Google DeepMind｜WeatherNext 3上线，小时级刷新、约5公里分辨率并接入Search/Gemini/Maps

天气预报正从「六小时一更的粗网格」走向「小时级、能进消费产品与能源调度」的AI主路径。9月3日，Google DeepMind与Google Research发布WeatherNext 3，称据Brightband独立实时评测为迄今最先进、最准确的全球天气AI模型之一，并把能力直接接到Search、Gemini与Maps等入口。

Google DeepMind与Google Research长期推进GraphCast/GenCast等AI气象路线；WeatherNext是面向产品与云数据服务的旗舰品牌。WeatherNext 2大致在约25公里网格、约六小时步进上运行；3的跃迁不只是「更细一点」，而是换数据喂法：减少对传统数值天气预报分析场的依赖滞后，改为 assimilation 实时静止卫星拼接，并结合稀疏气象站观测做训练目标。

能力与产品要点：

1. 分辨率：关键地表变量（如温度、湿度）约5公里；其他地表约10公里；大气变量如风速约25公里
2. 刷新：约每小时生成新预报，相对此前约六小时周期显著加快
3. 降水：训练引入NASA IMERG与谷歌卫星雷达再分析等；中期全球预报CRPS相对基线，IMERG对照最高约改善60%，MRMS约30%，雨量计早期时效约10%
4. 能源变量：约100米高度风速（风机轮毂高度）、高分辨率云量与太阳辐射
5. 入口：Search、Gemini应用、Google Maps、Maps Platform Weather API、Earth Engine；开发者可经BigQuery、Earth Engine或Cloud Storage取数
6. 架构：Functional Generative Network（FGN）mesh transformer；输出含网格场、气旋路径与站点级点预报

所谓直接同化卫星，白话是模型更常「看现在的云图」而不是「等超级计算机分析完再学」；所谓5公里，白话是海岸、山谷等局部地形差异更不容易被平滑掉。对普通用户，是出行与周末计划更准；对能源与物流，是可再生出力与路况调度可以读到更密的小时级场。

放在AI气象竞赛上下文里，多家团队都在做观测同化与高分辨率；谷歌的差异化在于全球产品分发——同一套模型当天就能进Search与Maps。官方亦提醒：正式预警与公共安全仍以当地气象机构为准。

产业影响上，消费侧会抬高「默认天气信息」的准确预期；B端则要看Cloud数据SLA与极端天气场景的误报漏报。需要把边界读清楚：Brightband排名属第三方口径；改善百分比为相对特定基线。下一观察点是强对流与极端事件上的实际表现。