Google发布了WeatherNext AI天气模型的第3版。此次更新最重要的创新，是将部分卫星天气数据直接加入模型。因此，在减少当前状况与新预报之间延迟的同时，预报频率也从每6小时一次提高到每小时一次。
大多数AI天气模型都依赖“再分析资料”，将来自不同来源的数据整合成一幅全球大气图景。WeatherNext 3除了采用这一方法外，还使用原始卫星数据。模型的空间分辨率得到提升，机器学习模型规模扩大，同时还调整了部分流程，以限制计算负载。此外，Google还加入了一个使用基于卫星的降水预报进行训练的独立模型，开始提供多种降水预报。
模型在计算特定地点的地表温度和露点温度时，会考虑该地点是陆地还是海洋，以及地表海拔。团队表示，将这些信息与历史气象站数据结合使用，有助于改善预报。
根据白皮书，与WeatherNext 2相比，WeatherNext 3将高层大气状况的准确率提高了约5%，这相当于准确预报时长延长了约6小时。对于特定地点，地表温度计算的准确率最高提高了30%。在这些指标上，该模型总体上也超过了欧洲中期天气预报中心（ECMWF）的AI模型。
不过，据称该模型在部分变量的前6小时预报中表现更差，而且一些地图上出现了网格状的六边形图形。WeatherNext 3已成为Google Search、Gemini和Maps中预报信息的来源。
为何重要
将卫星观测与原始数据结合起来，可以减少天气预报中当前状况与模型输出之间的时间差，从而影响对快速变化状况的监测。每小时更新意味着通过 Google Search、Gemini 和 Maps 使用预报信息的人，可以获取更新更频繁的数据。不过，性能提升并未覆盖所有指标；部分变量在前6小时的结果出现下降，以及一些地图中出现的网格状图形，都表明输出结果并不能在所有情况下都被视为更加可靠。尽管与 ECMWF 的AI模型相比表现良好，但仍有一个问题尚未解决：WeatherNext 3 在不同变量上的优势能在何种使用条件下保持，以及这些限制会在多大程度上影响提供给用户的预报。
背景
Google 并不是 FikirPilot 档案中的新面孔：在过去90天里，我们发布了28篇提到这一名称的新闻；最新一篇的日期是2026年9月9日。