谷歌研究院与 DeepMind 于 9 月 6 日发布 AI 天气模型 WeatherNext 3，该模型摒弃了传统物理模拟方法，直接基于实时卫星数据进行学习，能够提供每小时更新、最高 5 公里分辨率的天气预报，分辨率较前代提升约 5 倍。目前，该模型已集成至谷歌搜索、地图和 Gemini 等产品中。
与依赖数值天气预报（NWP）数据的上一代模型不同，WeatherNext 3 直接处理实时地球同步卫星数据。谷歌表示，传统物理模拟通常在超级计算机上运行，存在约 6 小时的延迟，这会导致对降雨、气温等快速变化变量的预测产生误差。而 WeatherNext 3 每小时基于最新观测数据生成一次预报，对于快速发展的风暴或降水过程，更短的更新周期意味着更早、更准确的预测。
在分辨率方面，WeatherNext 3 在不同变量上采用不同网格：温度与湿度为 5 公里，其他地表变量为 10 公里，风速等大气变量为 25 公里。相比之下，前代 WeatherNext 2 使用 25 公里网格、每 6 小时更新一次。谷歌以英国气温预报为例说明差异：WeatherNext 2 的 25 公里网格产生像素化图像，而 WeatherNext 3 的 5 公里网格能捕捉山脉、海岸线等局部地形细节。此外，模型还利用单个气象站的数据进行训练，以更好地反映海岸线、山谷和山脉等区域特征。
谷歌指出，拉丁美洲、非洲和亚太地区的许多区域因传统区域模型计算成本高昂而缺乏精准预报，这些地区有望从 WeatherNext 3 中获得最大收益。
在降水预报方面，全球天气模型长期面临挑战，因为雨雪取决于小尺度上的快速云过程。谷歌使用 NASA 的卫星降水数据集 IMERG 以及谷歌自有的基于卫星雷达的全球降水分析数据训练模型。在中期全球预报中，模型的连续排序概率评分（CRPS）较 IMERG 提升最高 60%，较 MRMS 提升 30%，在短时效内较雨量计数据提升 10%。
WeatherNext 3 还针对可再生能源应用进行了优化：可预测 100 米高度（约风机轮毂高度）的风速，以估算风电场出力；更准确的云量和太阳辐照度数据则有助于太阳能电站计算预期发电量。谷歌表示，这将帮助电网运营商平衡供需。
目前，WeatherNext 3 已支持谷歌搜索、Gemini 应用、谷歌地图、谷歌地图平台天气 API 及谷歌地球引擎中的天气功能。研究人员、开发者和企业可通过 BigQuery 和 Earth Engine 查询数据，或从谷歌云存储批量下载。谷歌称，用户在规划未来一天或更长时间的行程时，降水预报准确率最高可提升 50%，在以往预测可靠性较低的地区提升最为明显。
谷歌同时提醒，大气层始终存在一定程度的不确定性，对于官方预报、恶劣天气警报和安全建议，用户应参考各国气象部门的信息。
WeatherNext 3 的发布延续了谷歌在 AI 天气预测领域的快速迭代。DeepMind 于 2025 年 11 月推出 WeatherNext 2，该模型在 99.9% 的气象变量和预报窗口上优于第一代，运行速度快 8 倍，可在单块 TPU 上一分钟内处理数百个天气情景。2026 年 8 月，DeepMind 以开放许可发布了 WeatherNext 2 和 WeatherNext Cyclones，后者可在一个系统中预测热带风暴路径和强度，尽管网格比主流业务模型粗糙约百倍，但预测时效领先约一天。更早的 2024 年底，DeepMind 发布了 GenCast，这是首个在性能上超越 ECMWF 集合预报系统的概率性 AI 天气模型。
从产业角度看，AI 天气模型正从实验室走向实际应用，其高频、高分辨率的预测能力对依赖天气的可再生能源、物流、农业等领域具有直接价值。谷歌将 WeatherNext 3 集成至搜索、地图等大众产品，也标志着 AI 天气预测正成为基础设施级服务。