多出来的一天
WeatherNext Cyclones 比现役最强的预报模型多看约一天。这一天,传统气象模型花了整整十年才挣出来。
预报台风,多出来的每一小时都是撤离时间。新模型把可用的预报窗口往前推了大约一天;按 DeepMind 的说法,传统数值预报模型过去十年的全部进步加起来,也差不多就是这一天的量。
这套系统不是关起门做的。合作方是美国国家飓风中心(NHC)、大气研究合作研究所和英国气象局,从 2025 年 6 月起,预报就挂在谷歌的 Weather Lab 平台上实时运行。
2025 年飓风梅丽莎登陆牙买加那次,DeepMind 说模型帮 NHC 及时判断出了快速增强:一场风暴 24 小时内风速涨至少 30 节(约每小时 55 公里),就算快速增强。这是最要命的一类情况,头一天看着还能扛,第二天就顶到岸上。
两套模型各管一半
过去预报一场台风要同时看两套模型:一套算路径准,一套算强度准,没有一套两头都行。
欧洲中期天气预报中心的集合预报(把同一场预报跑很多遍,看结果散得开不开,以此判断把握有多大),路径算得好,但网格太粗,看不清风暴内部的强度细节。北美用的专业区域模型 HAFS 正好反过来:强度读数更精细,路径反而容易偏。
预报员的日常,就是在这两份对不上的结果之间做取舍。WN-C 的不同在于,路径、强度、风圈大小由同一个网络一次性给出。
准到什么程度
五天后的风暴中心位置,WN-C 平均偏 230 公里,欧洲中心的集合预报偏 370 公里。
差出来的 140 公里,大致是北京到天津的距离。要不要疏散一座沿海城市,这个差距不小。DeepMind 自己上一代的 GenCast 是 335 公里,也被拉开了一百公里。
强度上,三天预报比专业模型 HAFS 准 3.75 节,约合每小时 7 公里的风速差。听着不多,但强度预报是这行公认最难啃的部分,多年没出现过大幅度的进展。
还有一项更实用的指标:概率。在「风速超过 64 节的可能性有多大」这类问题上,WN-C 的得分是欧洲中心集合预报和 GenCast 的两倍多;64 节(约每小时 118 公里)是风暴够格叫飓风的门槛。照着这个概率做撤离决策,按 DeepMind 的说法,比照着欧洲中心的结果更划算。
粗一百倍的数据
WN-C 用的数据比专业区域模型粗大约一百倍,却更准,而为什么能这样,论文作者自己也答不上来。
它的数据网格,每个格点覆盖约 28 公里见方的范围。团队还试了个精简版,格点放大到 111 公里,结果依然有竞争力。
高分辨率并不是做出顶尖强度预报的硬前提。
论文作者这句话推翻的,是这一行几十年的共识:想算准风暴内部有多强,就得把格子切得足够细。现在看,粗网格里本来就藏着够用的强度信息,只是过去没人取得出来。模型怎么在这个分辨率下做到这么准,论文里明写着是尚未解决的研究问题。
两种数据一起学
真正起作用的是它同时吃了两种完全不同的数据:全球大气场,和一份约 5000 场历史气旋的档案。
一份是欧洲中心的全球大气分析数据,近 20 TB,大约四千部高清电影的体积;另一份是整理过的历史风暴档案,记着每场风暴的位置、强度、影响范围,是一张张表格。
天上的数据是图,档案是表,两种东西没法直接一起训练。团队的做法是把表格里的风暴信息投影到和天气数据同一张地理网格上,让它们变成同一种语言。这样网络才能一次吐出路径、强度和风圈半径。
论文把这个联合训练拆掉重训了一遍做对照,提升就消失了。准确率的来源就是它。
快了八倍,于是敢跑一千次
换掉上一代的生成方式后,同一步预报只需跑一遍神经网络,快了八倍,于是每场风暴能一口气模拟 1000 种可能。
GenCast 用的是扩散(AI 画图常用的那套办法:从一团噪点开始反复擦洗几十遍,才擦出一张图),每走一步预报都要跑几十遍网络。WN-C 换成一次成型的生成网络,跑一遍就够。
表达不确定性的方式也变了。多数做法是往每个像素上撒随机噪声,得到的是同一张结果的若干个毛糙版本。WN-C 把噪声打进网络的控制层,出来的是几种彼此不同、但各自都物理上说得通的剧本,几个不同的未来。
速度直接换成了数量:15 天预报在谷歌自家的一块 AI 芯片上不到一分钟跑完,并行预报的条数就从 50 条提到了 1000 条。罕见的极端情况,本来就得靠足够多的模拟次数才碰得上。
补位,不是替位
把 WN-C 塞进美国国家飓风中心的官方加权预报里,路径准确率提升 28%,强度只提升约 6%。强度这块,老模型仍是主力。
NHC 发布的官方预报不是某一个模型的输出,而是几个物理模型结果的加权平均,路径和强度分开算(路径叫 TVCN,强度叫 IVCN)。研究者做了一次模拟,把 WN-C 当成新成员加进这个加权里。路径涨 28%,强度只涨 6%,这个落差本身就是结论。几十年攒下的物理模型,在强度上还没有被顶替。
DeepMind 把 WeatherNext 2 和 WN-C 的代码与权重都放上了 GitHub(开源,任何人可以下载、检查、自己跑一遍),精简版能在一块芯片上、用免费的在线笔记本环境跑起来。官方口径也写得很直白:正式警报请以各国气象部门为准,这套模型是给预报员当参考的。
该信到什么程度
这套模型最值得信的地方,恰恰是它不直接对公众说话,而把结论交给人类预报员。谷歌在预警这件事上翻过车。
2023 年土耳其大地震,谷歌的 Android 地震预警系统把一场 7.8 级地震判成了 4.5 到 4.9 级,只发出 469 条最高级别警告,而本该收到警告的是数百万人。一个自动系统直接对着公众发警报,失准的代价就是这样。
WN-C 的位置不一样:它的输出进的是 NHC 的加权集合,中间隔着一层人。代码和权重公开,合作方里有英国气象局和美国国家飓风中心,别人能复核。这些安排本身就是对「机制不明」的一种对冲。连作者都承认,粗网格为什么管用还没搞清楚。
同一时期,DeepMind 内部并不太平:CEO Demis Hassabis 从日常管理中抽身,转任 Alphabet 首席科学家;首席研究员 Jeff Dean 在公司待了 27 年后离职,和几位资深研究员一起创办了 AI 创业公司 Discovery Loop。论文里的成绩是实的。但把一个人事正在变动的团队做出的实验性模型接进生命攸关的预警链条,只能当参考,不能当结论。