Google DeepMind 在人工智能科学领域持续发力，近日正式对外展示了其最新一代气象预测模型——WeatherNext 3。这一模型的问世，标志着 AI 在处理复杂地球物理数据方面又迈出了关键一步，它能够利用实时卫星数据和地面观测，提供全球范围内分辨率高达 5 公里的每小时天气预报，并无缝集成至 Google 的核心产品生态中。
传统的天气预报主要依赖于数值天气预报模型，这些模型通常运行在巨大的超级计算机上，计算成本高昂且更新频率有限。相比之下，WeatherNext 3 展现了 AI 模型在速度和成本上的巨大优势。据官方介绍，该模型不仅能够处理海量的实时静止卫星镶嵌图，还通过学习数百万个地面气象站的历史观测数据，学会了捕捉天气系统的微妙变化。这种混合方法使其能够在短短一小时内完成一次全球尺度的预测刷新，这对于需要时效性的应用场景至关重要。
WeatherNext 3 的核心亮点在于其极高的空间分辨率。5 公里的全球预报意味着它能够细致地描述区域性的天气变化，例如局部地区的云量、降水概率以及风速变化。这种精细度对于航空、航运以及农业规划等行业来说具有极高的实用价值。例如，航空公司可以根据更精确的短期天气预报调整航线，避开潜在的颠簸区域或雷暴；物流公司也能据此优化配送路径，减少因恶劣天气导致的延误。此外，对于普通用户而言，能够提前知晓家门口半小时后的降雨情况，将极大提升生活的便利性。
除了技术参数上的突破，WeatherNext 3 的落地应用同样引人注目。该模型已深度整合进 Google 搜索、Gemini AI 助手以及 Google 地图中。这意味着用户不再需要切换不同的应用或等待漫长的刷新周期，就能在日常生活中获得最前沿的气象信息。在搜索结果中，用户可以直接看到未来 24 小时甚至更长时间的天气趋势；在地图上，降水预报将更加精准，为户外出行提供实时指引。这种“AI 驱动”的天气服务，正在重塑人们获取环境信息的方式。
从行业角度来看，WeatherNext 3 的发布进一步巩固了 Google DeepMind 在 AI for Science 领域的领导地位。随着 DeepMind 早期发布的 GraphCast 等模型在多个评估基准上超越传统 NWP 模型，业界普遍认为气象预测正在经历一场由数据驱动的范式转移。WeatherNext 3 似乎是在此基础上的一次进化，它不仅继承了前代模型的强大泛化能力，还通过引入更多的观测数据源，提升了模型对极端天气事件的预测能力。
总的来说，WeatherNext 3 的推出不仅是 Google 技术实力的展示，也为全球气象数据的利用提供了新的范例。通过将 AI 模型嵌入到消费者产品中，Google 正在让复杂的科学计算变得触手可及，让每一次查看天气都更加精准、高效。
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/09/03/google-deepminds-weathernext-3-trains-on-weather-station-observations-to-deliver-5-km-global-forecasts-refreshed-every-hour/
