2025 年 11 月 18 日，繼 Weather Lab 后，谷歌 DeepMind 與谷歌研究院又推出了全新的預(yù)測模型WeahterNext 2。它能以 8 倍速度生成預(yù)報，分辨率最高可達 1 小時。這一突破得益于一種能夠提供數(shù)百種可能情景的新模型。

該模型的預(yù)報數(shù)據(jù)已經(jīng)可以在Earth Engine 和 BigQuery 中獲取。在谷歌云的 Vertex AI 平臺上，他們還推出了一個用于定制模型推斷的搶先體驗項目。

相關(guān)鏈接：https://console.cloud.google.com/vertex-ai/publishers/google/model-garden/weather-next-v2

通過引入WeatherNext 技術(shù)，谷歌團隊現(xiàn)在升級了搜索、Gemini、Pixel Weather 和谷歌地圖平臺天氣 API 中的天氣預(yù)報。未來幾周，它還將幫助谷歌地圖中提供天氣信息。

相關(guān)視頻：https://youtu.be/YQwqoEm_xis

天氣預(yù)報的必要性

天氣預(yù)報需要涵蓋所有可能性——包括最壞的情況，這對規(guī)劃來說非常重要。

WeatherNext 2 可以從單個起點預(yù)測數(shù)百種可能的天氣結(jié)果。每次預(yù)測在單個 TPU 上僅需不到一分鐘；而在使用基于物理模型的超級計算機上，這需要數(shù)小時。

圖示：神經(jīng)網(wǎng)絡(luò)創(chuàng)造的連續(xù)變異。

與前代對比，WeatherNext 2 幾乎可以說是全方位碾壓。它在 99.9% 的變量（如溫度、風(fēng)、濕度）和預(yù)測時間（0-15天）上超過了之前最先進的WeatherNext模型，這使預(yù)報更加有用和準確。

性能提升得益于一種名為功能生成網(wǎng)絡(luò)（FGN）的新型 AI 建模方法，它直接向模型架構(gòu)注入“噪聲”，使其生成的預(yù)報保持物理真實且相互關(guān)聯(lián)。

這種方法特別適用于預(yù)測氣象學(xué)家所說的“邊緣值”和“聯(lián)合值”。前者指獨立的天氣元素，后者則是一個大型、復(fù)雜、相互關(guān)聯(lián)的系統(tǒng)中各個要素的組合方式。

圖示：連續(xù)排名概率評分。

借助WeatherNext 2，谷歌團隊再一次將尖端研究轉(zhuǎn)化為具有高影響力的實際應(yīng)用，并將其推廣至全球社區(qū)。團隊表示，他們?nèi)栽诜e極提升模型的能力，希望能以此加速科學(xué)發(fā)現(xiàn)，賦能全球的研究人員、開發(fā)者和企業(yè)生態(tài)系統(tǒng)，幫助他們在當今最復(fù)雜的問題上做出決策并為未來奠定基礎(chǔ)。

原文鏈接：https://blog.google/technology/google-deepmind/weathernext-2/