DeepMind 開源 WeatherNext：氣旋預報多爭一天，精度跨越十年進展

Google DeepMind 開源的 WeatherNext 是一個專門預測熱帶氣旋路徑、強度和風場結構的 AI 模型系列。它把過去氣象學上需要兩套獨立系統才能做的事合二為一，能將三日預報的準確度提升到以往兩日預報的水準，相當於為防災一線多爭取了整整一天的準備時間，摺合氣象學約十年的技術進展。

這次開源包含兩個主力版本和程式碼：曾在實際颶風季服役的 WeatherNext Cyclones，以及後續更新的 WeatherNext 2。同時，DeepMind 還附帶了一個輕量化的 WeatherNext 2-mini 模型。

它能做什麼

傳統的颱風預報有個老難題：算路徑需要看大尺度的全球大氣環流，得用粗解析度的宏觀物理模型；而算強度和中心風力，又依賴颱風眼周圍微觀的區域性熱力學變化，必須靠高解析度區域模型。

WeatherNext 把兩者融在了一起。它不僅能一口氣預測氣旋的走勢、最大風速和結構變化，還能生成長達 15 天的演化預測。

面對天氣預測中固有的不確定性，它利用泛函生成網路（Functional Generative Networks）直接生成多達 1000 組平行推演場景，專門捕捉那些發生機率低、但後果致命的極端突發增強事件。

在 2025 年颶風季，這套系統曾協助美國國家颶風中心（NHC）準確預警了颶風 Melissa 的快速增強和牙買加登陸過程。

怎麼做到的與硬體規格

WeatherNext 的訓練資料來自近 20 TB 的全球大氣觀測資料，以及涵蓋近 5000 場歷史風暴的 IBTrACS 資料庫。模型通過端到端訓練直接學習複雜氣象與極端天氣的對應關係。

最讓人意外的是輸入規格。以往行業公認只有極高解析度的資料才能算準強度，但 WeatherNext Cyclones 只需要 28x28 公里的輸入資料，比傳統模型粗糙了 100 倍左右；而 2-mini 版本甚至可以在 111x111 公里的粗解析度下穩定執行。

因為不需要超密集的輸入，它的推理速度極快。在單個 TPU 上，WeatherNext 可以在不到 1 分鐘內跑完一次完整的 15 天預測推演。

對於想直接體驗的開發者，WeatherNext 2-mini 可以在免費的 Google Colab 筆記本里單卡執行。完整的程式碼和模型權重已經放上了 GitHub，普通使用者也可以直接在重新整理後的 Weather Lab 網頁端檢視全球氣象視覺化與颱風路徑模擬。

為什麼重要

我們認為氣象從業者、防災機構和高校科研團隊都應該立刻下載試跑。過去跑一次精細的物理整合預報需要大型超算叢集熬上幾小時，WeatherNext 卻把門檻打到了單卡甚至免費 Colab 級別，直接改變了災害預警的技術成本。

不過，目前粗解析度究竟如何精準復現氣旋核心動力學，團隊自己在《Nature》論文裡也承認機理尚不明朗。把 AI 預報完全接入業務系統前，依然需要氣象專家的經驗來交叉驗證，官方也明確提醒正式警報仍需以各國氣象局為準。