2026 年 8 月 6 日，WeatherNext 團隊宣布，其 AI 模型能提供準確的氣旋預報，並可額外爭取一天的預警時間。目前，該模型已正式開源。

預測危險氣旋的發展一直是一項長期挑戰，每一小時都至關重要。熱帶氣旋，亦稱颶風或颱風，是地球上最具破壞性的天氣現象之一，在過去 50 年中已造成全球超過 70 萬人死亡及 1.4 兆美元的經濟損失。對於預報員而言，及時發布準確的預警是一場與時間的持續賽跑。

今天，我們在《自然》（Nature）期刊上發表了一篇論文，展示 WeatherNext AI 模型在預測氣旋路徑、強度和風場結構方面達到了最先進的準確度。平均而言，我們的模型能為預報員提供額外一天的預報準確度：我們三天前的預報效果，與先前模型僅能提供兩天前的預報效果相當。這種程度的改進，大約等同於氣象學界十年的進步。

這項合作研究匯集了 Google DeepMind 和 Google Research 的 AI 研究人員與工程師，以及來自美國國家颶風中心（NHC）、大氣研究合作機構（CIRA）、英國氣象局（UK Met Office）和全球各地氣象機構的專家預報員。

我們的研究已產生實際影響。在 2025 年颶風季節期間，我們的模型協助 NHC 對颶風 Melissa 做出歷史性預報，成功預測了風暴的快速增強及其在牙買加登陸。這使得 NHC 得以提前發布預警，為當地團隊爭取到關鍵的準備時間。今年，我們將繼續合作，目前正為每個氣旋預測 1,000 種可能情境，以協助預報員做出決策。

天氣影響著每個人。鑑於其廣泛影響，我們現已開源在颶風季節期間使用的 WeatherNext 2 和 WeatherNext Cyclones 模型。透過開放這項技術，我們希望能賦能研究社群，並擴大 AI 在建立更具韌性社區方面的影響力，無論是為當地預報員提供應對自然災害所需的工具，支持再生能源的發展，還是預測極端天氣。

WeatherNext 如何預測天氣和氣旋：從 2024 年 10 月颶風 Milton 期間的全球大氣條件開始，WeatherNext Cyclones 模型會迭代預測全球天氣模式和精細尺度的氣旋路徑，最長可提前 15 天。運行 1,000 個成員的集成預報（ensemble）可生成從熱帶風暴到颶風級風力的局部機率圖。

預測氣旋通常需要權衡，並採用兩種不同的建模技術。氣旋的路徑（走向）由大規模的全球大氣氣流引導，此前最佳的建模方式是使用較粗略的全球模型。然而，氣旋的強度（增強程度）則是由其核心周圍高度局部化、精細尺度的熱力學物理過程驅動，這類過程最適合由專門的、高解析度的局部模型來建模。

我們的 WeatherNext 模型透過改進全球天氣和氣旋的整體預報來彌補這一差距。它是一個單一的 AI 模型，能以最先進的準確度預測熱帶氣旋的路徑、強度和風場結構。這項突破是透過其獨特的訓練方式、架構以及處理低解析度輸入的方法相結合而實現的。

我們對 WeatherNext Cyclones 模型進行了評估，使用了 2023 年至 2024 年的歷史氣旋數據，並將其確定性預報和機率性預報的性能與其他頂級天氣模型進行了基準測試。平均而言，WeatherNext Cyclones 在預測氣旋路徑、強度和風場結構方面，取得了超過一整天（24 小時）的領先時間優勢。

該模型在兩種不同的數據模式上進行了共同訓練：全球天氣動態和專家策劃的歷史氣旋觀測數據。透過對近 20 TB 的全球大氣數據和涵蓋近 5,000 個歷史風暴的 IBTrACS 歷史資料庫進行端到端訓練，該模型學習了複雜的大氣模式以及如何模擬極端天氣。

近幾十年來，氣旋預報的準確度一直在穩步提升。圖表顯示了 ECMWF-ENS 路徑預報 (a) 和 HWRF 強度預報 (b) 多年來的 3 天準確度，以及 WeatherNext Cyclones 如何為路徑和強度預報帶來了質的飛躍。根據過去 20 年的趨勢，這項改進相當於十年的進步。

我們的模型使用功能生成網路（Functional Generative Networks, FGNs）來高效生成不同的集成預報，這捕捉了天氣固有的不確定性。現在，我們可以在 TPU 上不到一分鐘內生成單個 15 天預報，使預報員能夠快速評估潛在毀滅性尾部風險的機率分佈。

去年，我們的系統一次生成 50 個預報，與全球物理模型相當。今年，我們將集成預報的成員數擴展到 1,000 個，捕捉了像 2025 年颶風 Melissa 期間發生的快速增強事件等罕見但影響重大的情境。

迄今為止，在高空間解析度下運行一直被認為是實現準確強度預報的主要驅動力。然而，WeatherNext Cyclones 僅需要 28x28 公里解析度的數據，比傳統模型粗糙 100 倍。一個較小的模型版本 WeatherNext 2-mini，即使在更粗糙的 111x111 公里解析度下運行，也表現出色。

這讓科學家們感到驚訝，而全面理解我們的模型如何在這種解析度下產生如此準確的預測，仍然是一個開放的研究問題。我們希望與研究社群共同找出答案。

向研究社群開放 WeatherNext：除了在《自然》期刊上發表的論文，我們也正在開源程式碼和模型權重，使其可供任何人免費使用。這包括學術研究、操作性預報或開發更專業、局部化的模型。我們希望加速全球氣象社群的進步，並賦能氣象機構、研究人員和非營利組織，以更好地預測各類天氣事件，並做出關鍵決策來保護生命和基礎設施。

我們還將發布兩套類似的模型：WeatherNext Cyclones，它在颶風季節期間運行（結果可在論文中查看）；以及 WeatherNext 2，這是我們在十月投入運營的後續更新版本。此外，我們還將發布 WeatherNext 2-mini，這是一個緊湊型模型，可以在免費的公開 Colab 筆記本中於單個 TPU 上運行。

您可以在 Weather Lab 上探索我們最新的氣旋預報，我們最近更新了其介面，並擴展到包含全球天氣預報以及氣旋路徑。Weather Lab 現在讓您可以在單一視圖中視覺化 WeatherNext 對溫度、降水、風速等方面的預測。Weather Lab 和 WeatherNext 模型都是 Google Earth AI 的一部分。

推動 AI 在天氣預報領域的發展：我們透過在氣旋預報方面爭取到超過一整天的領先時間，實現了歷史性突破，這相當於氣象學界十年的進步。在我們為未來的風暴季節做準備之際，我們邀請研究人員、氣象機構和專家與我們合作，在我們的開源模型基礎上進行開發，並在 Weather Lab 上探索我們的預報。

透過將先進的機器學習與人類預報員不可或缺的實際專業知識相結合，我們旨在建立一個協作的天氣預報生態系統，以挽救生命並幫助社區適應不斷變化的氣候。

注意：有關官方天氣預報和警報，請參考您當地的氣象機構或國家氣象局。

致謝：這項研究由 Google DeepMind 和 Google Research 團隊共同開發。我們衷心感謝合作夥伴 NOAA/NWS/NCEP 美國國家颶風中心、大氣研究合作機構（CIRA）和英國氣象局對本論文的合作與貢獻。這項工作反映了論文共同作者的貢獻：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, and Peter Battaglia。