新智元報道

編輯：傾傾

Google DeepMind發(fā)布WeatherNext 2。它能在1分鐘內，從同一初始場生成上百種可能的未來，分辨率細到1小時，并在幾乎所有氣象變量上超過上一代模型。更重要的是，它已接入Search、Gemini、Pixel Weather與Google Maps，天氣預報的「底層引擎」被重寫了一次。

就在昨天，谷歌再一次刷新了行業(yè)上限！

谷歌DeepMind最新發(fā)布的WeatherNext 2，在天氣預測行業(yè)上邁出了一大步。

官方在X上發(fā)布了演示視頻：單一初始場景，能生成百種預測；一分鐘就能完成大氣場推演，整體性能全面超越上一代。

現在，這項技術已經從實驗室走到普通用戶手中：Search、Gemini、Pixel Weather、Google Maps的天氣系統(tǒng)都已經接入。

當我們在手機上刷新天氣卡片時，后臺運行的，已經是一套新的預測引擎。

天氣預報的邏輯，被重寫了一次

這兩年大家都有一個共同的感覺：極端天氣越來越多，但天氣預報卻越來越難預測我們真正關心的點。

降雨到底是下午三點來，還是七點才落下？風會不會突然加大？雷暴到底會不會影響下班路上的航班？

傳統(tǒng)數值模型很強，卻有兩個短板：計算耗時、分辨率偏粗。完整模擬常要數小時，等結果出來，天氣已更新。

想要把天氣預測做到「小時級、隨時更新」，傳統(tǒng)模型已經有點吃力。

在這種背景下，WeatherNext 2出現了。

它不是把圖表做得更漂亮，而是換了整套預測思路：不再只給一個結果，而是一次性交付「上百個可能的未來」。

在Google的TPU上，一次推理不足1分鐘，預測分辨率提升到1小時級。

更重要的是，它不再只給出一條未來路徑，而是能從同一個起點推演出上百種可能的天氣走向，讓極端事件的「風險空間」第一次變得可見。

未來不止一條：WeatherNext 2的新預測法

Google DeepMind 在官方介紹里用了一個關鍵描述：

從同一個起點，生成上百種可能的天氣場景。

這句話看起來輕，但背后意味著天氣預報從「單一答案時代」進入了「多場景時代」。

過去我們習慣的天氣預報，本質上是模型給你一個預告：天下雨、后天降溫、三天后有風暴。

但大氣本身是高度不確定的系統(tǒng)，尤其遇上臺風、強降雨、雷暴線這些「臨界事件」，單一路徑往往不夠穩(wěn)，也不夠安全。

WeatherNext 2的做法是——把不確定性本身變成預測對象。

模型會基于同一組初始條件，一次性跑出數百條不同的未來路徑，再從中提取趨勢、最可能發(fā)生的情況，以及風險范圍。

這項能力是通過一個新的架構：Functional Generative Network（FGN）：噪聲并非加在輸入數據，而是注入到模型的「函數空間」，從而得到一組差異可控且物理一致的預測。

