DeepMind台风预报模型登Nature，权重开源
8 月 6 日，谷歌 DeepMind 与 Google Research 团队联合美国国家飓风中心、英国气象局等机构，在《Nature》杂志发表论文，公布面向热带气旋业务预报的 AI 模型 WeatherNext Cyclones，同时开放模型代码与预训练权重。论文数据显示，这套模型在路径、强度、风圈三项预测上，平均比现有业务模型多出一天以上的有效提前量，相当于把传统气象模型近十年才积累的进步一次走完。
提前一天的预报，意味着什么
研究团队用 2023 至 2025 年的热带气旋数据，把 WeatherNext 与欧洲中期天气预报中心集合预报系统、高分辨率台风模型 HAFS 等现行业务模型做了对比。结果显示，WeatherNext 在路径、强度和风圈半径预测上，平均能比现有模型提前一天甚至更早达到相近的准确水平。按论文口径，ENS 十年间约提升了 22 小时的有效预报提前量，而 WeatherNext 相比 ENS 又增加了约 27 小时。
这个提前量在灾害场景里是实打实的：多出的一天，对应的是停工停课、人员撤离、渔船回港和供电调度的准备时间。2025 年飓风季，WeatherNext 曾在风暴还处于一级时，以较高置信度提前五天判断 Melissa 会升级为五级飓风并袭击牙买加，最终预测应验。美国国家飓风中心称，此前从未有模型在风暴仍为一级时给出这样的判断。
低分辨率输入，反而更准
台风强度预测历来比路径预测更难，传统上依赖高分辨率区域模型硬算。WeatherNext 却用约 28 公里分辨率的全球大气数据，在同一套模型里同时预测路径、强度和风圈，比传统强度预报模型的分辨率粗约 100 倍。团队自己也承认，尚未完全解释为什么低分辨率输入能捕捉到足够多的未来信号，这种"表现领先于理解"的状态，是气象学界对 AI 模型普遍保留意见的地方。
模型采用端到端训练：近 20TB 的全球大气资料（欧洲中期天气预报中心 ERA5 再分析数据），加上国际热带气旋最佳路径资料库中近 5000 场历史风暴，一起参与学习。集合预报成员数从去年的 50 个扩到 1000 个，单次 15 天预报在一颗 TPU 上不到一分钟即可完成。
权重开源，商用许可
除论文外，DeepMind 同步开源了 WeatherNext 2 与 WeatherNext Cyclones 的代码和预训练权重，采用可商用许可，并提供能在单颗 TPU 上运行的轻量版 WeatherNext 2-mini。这意味着气象机构、研究团队和第三方开发者可以直接下载模型做本地化适配，不需要等待厂商开放接口或谈授权。
需要说明的是，研究团队明确表示这些模型目前仍属于实验性研究工具，不能替代各国气象机构发布的正式预警信息。当 AI 模型给出与物理模型不一致的预报时，预报员目前还没有一套成熟的解释机制来判断该不该信它，这是 AI 天气模型进入业务系统前必须解决的风险点。
对做 GEO 的企业来说，这件事的参照意义在于：AI 的能力边界正在从"聊天问答"扩展到专业决策领域，气象预报这类高风险场景已经开始接受 AI 参与。企业官网同样如此，当 AI 越来越多地替用户做判断，你的信息是否以结构化、可验证的方式存在，直接决定它会不会被 AI 采用。河北极欧智推科技有限公司 GEO 一直建议企业把官网当成 AI 可读的一手信息源来建设，提前把事实、数据、资质这些可核验的内容放上去，而不是等 AI 引用错误后再补救。