2025 年 11 月 17 日，Google DeepMind 与 Google Research 联合推出新一代 AI 天气预测模型 WeatherNext 2，这款被定义为 “目前最先进、最高效” 的气象模型，彻底重塑了全球天气预报的速度与精度，为从日常出行到产业决策的各类场景带来颠覆性改变。

      天气对人类生活的影响渗透在方方面面 —— 大到全球供应链调整、航线规划，小到个人每日通勤穿搭。近年来 AI 技术的突破，不断拓展着天气预报的可能性边界，而 WeatherNext 2 的出现，更是将这种突破推向了新高度。该模型最核心的优势在于效率与精度的双重飞跃：生成预报的速度较前代提升 8 倍，分辨率可精细至 1 小时级别，意味着用户能获取更实时、更精准的天气动态，为短时决策提供关键支撑。

      其背后的技术突破源于两大创新。一是全新的模型架构支持生成数百种可能的天气场景，仅从单一起始数据输入，就能通过独立训练的神经网络与函数空间噪声注入技术，模拟出天气发展的多种可能性，尤其能覆盖极端天气等关键风险场景，为气象机构制定应对方案提供全面参考。此前，谷歌已通过该技术的实验版本，在气旋预测中协助气象部门进行多情境分析，为防灾减灾提供了重要支持。

      二是创新性的Functional Generative Network（FGN，功能生成网络） 建模方式。这种技术直接在模型架构中注入 “噪声”，既保证了预测结果符合物理规律，又确保了各气象要素间的内在关联性。对于气象学中的 “边际” 与 “联合” 预测，FGN 展现出独特优势：“边际” 指单一气象要素，如某地精确温度、特定高度风速等，模型仅需基于这类数据训练；而 “联合” 则是由多个 “边际” 构成的复杂系统，如高温影响的整片区域、风电场的整体预期发电量等 ——WeatherNext 2 能从 “边际” 训练中自主学习 “联合” 预测能力，这正是其实现实用化预报的关键所在。

      在性能表现上，WeatherNext 2 交出了一份亮眼的答卷：在 0-15 天的预报周期内，针对温度、风力、湿度等关键气象变量，其预测精度在 99.9% 的指标上超越前代模型；更值得关注的是效率差距 —— 单条预测在单个 TPU（张量处理单元）上仅需不到 1 分钟即可完成，而传统基于物理原理的超级计算机模型，完成相同任务往往需要数小时。

      如今，这款前沿模型已正式走出实验室，落地到用户可感知的场景中。目前，WeatherNext 2 的预报数据已同步上线 Earth Engine 与 BigQuery 平台，Google Cloud 的 Vertex AI 平台也启动了早期访问计划，允许开发者与企业进行自定义模型推理，为产业级应用打开通道。同时，谷歌已将该技术整合到旗下核心服务中：用户在 Google 搜索、Gemini、Pixel Weather 以及 Google Maps Platform 的 Weather API 中，都能体验到升级后的精准天气预报；未来几周，Google Maps 的天气信息也将由 WeatherNext 2 提供技术支撑，进一步覆盖日常出行场景。

      Google DeepMind 团队表示，WeatherNext 2 的发布只是开始。后续将持续探索技术优化方向，包括整合更多数据源以提升预测全面性，进一步扩大访问范围让更多群体受益。通过开放强大的工具与数据资源，谷歌希望推动全球科研人员、开发者与企业协同创新，用 AI 天气预报技术应对极端天气、能源调度、粮食安全等复杂挑战，为构建更具韧性的未来提供技术支撑。

      从实验室走向现实，WeatherNext 2 不仅是 AI 在气象领域的一次重大突破，更标志着 “精准气象服务普惠化” 时代的到来。无论是普通人规避降雨通勤、农户安排农事活动，还是能源企业调整风电场发电计划、物流行业规划运输路线，都将因这款 AI 模型的落地，获得更科学、更高效的决策依据。