WeatherNext 2多場景預測示意。模型從同一初始天氣場出發(fā)，通過注入不同噪聲生成多條物理一致的未來路徑，用于呈現更完整的天氣可能性范圍。

這讓每一條生成的未來既有差異，又能保持物理規(guī)律的一致性。

對此，DeepMind的解釋是：

注入的噪聲依然能生成物理連貫的場景（coherent variability）

這也是為什么WeatherNext 2在官方發(fā)布里特別強調：

它只顯式學習了「marginals」（單獨的溫度、濕度、風速等要素），但能自動推斷出「joints」（完整的臺風結構、熱帶擾動、鋒生、濕度輸送通道）。

速度提升同樣關鍵。Google表示，一次預測在TPU上耗時不到1分鐘，相比數值天氣預報需要數小時計算，更新頻率和時效性都完全不是一個量級。

再結合WeatherNext 2的1小時級分辨率，短時突發(fā)事件，比如雷暴、陣雨線、大風切變——第一次可以被更細地捕捉。

從整體能力看，WeatherNext 2并不是某一項指標變好，而是整套預測方式都變得更靈活、更連貫、更實時。

官方給出的CRPS對比圖也能直觀看出差距：

幾乎所有氣象變量、所有氣壓層、所有預測時效（0–15 天）都呈現持續(xù)提升。

藍色越深、代表越優(yōu)，而整張圖幾乎都被藍色覆蓋。

連續(xù)排名概率評分對比：WeatherNext 2和WeatherNext Gen

說到底，WeatherNext 2的升級不是多加了一點精度，而是讓天氣預報從確定性變成「多可能性」。

從延時更新變成分鐘級滾動推演，從大尺度趨勢變成小時級細節(jié)。

從實驗室走出去

WeatherNext 2改變生活

如果WeatherNext 2只停留在論文里，它充其量算一次漂亮的技術實驗。

Google選擇的是把它推上生產線。Search、Gemini、Pixel Weather、Google Maps的天氣層，全都切到了WeatherNext 2 的數據流。

這意味著我們第一次不是基于一個結果判斷天氣，而是基于一個「未來的范圍」。

過去的天氣預報更像是一句結論：「今天可能下雨?！?/p>

現在的是：「在幾十種未來里，降水最有可能在下午三點左右推進到城區(qū)?！?/p>

行業(yè)上的變化更明顯。能源、航運、機場、供應鏈，這些原本被天氣牽著走的行業(yè)，現在能提前看到可能的未來。

Google已經用WeatherNext技術支持過熱帶氣旋的實驗性預測，讓決策方能真正評估「最壞情況下要往哪走」。

這跟傳統(tǒng)的單一路徑預報完全不同。

科研端的反應也很強烈。

因為WeatherNext 2的數據不只用于產品，它還被同步放進Earth Engine和BigQuery，研究機構第一次可以穩(wěn)定調取「小時級、高分辨率、可重復的AI預測」。

在氣象領域，這是非常罕見的開放度。

不只是天氣預測更準這么簡單。它讓天氣變成了一套可被引用、可被嵌入、可被計算的系統(tǒng)——

能被行業(yè)使用，能被科研驗證，也能被城市運營納入決策鏈。這是氣象體系以前從未具備的能力。

AI天氣時代的真正意義，才剛剛出現

WeatherNext 2讓天氣預測變得更快、更細、更可用，它觸動的，是氣象系統(tǒng)過去幾十年沒變過的底層結構。

以前的天氣服務更像一條單向鏈路：超級計算機跑出結果→氣象機構發(fā)布預報→產品端展示給用戶。

這套邏輯很穩(wěn)定，但也很慢。

預測不再只是結果，而是一個隨時能被調用的能力。

能源企業(yè)可以用它提前判斷風電波動，機場可以預估下一小時的風切變，城市可以滾動監(jiān)測降水邊界的變化。

首先，天氣數據會變成基礎設施。不是每天幾點更新，而是隨時可用、隨時刷新。

對于依賴天氣運營的行業(yè)，這是新常態(tài)。

其次，預測系統(tǒng)會更像「協作網絡」。

AI模型跑多場景，物理模型兜底趨勢，各機構共享數據流——預測不再是一家機構的任務，而是一張連著科研、產業(yè)、政府的網。

最后，人們對極端天氣的應對方式會變。

過去是一條路徑決定所有行動；未來可能是一整套「風險區(qū)間」驅動的決策。

所以，WeatherNext 2不只是更準的天氣預報，它更像是在把天氣重新定義成一種「可計算資源」。

極端氣候越來越頻繁，未來我們會越來越依賴這樣的基礎工具。

也許很快，天氣不再是被動接受的信息，而是能被及時理解、提前準備的變量。

參考資料：

https://x.com/PeterWBattaglia/status/1990438610684797385

https://x.com/GoogleDeepMind/status/1990435105408418253

https://blog.google/technology/google-deepmind/weathernext-2/

秒追ASI

?點贊、轉發(fā)、在看一鍵三連?

點亮星標，鎖定新智元極速推送！