一句话结论

Google DeepMind 与 Google Research 在 Nature 上发表 WeatherNext Cyclones(WN-C),并把代码与权重全部开源;同一天的工程博客显示,这套 AI 模型用比传统区域模型粗约 100 倍的输入数据,就能对热带气旋的路径、强度、风圈给出平均多 1 天的提前量。

技术背景:飓风为什么难预报

飓风(热带气旋)是地球上最危险的天气现象之一。过去 50 年里,全球范围内飓风导致超过 70 万人死亡、1.4 万亿美元经济损失(数据见 DeepMind 官方博客)。飓风预报长期受两类矛盾制约:第一,飓风的路径依赖大尺度全球大气环流,这正是全球粗分辨率数值模式擅长的;第二,飓风的强度由气旋内核附近高度局地的热力过程驱动,这正是高分辨率区域模式擅长的。

传统路线只能让两种模式并存、靠人工会商拼接。

WeatherNext Cyclones 的方法

WN-C 是一个端到端单一 AI 模型,把全球大气动力学和专家标注的历史气旋数据库联合训练,做到路径、强度、风结构同时输出,论文给出的几个关键设计是:

  • 数据:训练数据来自近 20 TB 的全球大气再分析数据(基于 ECMWF),叠加 IBTrACS 提供的近 5000 个历史气旋轨迹(论文摘要 + DeepMind 博客)。
  • 架构:采用 Functional Generative Networks(FGN,arXiv:2506.10772)做集合预报,一次推演 1 个 15 天预报只需 1 分钟以内,可在 TPU 上生成 1000 成员的物理一致集合(传统 50 成员)。
  • 输入分辨率:只用 0.25°(约 28 km)输入,比传统区域模式粗约 100 倍;团队还放出了一个 1°(约 111 km)Mini 版本,可在 Colab 单 TPU 上跑。
  • 关键反常识:DeepMind 团队明确写明,这样粗的输入做出 SOTA 强度预测,是一个开放研究问题——他们自己也不完全确定模型从低分辨率里学到了什么信号。

实测效果(论文 + Ars Technica 双源印证)

Nature 论文摘要给出的核心数字是:2023–2025 年的回看评估中,WN-C 在路径、强度、风圈上拿到平均 1 天以上的提前量,「相当于过去十年运营预报的整体进步」。

更细的数据可见 DeepMind 8 月 6 日博客和 Ars Technica 8 月 8 日的报道:

  • 2025 年飓风季实时使用 —— 美国国家飓风中心(NHC)使用 WeatherNext 时,首次在风暴仍处于 1 级时就预测出它将以 5 级强度登陆牙买加,即 5 天前以 80% 置信度命中「牙买加五级飓风」路径(Ars Technica 转述 DeepMind 主作者 Ferran Alet 与 NHC 主任 Mike Brennan 的口述)。
  • 集合规模跃升 —— 去年单风暴 50 个成员,今年扩到 1000 个,用于捕捉「快速增强」这类罕见但关键的极端情景。
  • 业务化部署 —— 论文之外,DeepMind 把训练代码、权重、WN-C 与 WeatherNext 2 一并开源到 google-deepmind/weathernext 仓库,论文之外的预报数据通过 Google Cloud(Vertex AI / BigQuery / Earth Engine)、Weather Lab 可视化页、Open-Meteo 三条渠道放出。

与已有 AI 预报的相对位置

WeatherNext 系列并不是新闻。DeepMind 早在 2023 年的 GraphCast 和 2024 年 12 月的 GenCast,都把「AI 跑数值预报」这件事推到与传统 ECMWF 模式同台的位置。本次的关键变化是:WeatherNext Cyclones 首次走完 Nature 同行评审 + 落地到 NHC 业务系统的全程闭环,且把「低分辨率做出好强度预测」这一反常识结论以论文形式固定下来。

这也意味着「高分辨率等于好强度预测」这个十年来的气象学基本假设,开始被一条 AI 路径撬动。DeepMind 自己在博客和论文里都留了显式 caveat:研究者仍不完全理解低分辨率输入里被学到了什么信号,这个黑箱需要后续研究去拆。

一些数字校准

  • 模型输入分辨率:0.25°(约 28 km),论文和 README 双方一致;比传统区域模式粗约 100 倍的数字由 DeepMind 博客与 Ars Technica 共同复述。
  • 集合规模:1000 成员(2025 飓风季),2024 年及之前为 50 成员,数字来自 DeepMind 8 月 6 日博客。
  • 历史气旋训练数据:IBTrACS 约 5000 个(DeepMind 8 月 6 日博客)。
  • 业务化窗口:WeatherNext 首次业务化进入 NHC 工作流是 2025 飓风季,5 天前 80% 置信度命中「牙买加五级」由 NHC 主任 Mike Brennan 在 Ars Technica 8 月 8 日报道中口述。
  • 论文发表日期:2026 年 8 月 6 日,DOI 10.1038/s41586-026-10953-2(Nature)。

所以呢

对从业者:这意味着「高分辨率 = 更好」这一默认假设被论文级证据松动——未来做天气 AI 训练,算力预算可以重新分配,「先在 1° 上跑通,再决定要不要叠 0.25°」是更便宜的研究路径。仓库里同时放出 Mini 版本,把研究门槛拉到了单 TPU/Colab 级别。

对气象局业务端:NHC 已经在 2025 飓风季的实战里把 1000 成员集合、5 天提前量拿到手,论文和开源意味着其它气象机构可以直接 fork 同一条 AI 路径,而不是从零训练。

对关心通用 AI 进展的读者:这又是一个「基础研究产物反过来改写业务关键流程」的例子——和微软 tokenmaxxing 之后的 valuemaxxing、OpenJDK 禁 LLM 生成代码的政策转向属于同一个时代信号:AI 既是工具,也在变成新的依赖项,它的边界和失效模式需要比过去更早地被审计。

主参考资料