WeatherNext：AI模型在气旋预报上实现突破

WeatherNext：AI模型在气旋预报上实现突破WeatherNext能够实现准确的气旋预报，从而提供额外一天的预警时间。现在我们正在开源该模型。预测危险气旋的发展是一个长期挑战，每一小时都至关重要。

热带气旋（又称飓风或台风）是地球上最具破坏性的天气现象之一，过去50年在全球造成超过70万人死亡和1.4万亿美元的经济损失。对于预报员来说，发布及时、准确的警报是一场与时间的持续赛跑。

今天，在《自然》杂志发表的一篇论文中，我们展示了WeatherNext AI模型在预测气旋路径、强度和风结构方面达到了最先进的准确性。平均而言，我们的模型为预报员提供了额外一天的预测准确性：我们的三天预报与之前模型仅能提供的两天预报一样好。

这一改进幅度大致相当于十年的气象学进步。这项合作汇集了Google DeepMind和Google Research的AI研究人员和工程师，以及国家飓风中心（NHC）、大气研究合作研究所（CIRA）、英国气象局和世界各地气象机构的专家预报员。

我们的研究已经产生了实际影响。

在2025年飓风季节，我们的模型通过预测飓风梅丽莎的快速增强和登陆牙买加，帮助NHC做出了历史性的预报。这使得NHC能够发出提前预警，为现场团队提供了关键的准备时间。今年，我们继续合作，目前正在为每个气旋预测1000种可能的情景，以支持预报员的决策。

天气影响每个人。鉴于这种广泛的影响，我们现在正在开源飓风季节使用的WeatherNext 2和WeatherNext Cyclones模型。

通过公开提供这项技术，我们希望赋能研究社区，并扩大AI在建设更具韧性社区方面的影响——无论是为当地预报员提供应对自然灾害所需的工具，支持可再生能源的增长，还是预测极端天气。WeatherNext如何预测天气和气旋预测气旋通常需要在两种不同的建模技术之间进行权衡。

气旋的路径（它去哪里）由巨大的全球大气环流引导，此前这些环流最好由较粗糙的全球模型来建模。然而，气旋的强度（它有多强）由其核心周围高度局部化、精细尺度的热力学物理过程驱动，这些过程最好由专门的、更高分辨率的局部模型来建模。

我们的WeatherNext模型通过改进全球整体天气和气旋的预报来弥合这一差距。它是一个单一的AI模型，能够以最先进的准确性预测热带气旋的路径、强度和风结构。它通过训练、架构和低分辨率输入方法的独特组合实现了这一突破。

该模型在两种不同的数据模态上进行了联合训练：全球天气动态和专家整理的历史气旋观测。通过对近20 TB的全球大气数据和涵盖近5000个历史风暴的IBTrACS数据库进行端到端训练，该模型学习了复杂的大气模式以及如何对极端天气进行建模。

我们的模型使用功能生成网络（FGN）来高效地生成不同预测的集合，从而捕捉天气固有的不确定性。我们现在可以在不到一分钟的时间内，在TPU上生成单个15天的预报，使预报员能够快速评估潜在毁灭性尾部风险的概率分布。

去年，我们的系统一次生成50个预测，与全球物理模型相匹配。今年，我们将集合规模扩大到1000个成员，捕捉罕见但重要的情景，如2025年飓风梅丽莎期间发生的快速增强事件。到目前为止，以非常高的空间分辨率运行一直被认为是做出准确强度预报的主要驱动力。

然而，WeatherNext Cyclones只需要分辨率为28x28公里的数据，比传统模型粗糙100倍。该模型的较小版本WeatherNext 2-mini，在更粗糙的111x111公里分辨率下运行，也表现出色。

这让科学家们感到惊讶，充分理解我们的模型如何在这种分辨率下产生如此准确的预测仍然是一个开放的研究问题。我们希望与研究社区一起找到答案。向研究社区开放WeatherNext除了我们的《自然》论文之外，我们还开源了代码和模型权重，让任何人都可以自由使用它们进行构建。

这包括学术研究、业务预报或开发更专业、更本地化的模型。我们希望加速全球天气社区的进步，并使气象机构、研究人员和非营利组织能够更好地预测各种天气事件，并做出关键决策来保护生命和基础设施。

我们还发布了两个类似的模型：WeatherNext Cyclones，在飓风季节运行（结果见论文）；以及WeatherNext 2，我们在10月投入运营的后续更新。

此外，我们还发布了WeatherNext 2-mini，这是一个紧凑的模型版本，可以在免费的公共Colab笔记本中的单个TPU上运行。

您可以在Weather Lab上探索我们最新的气旋预报，我们最近更新了界面，并扩展到包括全球天气预报以及气旋轨迹。Weather Lab现在让您可以在一个视图中可视化WeatherNext对温度、降水、风速等的预测。

Weather Lab和WeatherNext模型都是Google Earth AI的一部分。推动AI在天气预报领域的前沿我们取得了历史性突破，为预测气旋赢得了超过一天的提前时间——相当于十年的气象学进展。

在我们为未来的风暴季节做准备时，我们邀请研究人员、气象机构和专家与我们合作，基于我们的开源模型进行构建，并在Weather Lab上探索我们的预报。

通过将先进的机器学习与人类预报员不可或缺的现实世界专业知识相结合，我们的目标是创建一个协作的天气预报生态系统，以拯救生命并帮助社区适应不断变化的气候。注意：有关官方天气预报和警告，请咨询您当地的气象机构或国家气象服务。

致谢这项研究由Google DeepMind和Google Research团队共同开发。我们要感谢我们的合作者NOAA/NWS/NCEP国家飓风中心、大气研究合作研究所（CIRA）和英国气象局的合作以及对论文的贡献。

这项工作反映了论文合著者的贡献：Ferran Alet、Tom Andersson、Ilan Price、Stratis Markou、Andrew El-Kadi、Dominic Masters、Amy Li、Samier Merchant、

Natalie Williams、

Gregory Thornton、Ken MacKay、Olivia Graham、Akib Uddin、Ben Gaiarin、Devaja Shah、Elinor Kruse、Wallace Hogsett、David Zelinsky、

John Cangialosi、

Jonathan Martinez、James Franklin、Mark DeMaria、Kate Musgrave、Caroline L. Bain、Helen Titley、Jacklynn Stott、Remi Lam、Aaron Bell、

Paul Komarek、Matthew Willson、Alvaro Sanchez-Gonzalez和Peter Battaglia。