夜雨聆风8月6日，Google DeepMind发布消息称，其WeatherNext Cyclones模型在热带气旋路径、强度和风场结构预报上取得新进展：平均而言，模型能为预报人员多争取超过24小时的有效预报提前量。换句话说，它给出的“三天后”预报，准确度大致可达到部分既有模型“两天后”预报的水平。
这不是一句“AI比人更会看天气”的营销口号。对于台风、飓风等热带气旋而言，提前一天更可靠地判断它会往哪里走、会增强到什么程度、强风覆盖哪些区域，可能直接改变应急调度、人员转移、港口停运和电力保障的节奏。
更值得关注的是，DeepMind此次不仅发布研究成果，还宣布开源相关代码和模型权重。这意味着，气象机构、科研团队和非营利组织未来可以在现有模型基础上开展本地化研究与应用。
为什么“多一天”如此重要
热带气旋是全球破坏力最强的天气现象之一。它们在不同海域有不同名字：大西洋和东太平洋通常称飓风，西北太平洋常称台风，但本质上都属于热带气旋。
真正困难的地方，不在于判断“海上有一个低压系统”，而在于回答几个高风险问题：它会不会突然增强？登陆点会落在哪里？何时影响陆地？哪些地方会经历强风甚至飓风级大风？
这些问题的答案，往往不是简单的“下雨”或“刮风”。一条路径偏差，可能让原本准备充分的地区虚惊一场，也可能让未被重点关注的社区措手不及；一次强度预报偏差，则可能影响避险范围、工程加固标准和救灾资源投放。
DeepMind援引的数据称，过去50年间，热带气旋在全球造成超过70万人死亡和1.4万亿美元经济损失。对防灾体系来说，预警并非越早越好，而是要在足够早的同时足够可信。过早但不准，容易带来“预警疲劳”；准确却太晚，又会错过转移和准备窗口。因此，“多争取一天”只有建立在准确度提升的前提下，才真正有价值。
一套模型，试图同时解决两类难题
传统热带气旋预报存在一个典型矛盾：
路径和强度，分别受不同尺度的天气过程影响。
路径主要受大范围大气环流引导。副热带高压的位置、季风系统、冷空气活动等，都可能像“无形的轨道”一样推动气旋转向或加速。这类问题通常需要从全球尺度观察，因此较粗分辨率的全球模型很擅长提供背景判断。
但强度变化，尤其是快速增强，却更依赖风暴核心附近的精细过程，例如海温、湿度、对流、风切变及其相互作用。过去要更好预测这些细节，往往需要更高分辨率、更专门化的区域模型。
WeatherNext Cyclones的目标，就是尽量把这两类任务放到同一个AI模型中处理：既预报全球天气形势，也预报热带气旋的路径、强度和风场结构。DeepMind称，该模型在这三项指标上都达到领先水平。
这也是此项成果的核心，而不只是“AI跑得更快”。如果一个模型只能判断风暴大概往哪走，却无法说明可能有多强、强风影响多大范围，那么它对防灾决策的帮助仍然有限。路径、强度和风圈范围组合在一起，才更接近一场真实风暴对城市和社区的影响图景。
低分辨率，为何还能做出高水平预报
此次发布中，一个颇具反直觉的细节是：
WeatherNext Cyclones使用的输入数据分辨率约为28公里×28公里，比传统高分辨率模型粗得多。DeepMind称，这一分辨率约为部分传统模型的百分之一，但模型仍表现出较强的气旋强度预报能力。
按照通常理解，想看清风暴核心附近的剧烈变化，分辨率越高似乎越有优势。DeepMind也承认，模型为何能在相对粗的输入下达到这样的效果，仍是一个有待进一步研究的问题。
这份坦诚很重要。AI天气模型的价值，并不意味着传统气象学已经失效。相反，机器学习模型能否稳定工作，依赖于海量历史观测、再分析资料、物理规律积累以及气象专家的长期经验。AI也许能从复杂数据中发现一些高效模式，但这些模式如何对应具体物理过程，仍需要持续验证和解释。
据介绍，该模型使用近20TB全球大气数据，以及覆盖近5000场历史风暴的IBTrACS资料进行训练。它同时学习全球天气演变和经过专家整理的历史气旋观测，从而建立对极端天气模式的识别能力。
从“给一个答案”到“给出一千种可能”
天气预报最难的部分之一，是不确定性。
面对一场正在发展的热带气旋，预报员最需要的通常不是一个绝对结论，而是一组风险可能性：最可能的路径是什么？偏东、偏西的概率多大？是否存在少见但后果严重的快速增强情景？强风最可能覆盖哪些区域？
WeatherNext Cyclones采用集合预报方式，一次可生成1000个可能情景。模型会据此形成从热带风暴风力到飓风级风力的局地概率图。对于决策者而言，这种信息比单一路径线更有操作意义：它不只告诉你“风暴可能在哪里”，还提示哪些低概率但高损失的情景不能忽视。
DeepMind表示，该模型可在一颗TPU上、不到一分钟内生成一次15天预报。与计算成本高昂的传统数值预报相比，这种速度有望让预报人员更快查看大量情景，特别是评估尾部风险。
不过，速度快不等于可以跳过研判。集合预报的意义，在于把不确定性摆到台面上，而不是制造“AI已经算准一切”的错觉。最终该发布哪一级预警、是否启动大规模转移，仍需要气象业务人员结合观测、模型结果和本地灾害风险作出判断。
已进入业务协作，但不是替代预警体系
DeepMind称，WeatherNext在2025年飓风季曾协助美国国家飓风中心预报飓风Melissa的快速增强及其在牙买加登陆，为提前发布预警和地面准备争取了时间。 这一案例说明，AI天气模型的现实价值正在从实验室指标走向业务协作。但更准确的理解应是：它是预报员的辅助工具，而不是独立发布预警的“自动驾驶系统”。
DeepMind在发布中也明确强调，官方天气预报和警报仍应以当地气象机构或国家气象部门发布的信息为准。这一点尤其值得普通读者记住：无论某个模型展示得多么先进，真正面向公众的避险行动，都应依据权威部门的正式预警。 AI模型可以提供更多情景、缩短计算时间、提示潜在风险；而预报员需要把这些结果与卫星、雷达、海洋观测及本地经验结合，转化为清晰、可执行、对社会负责的预警信息。
开源之后，竞争重点转向“怎么用好”
此次开源的内容包括WeatherNext Cyclones、WeatherNext 2以及更轻量的WeatherNext 2-mini。后者可在单颗TPU上运行，并提供公共Colab环境支持。DeepMind希望研究人员、气象机构和公益组织基于这些模型开展研究、业务预报或更具地方针对性的应用。
开源的潜在意义，不只在于让更多人“跑起一个模型”。不同地区面对的风险差异很大：沿海城市关心风暴潮与强风，山区更关注暴雨引发的山洪和滑坡，岛屿地区则需要评估交通中断与基础设施脆弱性。通用模型提供的是底座，真正产生公共价值，还需要本地数据、专业人员和成熟的应急机制共同接力。
WeatherNext带来的突破，最值得期待的不是取代传统预报，而是为气象服务增加一种更快、更灵活、能表达不确定性的工具。对于极端天气频发的时代而言，技术进步的终点不应只是更漂亮的预测图，而应是让更多人更早知道风险、更从容完成准备，并在关键时刻少一些措手不及。