學界通常要花十年以上才能在預報時效上往前挪這一天半。

更難得的是強度預報。它不僅沒有犧牲風力計算，在平均強度誤差上還擊敗了美國國家海洋和大氣管理局（NOAA）的高解析度物理模型 HAFS。

一口氣推演 50 種劇本，但別拿它當官方警報

新模型不僅能看風暴往哪跑，還能推演氣旋的生成、大小和風圈形狀，一口氣輸出未來 15 天內可能發生的 50 種演變情景。這種機率分佈能讓防災人員更早看清最壞的極端情況機率有多大。

現在美國國家颶風中心（NHC）的預報員已經把這個 AI 模型放到監控屏上，和傳統物理模型以及衛星雷達資料對著看。科羅拉多州立大學大氣協同研究所（CIRA）的研究員 Kate Musgrave 評價說，該模型在路徑和強度上的表現已經媲美甚至超越了現有的頂尖業務模型，他們準備在 2025 颶風季做全面的即時檢驗。

除了新模型，上線後的 Weather Lab 還掛載了 WeatherNext Graph 和 WeatherNext Gen，並公開了兩年以上的歷史預測資料供全球氣象專家復盤。不過 Google 也特意打了預防針：Weather Lab 目前純粹是個科研工具，上面的所有資料都還在實驗階段，逃生避險還是必須聽當地官方氣象臺的警報。

為什麼重要

對普通人和救災部門來說，預警每提前 24 小時，沿海港口關停、人員撤離、物資調配的成本就會成倍下降。雖然我們現在還不能在手機天氣軟體裡直接把它的資料當準繩，但如果 NHC 等官方機構將其吸收到最終預報裡，今年沿海居民看到的官方警報大機率會更早、更準。

從技術路線來看，DeepMind 這一步走得相當務實。此前很多 AI 氣象模型像是個偏科生，要麼只會平滑地畫大路徑，遇到風暴中心就嚴重失真。這次他們沒有空談通用大模型，而是把全球再分析氣象資料與 45 年專門的氣旋資料庫結合，硬生生把傳統物理模型需要超算跑幾個小時的高解析度湍流問題，變成了 AI 可以快速推理的機率生成任務。

我們認為，AI 正在徹底重構天氣預報的算力經濟學。以往提升預報精度依賴國家級超算中心的吞吐量，而現在 AI 模型在準確度上逼平甚至超越經典物理模型後，運算耗時和能耗將斷崖式下跌。不過隱患依然存在：神經網路的物理可解釋性較弱，在遭遇未曾記錄過的極端怪異天氣時，模型是否會出現幻覺式誤判，依然需要接下來幾個實戰颶風季的真正考驗。