全球气象预报领域迎来重大突破，Google DeepMind与Google Research携手打造的全新AI天气模型WeatherNext3正式亮相。该模型突破了传统气象AI在局部地形分辨率和初始化延迟方面的技术限制，通过创新的数据接入方式和训练机制，实现了预报精度与效率的双重提升，为全球天气预报智能化发展注入新动能。
在技术架构层面，WeatherNext3延续了前代模型的概率型功能生成网络（FGN）网格Transformer框架，并升级为多分辨率输出模式。其输入系统整合了全球实时静止卫星拼图与欧洲中期天气预报中心（ECMWF）的HRES分析数据，训练阶段更融合了ERA5再分析数据、NASA的IMERG卫星降水数据、地面气象站观测记录等多源信息。与传统模型依赖数值天气预报（NWP）再分析网格不同，WeatherNext3通过直接学习原始气象站数据，使0.05度分辨率的温度和露点预报与实际仪器记录高度吻合，有效保留了海岸线、山谷等复杂地形引发的局部气候特征。
该模型在空间分辨率与更新频次上实现质的飞跃。单次运算即可生成三层次预报结果：第一层提供0.05度（约5公里）分辨率的2米气温和露点数据，基于气象站训练优化；第二层输出0.1度（约10公里）网格的表面参数，涵盖风速、气压、海温等12项指标；第三层则呈现0.25度（约25公里）分辨率的13层大气场数据。相较于前代每6小时更新一次的0.25度预报，新模型精度提升约5倍。在初始化机制上，其采用每小时卫星观测实时更新，每日完成24次模型初始化，其中世界时00、06、12、18时的循环预测可延伸至15天，并包含64个集成成员，而临时每小时预报则覆盖48小时窗口，彻底摆脱了传统数值预报6小时延迟的局限。
针对长期困扰行业的降水预报难题，WeatherNext3展现出显著优势。通过整合ECMWF再分析数据、NASA卫星反演数据及Google自主研发的卫星雷达降水再分析系统，该模型在早期预报阶段的连续排名概率评分（CRPS）较IMERG基准提升最高达60%，与地面雨量计的匹配度也显著改善。在新能源领域，模型可精准输出100米高度风速、全层次云量分布及太阳辐照度分量等关键参数，为电网运营商预测风能、太阳能发电量提供可靠数据支撑，助力清洁能源产业优化调度策略。
目前，WeatherNext3的预报数据已开放申请通道，用户可通过BigQuery、Earth Engine及Cloud Storage等平台获取相关服务。不过，模型核心权重尚未公开，按需定制推理功能仍沿用旧版WeatherNext2架构。随着该技术的逐步推广，全球天气预报体系正加速向高精度、实时化的智能阶段演进。
