谷歌发布的新一代AI天气预报模型WeatherNext2，在99.9%的变量表现上优于前代产品

11月18日消息，天气的变动会对全球供应链、航班航线以及日常出行等各类决策产生影响，而随着近年来人工智能在预报能力上的持续进步，人们获取和运用天气信息的方式也发生了改变。

当地时间周一，Google DeepMind 与 Google Research 联合发布了全新的天气预测模型 WeatherNext 2，该模型被称作当前最先进、最高效的 AI 天气预报系统。

据谷歌官方介绍，WeatherNext 2 的运算速度较前代提升约 8 倍，还能生成分辨率精细到 1 小时级别的预测结果。它的主要突破源于可提供数百种可能情境的新模型架构，此前团队也已借助这类技术在实验性气旋预测中帮助气象机构开展多情境分析。

此次发布意味着该研究成果首次正式向用户开放。WeatherNext 2的预测数据目前已在Earth Engine和BigQuery平台上线，与此同时，Google Cloud旗下的Vertex AI也开启了早期体验计划，支持用户开展自定义模型推理操作。

此外，谷歌还把WeatherNext技术融入了旗下的多款服务，像Search、Gemini、Pixel Weather以及Google Maps Platform的Weather API都包含在内，并且在接下来的几周里，该技术还会进一步应用到Google Maps的天气信息功能中。

据介绍，新模型可从单一起始状态推演出数百种天气发展的可能情形，每条推演在单个TPU上耗时不到一分钟，而传统基于物理的超级计算模型完成同样任务可能需要数小时。

官方表示，WeatherNext 2 在0到15天的预报周期内，在温度、风速、湿度等99.9%的相关变量上均实现了对前代产品的全面超越，并且能够提供分辨率更高的预报结果。

其性能的大幅提升，源于一种名为Functional Generative Network（FGN）的全新AI建模技术。该技术在模型架构中直接引入“噪声”，以此保证生成的预测结果既符合物理规律，又具备内在的关联性。这种建模方式，对于气象学领域中“边际”（marginals）与“联合”（joints）两类预测任务来说尤为重要。其中，边际预测针对的是单一气象要素，比如某地具体的气温数值、特定高度的风速或湿度情况；联合预测则聚焦于由这些单一要素组成的复杂大系统，像高温影响的区域范围，或是整个风电场的预期发电量等。据官方介绍，该模型仅需以边际数据开展训练，却能高效地对联合系统进行推算，这正是其方法的独特优势所在。