谷歌DeepMind让AI提前一天看见超级风暴：WeatherNext融合全球气象数据，实现领先级强度预测

编辑丨&

飓风、台风等热带气旋，是地球上最复杂、最危险的天气系统之一。

对于气象学家而言，预测一场风暴会往哪里移动，已经取得了巨大进步；但判断它会不会突然增强，甚至从普通热带风暴迅速升级为灾难级飓风，仍然是长期以来最困难的问题之一。

近年来，人工智能正在进入天气预测领域。现在，Google DeepMind 推出的新一代 WeatherNext 模型，正在改变这一局面。

研究团队发现，AI 不仅能够预测气旋会往哪里移动，还能够提前判断它是否会快速增强，并为未来可能的发展路径提供概率预测。WeatherNext 在测试中平均比传统方法提供约一天的有效预报提前量——也就是说，过去需要提前两天才能达到的预测准确度，AI 如今能够提前三天达到。

相关信息以「Operational Tropical Cyclone Forecasting with AI」为题，于 2026 年 8 月 6 日发布于《Nature》。

论文链接：https://www.nature.com/articles/s41586-026-10953-2

让 AI 学习 45 年的地球天气规律

研究团队认为，气旋的发展无法脱离整个地球大气系统理解。因此，模型同时学习两类信息：一类是全球天气分析数据，用于理解大尺度的大气环境；另一类是专门整理的历史热带气旋数据库，用于学习风暴形成、增强和演化过程。

这种训练方式让 AI 获得了一种类似「气象背景知识」的能力。

WeatherNext 通过长期全球天气数据训练，使模型能够理解不同大气状态之间的关系，并预测未来可能发生的变化。通过改善全球气象及气旋的预报，WeatherNext 仅凭单一的人工智能模型，就能够以最先进的精度预测热带气旋的路径、强度和风向结构。

图 1：WeatherNext Cyclones 迭代预测全球天气模式和细尺度气旋路径，最早可提前15天。

该模型基于两种不同的数据模式共同训练：全球天气动态和专家策划的历史气旋观测数据。通过端到端训练近 20TB 的全球大气数据和涵盖近 5000 场历史风暴的历史 IBTrACS 数据库，模型学习复杂的大气模式以及如何模拟极端天气。

传统天气预报通常给出一个最可能的发展结果，但真实的大气系统充满不确定性。一个微小变化可能导致风暴未来轨迹完全不同。

因此，WeatherNext Cyclones（WN-C） 会生成大量可能的发展情景，让预测结果从单一路线预测变成多种可能性同时预测。论文显示，该模型能够生成覆盖未来 15 天的全球天气和气旋情景，并支持最高 1000 成员规模的 ensemble 预测。

图 2：WeatherNext Cyclones 在 2023-2024 年历史气旋上与其他顶级气象模型的评估基准对比。

比传统模型提前一天

技术创新最终需要回到一个问题：

WeatherNext Cyclones 真的比现有气象系统更好吗？

为回答这一问题，研究团队使用 2023 年至 2025 年的热带气旋数据，对 WN-C 进行了系统评估，并与当前领先的业务气象模型进行比较。测试指标覆盖三个关键方面：

• 风暴路径（track）；
• 风暴强度（intensity）；
• 风暴结构，包括最大风圈半径等参数。

结果显示，WeatherNext Cyclones 在多个指标上都达到了当前最先进水平。5 天预报平均路径误差仅 230km，较 ECMWF ENS 降低 140km；达到相同预报精度的时效比 ENS 提前约 30 小时，相当于过去十年全球数值模式路径预报的总进步量。

图 3：ECMWF-ENS 轨道预报（a）和 HWRF 强度预报（b）多年来的 3 天准确性。

论文指出，WN-C 的强度预测能力甚至超过了专门用于飓风预测的高分辨率区域模型HAFS，这是此前全球AI天气模型尚未达到的能力。

预测强度未必需要更高分辨率

WeatherNext Cyclones 最令人意外的发现，来自一个长期存在的气象认知。

过去，人们普遍认为，要准确预测台风强度，就必须依靠极高分辨率模型，因为风暴核心区域包含大量细节结构。

但论文结果显示，WN-C 只需分辨率为 28x28 公里的数据，比传统模型粗 100 倍。该型号的小型版本WeatherNext 2-mini，分辨率较为粗糙，为 111x111 公里，性能也表现出色。

真实风暴预警

研究团队表示，WN-C 自 2025 年 6 月开始实时运行，并向美国国家飓风中心以及其他世界气象组织（WMO）相关预报中心提供预测信息。其预测结果已经被业务预报人员快速采用。

当然，研究团队也强调，热带气旋预测依然是极具挑战性的科学问题。大气系统具有高度混沌性，未来仍需要进一步提升模型能力，例如预测气旋带来的降水、风暴潮以及更加精细的局地风险。

DeppMind 团队已将该模型开源，希望能将先进的机器学习与人类预报员不可或缺的实际经验相结合，创建一个协作的天气预报生态系统，能够拯救生命，帮助社区适应气候变化。

相关报道：https://deepmind.google/blog/weathernext-ai-model-achieves-breakthrough-in-forecasting-cyclones/