Google 新推 WeatherNext 2：AI 天气预报速度快 8 倍，支援生成上百种情境

Google DeepMind 与 Google Research 宣布推出全新的 AI 天气预报模型 WeatherNext 2，同时强调该模型能把全球天气预报速度提升 8 倍，还能做到细至「1 小时级」的高解析度预报。更重要的是，它能从单一初始资料，一次产生上百种可能的天气情境，让用户、气象单位与产业能更快掌握极端天气的可能范围。目前 WeatherNext 2 已加入 Google Maps、Gemini 等多项应用工具当中。

速度与解析度皆大幅提升，AI 预报全面升级

官方表示，WeatherNext 2 在 Google 自家 TPU 上跑一次预报只要不到 1 分钟，远比传统物理模型需要的数小时更有效率。它也能输出更高解析度的预报，细到「每小时」的变化，有助于飞航调度、供应链管理，甚至一般人的通勤与生活安排。

官方指出，WeatherNext 2 在 99.9% 的气象变数与 0～15 天的预报时间中，都胜过前一代 WeatherNext，包括温度、风速与湿度等多项指标，整体准确度有明显提升。

图为 WeatherNext 2 天气情境模拟流程图 核心技术 FGN，打造更真实的天气模拟状况

WeatherNext 2 的性能突破，主因是采用新的模型架构 Functional Generative Network (FGN)。这种架构会在模型内部注入「噪音」(Noise)，让模型在生成天气情境时能保持自然变异，但又不会脱离物理规律。

为了让预报结果多样但一致，系统会使用多个独立训练的神经网路，再透过噪音调整，生成一系列彼此连贯的情境版本。Google 也特别提到，这套模型只用「单一变数」(Marginals) 训练，例如温度或风速，但却能预测「联动系统」 (Joints)，像是热浪影响整个区域，或风场整体的发电量分布。

这种从简单训练资料推演复杂系统的能力，是 WeatherNext 2 的核心优势。

(注：这里的噪音，指的是 AI 模型里刻意加入的随机变化，让模型的运算多一点随机性，产生不同但仍符合物理规律的天气变化。联动系统，指的是多种天气变数一起作用后形成的整体天气系统，而不是单点数据。)

一次生成上百种情境，极端天气预判更有依据

WeatherNext 2 能在不到 1 分钟内，从同一组输入资料产生上百种天气结果，并保持每一种都物理合理、相互连贯。

这种能力对于台风、暴雨、热浪等「高不确定性事件」特别重要，Google 也已利用这项技术支援气象机构做实验性台风预测，协助判断最坏情境与可能的变化范围。

全面导入 Google 产品，也向全球社群开放

目前 Google 已把 WeatherNext 2 正式整合进多个用户端与企业端产品。一般用户可以在 Google Search、Gemini、Pixel Weather 与 Google Maps Platform 的 Weather API 看到新的预报系统，之后也会加入 Google Maps。

开发者则能透过 Earth Engine、BigQuery 取得预报资料，并在 Google Cloud 的 Vertex AI 上用自己打造的 AI 天气模型。

Google 推动全球研究，导入更多资料并扩大使用范围

Google 表示，未来会持续研究如何整合更多资料来源，进一步提升模型能力，也会在可能的情况下持续开放新工具给研究人员、开发者与企业使用。

官方希望借由强大的 AI 模型与开放式资料，协助全球社群更快做出能源、交通、气候等重要决策，并推动更多科学突破。

这篇文章 Google 新推 WeatherNext 2：AI 天气预报速度快 8 倍，支援生成上百种情境 最早出现于 链新闻 ABMedia。