Google WeatherNext 3接入实时卫星数据、每小时更新：天气AI迈向业务级短临预报的验证关口
· 来源：blog.google
Google DeepMind与Google Research发布WeatherNext 3，以实时卫星观测和小时级全球高分辨率更新提升天气AI的时效性，但其能否承担预警与行业决策角色，仍有待在极端天气、区域泛化和不确定性校准上经受持续验证。
Google DeepMind与Google Research于2026年9月3日发布WeatherNext 3，称这是其最先进、最准确的全球天气AI模型。相较前代，WeatherNext 3把实时卫星观测纳入预报流程，并以每小时频率更新全球预测；Google已计划将其接入搜索、Gemini、Google地图、Google Maps Platform及Google Cloud。对天气AI而言，这意味着能力重点正从中长期格点预测，转向更贴近短临预报、预警和行业调度的实时服务。
Google称，WeatherNext 3可直接学习实时观测信息：系统输入包括每小时的地球静止卫星拼图以及传统历史分析数据，再由统一的生成式网络输出稠密格点场、热带气旋路径和站点级稀疏坐标预测。模型提供多档空间分辨率，其中气温、湿度等关键地表变量可达到5公里，其他地表变量为10公里，大气风速等变量为25公里；相比WeatherNext 2在25公里网格、6小时步长上的输出，整体图像约提升至5倍精细度。
这一改进尤其瞄准快速演变、局地性强的降水和降雪。Google表示，过去的天气AI模型常受限于空间分辨率，也难以及时吸收卫星等实时观测；而更高频的数据接入与更新，可望改善对局地地形、云团演变及短时天气变化的刻画。农业生产、风光发电、物流供应链和日常出行，均是Google列举的潜在应用场景。官方还援引Brightband的独立实时评估，称新模型表现领先。
不过，从“更清晰、更快”走向业务级预警基础设施，WeatherNext 3仍面临更严格的检验。传统数值天气预报依托物理方程、资料同化和集合预报体系，在极端事件机理解释、边界条件处理与概率风险表达上积累深厚。天气AI若要进入防灾减灾和能源调度等高责任场景，不能只比较平均误差，还需在暴雨、热浪、干旱、热带气旋等低频高影响事件中，与数值预报进行持续的同期对照。
另一个关键在于区域泛化与不确定性校准。卫星覆盖、地面观测密度和地形复杂度在全球各地并不均衡，模型在数据较少地区、山区和沿海等环境中的稳定性，需以公开、长期的实时验证说明。与此同时，面向预警业务，系统不仅要给出单一预测结果，还应可靠地表达置信度、漏报和误报风险，以及不同提前量下的性能边界。Google此次大规模产品接入将带来真实世界使用机会，也会让这些问题更快成为衡量天气AI成熟度的核心标准。
—— 综合整理自：Google官方博客、AI Pulse