Google DeepMind 开源 WeatherNext 模型，气旋预测可提前一天

2026年8月6日科学

WeatherNext团队

WeatherNext能够实现精确的气旋预报，可额外提供一天的预警时间。现在我们正在开源该模型。

预测危险气旋如何发展是一个长期挑战，每一小时都至关重要。热带气旋——也称为飓风或台风——是地球上最具破坏性的天气现象之一，过去50年全球范围内造成超过70万人死亡和1.4万亿美元的经济损失。对于预报员来说，及时发布准确的预警是一场与时间的持续赛跑。

今天，在发表于《自然》的一篇论文中，我们展示了WeatherNext AI模型在预测气旋路径、强度和风场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：我们的三天预报相当于以往模型仅能提供的两天预报水平。这一改进幅度大致相当于十年的气象学进展。

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）、英国气象局以及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年飓风季期间，我们的模型帮助NHC通过预测风暴的快速增强和在牙买加的登陆，做出了关于飓风梅丽莎的历史性预报。这使得NHC能够提前发布预警，为现场团队争取了宝贵的准备时间。今年，我们继续合作，现在为每个气旋预测1000种可能情景，以支持预报员的决策。

天气影响每个人。鉴于这种广泛影响，我们现在开源了在飓风季期间使用的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，支持可再生能源的发展，还是预测极端天气。

WeatherNext如何预测天气和气旋

从飓风米尔顿（2024年10月）期间的全球大气条件出发，WeatherNext Cyclones迭代地预测全球天气模式和精细尺度气旋路径，最多提前15天。运行1000个成员的集合可生成热带风暴到飓风级风的局部概率图。

预测气旋通常需要在两种不同的建模技术之间做出权衡。气旋的路径（它将去向何处）由大规模全球大气环流引导，此前这类环流最好由较粗粒度的全球模型来模拟。然而，气旋的强度（它有多强）由其核心周围高度局地化、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模拟。

我们的WeatherNext模型通过改进全球天气以及气旋的预测来弥合这一差距。它是一个单一AI模型，能够以最先进的精度预测热带气旋的路径、强度和风场结构。通过其训练、架构和对低分辨率输入处理的独特组合，实现了这一突破。

Three line graphs comparing track, intensity, and wind extent forecasting errors over a five-day period. Across all three metrics, the WeatherNext Cyclones model (represented by the lowest blue line) consistently maintains the lowest error rates, with horizontal arrows highlighting a roughly one-day advantage in predictive accuracy over other models. — 我们在2023年至2024年的历史气旋上评估了WeatherNext Cyclones，将其确定性和概率性能与其他顶级天气模型进行了基准比较。平均而言，WeatherNext Cyclones在预测气旋路径、强度和风场结构方面获得了超过一整天（24小时）的提前时间优势。

该模型在两种不同的数据模式上进行了联合训练：全球天气动态和专家整理的历史气旋观测数据。通过在近20TB的全球大气数据和覆盖近5000个历史风暴的IBTrACS历史数据库上进行端到端训练，模型学习了复杂的大气模式以及如何模拟极端天气。

Two graphs comparing annual 3-day cyclone forecasting errors. Graph A shows WeatherNext Cyclones (blue) achieving a significantly lower position error (around 100 km) than ENS (yellow) from 2023 to 2025. Graph B shows WeatherNext Cyclones achieving a lower intensity error (around 11 kt) than HWRF (red) for the same period. — 近几十年来，气旋预报精度一直在稳步提高。图中显示了ECMWF-ENS路径预报（a）和HWRF强度预报（b）多年来的3天精度，以及WeatherNext Cyclones如何为路径和强度精度带来阶跃性提升。根据过去20年的趋势，这一改进相当于十年的进展。

我们的模型使用功能生成网络（FGNs）来高效生成不同的预测集合，捕捉天气固有的不确定性。我们现在可以在TPU上不到一分钟内生成单个15天预报，使预报员能够快速评估潜在破坏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，与全球物理模型相当。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。

迄今为止，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28x28km分辨率的数据，比传统模型粗糙100倍。模型的较小版本WeatherNext 2-mini，以更粗糙的111x111km分辨率运行，也表现出色。这令科学家们感到惊讶，并且充分理解我们的模型如何在此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。我们希望与研究界一起，能够找到答案。

向研究界开放WeatherNext

伴随我们的《自然》论文，我们开源了代码和模型权重，让任何人都可以自由使用并在此基础上构建。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界的进步，并帮助气象机构、研究人员和非营利组织更好地预测各种天气事件，做出保护生命和基础设施的关键决策。

我们还发布了两组类似的模型：WeatherNext Cyclones（在飓风季节期间运行，结果见论文）和 WeatherNext 2（我们于10月投入使用的更新版本）。此外，我们还发布了 WeatherNext 2-mini，这是该模型的精简版，可在免费公共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，我们最近对其进行了界面更新，并扩展为在气旋路径之外同时显示全球天气预报。Weather Lab 现在让您可以在单一视图中可视化 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。

推动人工智能天气预报的前沿

我们取得了历史性突破，将气旋预测的提前时间延长了一整天以上——这相当于气象学进步十年的成果。在为未来风暴季节做准备时，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开发，并在 Weather Lab 上探索我们的预测。通过将先进的机器学习与人类预报员不可或缺的真实世界专业知识相结合，我们旨在创建一个协作式天气预报生态系统，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报，请参阅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伙伴 NOAA/NWS/NCEP 国家飓风中心、大气合作研究所（CIRA）和英国气象局对论文的合作与贡献。

这项工作体现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。