天气预报不准，尤其是刮风下雨这种小事，到底卡在哪？
过去三年，AI天气模型追得很猛，但一直有两个硬伤。第一，分辨率太粗，一道秦岭、一条海岸线在模型里基本被抹平了；第二，它开跑前必须“喂”一份数值天气预报的分析结果，而这份结果往往滞后大约6个小时。等于说，你让AI看的是6小时前的旧照片，然后让它告诉你现在窗外下不下雨。
谷歌DeepMind和Google Research这次发布的WeatherNext 3，就是冲着这两个老大难来的。
怎么治的？直接把气象站的真实测量数据拿来做训练，不再只盯着“再分析网格”。再分析网格这东西，通俗说就是把历史观测资料和物理模型捏在一起重新算一遍，相当于给AI画了一幅“平均脸”，细节全没了。山谷里的风、海岸线的雾、城市热岛的那几度温差，全被磨平。WeatherNext 3换了个思路，专门设计了一个“观测头”，直接在原始气象站的温度、露点读数上校准，输出分辨率拉到0.05度，也就是约5公里一格。换句话说，它学的是气象站里温度计和湿度计的真实读数，而不是模型脑补出来的平滑场。
这是谷歌“清晰度提升约5倍”说法的来源——WeatherNext 2的输出是0.25度，约25公里一格，而且每6小时才更新一次。WeatherNext 3的另一个大变化是刷新频率：每天初始化24次，其中四个主周期（00、06、12、18 UTC）能预报到15天，其余小时跑48小时。这意味着什么？对于夏天那种午后突然炸开的雷暴，6小时前的旧资料基本没用，而基于当前卫星云图每小时刷新一次，预报员能看到对流云团实打实的生长过程。
降水的改善这次尤其值得一提，因为降水一直是全球模型的软肋——预报出来总是模模糊糊一团，风暴边界根本看不清。WeatherNext 3的训练数据换了血，除了ECMWF的再分析资料，还加入了NASA IMERG的卫星反演降水，以及谷歌自己用卫星雷达做的降水再分析产品。效果立竿见影：Google称在短时效预报上，CRPS评分（一个衡量预报误差的指标）最高比基线提升了60%，对标美国MRMS雷达数据时提升30%，对标雨量计时也有10%的改善。研究里还提到，对标IMERG评估时，Brier分数和CRPS相比NWP基线最高能降50%。
对搞新能源的人来说，这次还有意外收获。模型直接输出100米高度风速——正好接近风机轮毂高度——加上完整的低中高云分布，以及太阳辐射的两个核心分量：地表短波向下辐射（SSRD）和过滤直射辐照（FDIR）。电网运营商要预测明天风光出力多少、该提前调度多少火电备用，这套组合基本就是按需定制。
不过有一点值得留意：模型权重这次没开源，如果你有自定义推理需求，谷歌那边跑的仍是上一代WeatherNext 2。预测数据可以通过BigQuery、Earth Engine和Cloud Storage申请获取。换句话说，谷歌把最锋利的刀磨好了，但刀柄还攥在自己手里。
AI天气模型的竞赛走到今天，已经从“能不能追上物理模型”变成了“能不能提供物理模型给不了的东西”。WeatherNext 3至少指了一个明确方向：预报的时效性，得靠实时观测来兜底。让AI看着天空本身，而不是看着6小时前的旧图猜天空——这逻辑听起来简单，做起来是另一回事。
