Google DeepMind推出WeatherNext 3气象大模型：高时空分辨率全球预报的新里程碑
近日，Google DeepMind正式发布了新一代气象大模型——WeatherNext 3，该模型实现了每小时更新与5公里分辨率的全球天气预报能力，标志着AI气象预报在时空精度上迈入全新阶段。相比此前DeepMind的GraphCast（10公里分辨率，6小时更新）以及2024年推出的WeatherNext（10公里，6小时更新），WeatherNext 3在分辨率上提升了一倍，时间分辨率则从6小时压缩至1小时，极大增强了对中小尺度天气系统（如雷暴、锋面、局地强降水）的捕捉能力。
技术架构与创新
WeatherNext 3延续了DeepMind在气象大模型中的“编码-处理-解码”框架，但引入了全新的**多尺度时空注意力机制**与**自适应网格生成器**。模型不再依赖固定的经纬度网格，而是根据大气动力学特征动态调整计算网格密度——在天气系统活跃区域（如台风眼墙、急流轴附近）自动加密至2公里，而在稳定区域保持5公里基准，从而在计算效率与精度之间取得平衡。此外，模型首次整合了来自全球气象站、探空仪、飞机报、卫星辐射率及雷达反射率等多源观测数据，通过“在线同化”模块实现实时数据融合，支撑每小时更新。
预报性能与对比验证
在独立测试中，WeatherNext 3在500 hPa位势高度、2米温度、10米风场等关键变量上，均优于欧洲中期天气预报中心（ECMWF）的IFS HRES（约9公里分辨率，6小时更新）和华为盘古气象大模型（7公里，6小时更新）。特别是在短时强降水预报（0-6小时）和台风路径预测（24小时）场景下，其均方根误差降低了12%-18%。值得关注的是，模型在缺乏观测数据的海洋区域（如南大洋、北极）表现反而更稳定，说明其物理约束机制有效抑制了外推误差。
行业影响与挑战
WeatherNext 3的发布将直接赋能航空航运、可再生能源（风电功率预测）、农业灌溉调度及灾害应急响应等场景。然而，每小时生成5公里全球预报需要巨大的计算资源（据估算，单次推理约需2000个TPU v5e核心运行5分钟），高成本可能限制其在中小型气象服务机构的落地。此外，极端天气事件（如龙卷风、冰雹）的预报仍面临“尺度悬崖”——5公里分辨率尚不足以直接解析单体风暴，未来需结合区域高分辨率模式或雷达外推实现“最后一公里”预警。总体而言，WeatherNext 3展现了AI在传统数值天气预报中“降维打击”的潜力，但距离完全替代动力模式仍需在物理一致性和可解释性上持续突破。
