谷歌研究院與 DeepMind 於 9 月 6 日釋出 AI 天氣模型 WeatherNext 3，該模型摒棄了傳統物理模擬方法，直接基於即時衛星資料進行學習，能夠提供每小時更新、最高 5 公里解析度的天氣預報，解析度較前代提升約 5 倍。目前，該模型已整合至谷歌搜尋、地圖和 Gemini 等產品中。
與依賴數值天氣預報（NWP）資料的上一代模型不同，WeatherNext 3 直接處理即時地球同步衛星資料。谷歌表示，傳統物理模擬通常在超級計算機上執行，存在約 6 小時的延遲，這會導致對降雨、氣溫等快速變化變數的預測產生誤差。而 WeatherNext 3 每小時基於最新觀測資料生成一次預報，對於快速發展的風暴或降水過程，更短的更新週期意味著更早、更準確的預測。
在解析度方面，WeatherNext 3 在不同變數上採用不同網格：溫度與溼度為 5 公里，其他地表變數為 10 公里，風速等大氣變數為 25 公里。相比之下，前代 WeatherNext 2 使用 25 公里網格、每 6 小時更新一次。谷歌以英國氣溫預報為例說明差異：WeatherNext 2 的 25 公里網格產生畫素化影像，而 WeatherNext 3 的 5 公里網格能捕捉山脈、海岸線等區域性地形細節。此外，模型還利用單個氣象站的資料進行訓練，以更好地反映海岸線、山谷和山脈等區域特徵。
谷歌指出，拉丁美洲、非洲和亞太地區的許多區域因傳統區域模型計算成本高昂而缺乏精準預報，這些地區有望從 WeatherNext 3 中獲得最大收益。
在降水預報方面，全球天氣模型長期面臨挑戰，因為雨雪取決於小尺度上的快速雲過程。谷歌使用 NASA 的衛星降水資料集 IMERG 以及谷歌自有的基於衛星雷達的全球降水分析資料訓練模型。在中期全球預報中，模型的連續排序機率評分（CRPS）較 IMERG 提升最高 60%，較 MRMS 提升 30%，在短時效內較雨量計資料提升 10%。
WeatherNext 3 還針對可再生能源應用進行了最佳化：可預測 100 米高度（約風機輪轂高度）的風速，以估算風電場出力；更準確的雲量和太陽輻照度資料則有助於太陽能電站計算預期發電量。谷歌表示，這將幫助電網運營商平衡供需。
目前，WeatherNext 3 已支援谷歌搜尋、Gemini 應用、谷歌地圖、谷歌地圖平台天氣 API 及谷歌地球引擎中的天氣功能。研究人員、開發者和企業可通過 BigQuery 和 Earth Engine 查詢資料，或從谷歌雲端儲存批次下載。谷歌稱，使用者在規劃未來一天或更長時間的行程時，降水預報準確率最高可提升 50%，在以往預測可靠性較低的地區提升最為明顯。
谷歌同時提醒，大氣層始終存在一定程度的不確定性，對於官方預報、惡劣天氣警報和安全建議，使用者應參考各國氣象部門的資訊。
WeatherNext 3 的釋出延續了谷歌在 AI 天氣預測領域的快速迭代。DeepMind 於 2025 年 11 月推出 WeatherNext 2，該模型在 99.9% 的氣象變數和預報視窗上優於第一代，執行速度快 8 倍，可在單塊 TPU 上一分鐘內處理數百個天氣情景。2026 年 8 月，DeepMind 以開放許可釋出了 WeatherNext 2 和 WeatherNext Cyclones，後者可在一個系統中預測熱帶風暴路徑和強度，儘管網格比主流業務模型粗糙約百倍，但預測時效領先約一天。更早的 2024 年底，DeepMind 釋出了 GenCast，這是首個在效能上超越 ECMWF 集合預報系統的機率性 AI 天氣模型。
從產業角度看，AI 天氣模型正從實驗室走向實際應用，其高頻、高解析度的預測能力對依賴天氣的可再生能源、物流、農業等領域具有直接價值。谷歌將 WeatherNext 3 整合至搜尋、地圖等大眾產品，也標誌著 AI 天氣預測正成為基礎設施級服務。