Google DeepMind 公布天气预报模型 WeatherNext 3

Google DeepMind 近日在 X 平台宣布推出新一代天气预报模型 WeatherNext 3，称其为全球天气预报领域的「重大突破」。该模型与 Google Research 合作开发，强调能够从真实、实时的观测数据中直接学习，并以更高空间分辨率、更快的速度给出更局部化的高精度预测。

核心方法：数据驱动的天气学习

根据官方在 X 上发布的简短线程描述，WeatherNext 3 的核心特征在于其学习路径——模型并非依赖传统数值天气预报中显式求解的物理方程，而是直接从真实世界、实时的气象观测数据中学习天气演变模式。

官方原话指出，该模型能够「直接从真实、实时的观测中学习」，并由此带来两方面改进：

• 预测更局部化：对特定区域的天气状况提供更精细的刻画；
• 速度更快：在同等或更高精度下缩短预报生成时间。

发布形式与定位

此次公布以 X 平台推文 + 长线程（🧵）形式首发，属于 Google DeepMind 官方一手信息发布。WeatherNext 3 被定位为面向「全球天气预报」的下一代 AI 模型，接续 DeepMind 此前在该方向上的工作，目标用户涵盖气象服务、能源、交通等强降水与极端天气高度敏感的行业。

待补充的关键细节

需要指出的是，原文为社交媒体摘要式公告，可获取的信息极为有限，官方尚未披露以下关键内容：

• 模型架构（如是否沿用 GraphCast 的图神经网络方案或转用 Transformer 系）；
• 参数量与训练数据规模；
• 与 ECMWF HRES、GraphCast 等基线的基准对比成绩；
• 预报时效（短期 / 中期 / 长期）与可预报要素清单；
• 开放形式（论文、技术报告、API、托管预报产品）。

要客观评估 WeatherNext 3 在气象预报领域以及更广泛 AI for Science 领域的影响，还需等待配套论文或完整技术报告的发布。