Google 釋出 WeatherNext 2：氣象預報提速 8 倍，搜尋和 Gemini 已經用上

以前想算清楚一場颱風接下來會怎麼走，氣象局的超級計算機得轟鳴好幾個小時。

現在 Google DeepMind 和 Google Research 拿出了新方案：在一塊 TPU 上，不到一分鐘就能算完一次預測，而且一口氣能跑出幾百種可能的情景。

這個新模型叫 WeatherNext 2。比起上一代，它的生成速度快了 8 倍，時間解析度最高達到了 1 小時，覆蓋 0 到 15 天的預報期。

單塊 TPU 跑幾百種推演

傳統氣象預測依賴極其複雜的物理流體力學方程，不僅吃算力，而且很難短時間內窮盡各種極端可能。

氣象決策偏偏最怕萬一。比如極端氣旋來襲，防災部門最需要知道的就是最壞情景會是什麼樣。

WeatherNext 2 的核心突破在於引入了函式生成網路（FGN）。簡單來說，研究團隊在模型架構的函式空間裡直接注入噪聲，讓生成的預報既有隨機變異性，又牢牢符合物理現實。

更有意思的是它的訓練邏輯。氣象學裡有兩個概念：孤立的單個氣象要素叫邊緣量，比如某地某刻的溫度或特定高度的風速；相互交織的複雜系統叫聯合量，比如一整片熱浪區域或整個風力發電場的整體輸出。

Google 團隊只用那些零散的邊緣量來訓練網路，但模型自己學會了推算複雜的聯合系統。

從實測指標來看，在氣溫、風速、溼度等 99.9% 的變數和 0 到 15 天的預測時間跨度上，WeatherNext 2 全面超過了上一代模型。在單塊 TPU 上只要花不到一分鐘，就能生成一種情景，而物理模型在超算上要耗費數小時。

實驗室技術直接接進手機

這次 Google 沒有把模型捂在實驗室裡看論文，而是把推演資料直接開放給了工業界。

WeatherNext 2 的氣象資料已經接入了 Google Earth Engine 和 BigQuery。企業如果想基於這個模型做定製推理，現在可以通過 Google Cloud 的 Vertex AI 申請早期訪問許可權。

對於普通使用者，這項技術其實已經悄悄上線了。Google 搜尋、Gemini、Pixel 天氣應用以及 Google Maps Platform 的天氣 API 都已經換上了 WeatherNext 2 的核心，未來幾週內還會直接接入 Google Maps 客戶端。

此前，Google 就曾用這項技術的實驗性版本預測熱帶氣旋，協助當地氣象機構做防災疏散推演。

為什麼重要

天氣預報正在從超算物理模擬時代，徹底滑向 AI 代理主導的大模型時代。

對普通人來說，Pixel 或 Google 搜尋裡的每小時天氣會變得更準；但對企業使用者而言，價值要大得多。航運規劃、物流調配、電網負荷預測和農業灌溉，過去受限於超算每天只能更新兩三次大模型預報，現在靠單卡不到一分鐘的推理，物流系統完全可以即時根據幾百種天氣推演動態改道。

我們認為，Google 最聰明的地方在於把純粹的科學研究和自己的雲基礎設施徹底綁在了一起。氣象預測模型本身不直接賺錢，但氣象資料放進 BigQuery、定製模型跑在 Vertex AI，立刻變成了 Google Cloud 吸引能源、物流和保險大客戶的殺手鐧。

不過，純 AI 生成的氣象模型依然存在隱患。即便引入了函式生成網路來約束物理合理性，深度學習本質上依然是統計機率擬合。當全球氣候變暖催生出人類歷史上從未記錄過的極端天氣突變時，AI 模型是否會因為缺少歷史訓練樣本而出現失真，仍需要經歷現實氣候災害的長期檢驗。