DeepMind 推出 GenCast：15 天天氣集合預報超越歐洲中期中心

GenCast 是 Google DeepMind 開源的高解析度全球天氣集合預報擴散模型，能在 0.25° 解析度下預測未來 15 天的全球天氣走勢和極端風險。

與以往只給出單一確定性預測的 AI 天氣模型不同，GenCast 每次預測會生成包含 50 個或更多可能軌跡的集合，幫助決策者看清未來天氣的不確定性和機率分佈。

它能做什麼

氣象預測最大的難點在於幾天之後的不確定性。集合預報的做法是不只賭一種可能，而是生成幾十種情景。如果所有情景裡的颱風都往同一個方向走，說明確定性很高；如果各自散開，就說明變數很大。

GenCast 在 1320 項不同變數與時效的評測組合中，綜合表現擊敗了當前氣象界的黃金標準——歐洲中期天氣預報中心（ECMWF）的 ENS 預報系統。其勝率達到了 97.2%；如果只看 36 小時以上的預報，勝率更是高達 99.8%。

在極端天氣預測上，GenCast 對極端高低溫、強風以及熱帶氣旋（颱風與颶風）路徑的預測精準度都超過了 ENS。此外，DeepMind 還做了一個全球風電出力預測實驗，GenCast 的預測準確度同樣勝過了傳統系統。

怎麼跑起來與技術細節

GenCast 本質上是一個擴散模型，底層原理和畫圖、生成影片的生成式 AI 類似，但針對地球的球體幾何結構做了適配，輸入當前的天氣初始狀態，直接取樣生成未來的機率分佈。

訓練資料來自 ECMWF 的 ERA5 歷史再分析資料，包含過去 40 年全球各高度的氣溫、風速、氣壓等變數，解析度為 0.25°。

硬體效率是它最驚人的地方。傳統物理集合預報系統（如 ENS）通常需要數萬個處理器的超算連續執行數小時；而 GenCast 單張 Google Cloud TPU v5 只需 8 分鐘就能跑完一條 15 天的預測軌跡，集合裡的多條軌跡還可以並行同時生成。

目前 Google DeepMind 已經把 GenCast 的程式碼和模型權重開源，並將論文發表在《Nature》上。官方還承諾很快會開放即時和歷史預測資料。

為什麼重要

對於從事防災減災、氣象科研、新能源排程以及大宗商品交易的團隊來說，GenCast 絕對值得立刻跟進研究。以往需要國家級超算中心才能跑的集合預報，現在靠幾張現代 AI 算力晶片就能在幾十分鐘內完成，推理成本降低了幾個數量級。

不過，它還不能完全脫離傳統氣象體系獨立存在。GenCast 仍然高度依賴 ECMWF 等機構提供的觀測同化資料和初始場。我們認為，這一步最聰明的地方在於它沒有試圖完全顛覆氣象界，而是把生成式 AI 最擅長的機率取樣能力裝進了球體動力學，給氣象預測的工程落地打下了一個極高水平的範式。