Google DeepMind与Google Research联合开发的AI气象模型WeatherNext，在飓风路径和强度预报方面展现出优于现有模型的表现。

据科技媒体Ars Technica当地时间8月8日报道，研究团队表示，WeatherNext平均可将飓风预报提前约1天，其对未来3天的预报精度可达到传统模型对未来2天的预报水平。

上述研究成果已发表于《自然》。研究团队称，WeatherNext在气旋预报中的准确性取得明显提升。对于应急部门而言，多出的这一天可能直接影响人员疏散、物资调配和救援部署等关键决策。

美国国家飓风中心主任Mike Brennan表示，即便只提前几个小时，结果也可能截然不同，因此把高精度预报再向前推进1天具有很高价值。飓风应对一旦错过关键窗口，损失可能迅速放大，而误判同样会带来高昂代价。

WeatherNext在2025年10月加勒比地区形成的飓风“Melissa”个案中受到关注。当时，多数传统气象模型对其路径判断分歧较大：一种情景是风暴维持较弱强度并向海地移动，另一种情景则是继续增强并转向牙买加。WeatherNext在登陆前5天给出预测，认为该风暴有80%的概率增强为5级飓风并袭击牙买加。此后，Melissa在牙买加多地引发洪水和山体滑坡，更早的预警为当地社区争取了更多准备时间。

研究团队指出，即便对于AI而言，飓风预报仍是难度极高的任务，原因在于极端天气事件发生频率较低，可用于训练的相关样本相对有限。Google DeepMind研究员Ferran Alet表示，单独看气旋数据并不充足，但整体气象数据规模很大，因此模型训练的重点，是同时提升对整体天气系统和气旋事件的刻画能力。

飓风预报的另一大难点在于，模型不仅要判断路径，还要准确评估强度。路径预报更多依赖冷锋位置、主导风场等大尺度全球信息；强度预报则需要更细致地捕捉大气和海洋的局地条件。联合大气研究所的Kate Musgrave表示，传统全球模型往往难以充分提取与强度变化相关的信息，而此前一些AI模型虽然在路径预报上表现较好，但在强度预报上效果并不理想。

在基于历史资料的回测中，WeatherNext已经展现出较强能力，但研究团队起初并不确定，这一表现能否在实际业务环境中得到验证。Kate Musgrave表示，最初的结果好到让人怀疑模型是否能在实时预报中复制同样表现；但在投入实际预报应用后，其性能依然保持稳定，“所有人都对它的效果感到惊讶”。

研究团队特别关注的一点是，WeatherNext即便采用分辨率较低的大气输入数据，仍能较准确地预测飓风强度。Ferran Alet称，研究社区在得知其输入数据分辨率后感到震惊，这可能意味着低分辨率数据中包含了此前未被充分识别的关键信息。不过，研究团队目前仍无法完全解释模型究竟捕捉到了哪些信号。他表示，AI依然属于“黑箱”，但它也可能为物理学家提供线索，提示某些尚未被充分理解的现象正在发挥作用。

WeatherNext并非只给出单一结果，而是会同时生成多个预报情景，以反映微小变化在时间推演过程中可能带来的显著差异。预报员可将这些结果与其他模型交叉比对，作为最终判断的参考。该模型此前针对每场风暴大约生成50种情景，目前已可提升至最多1000种。Kate Musgrave表示，以当前算力水平，传统数值预报模型很难完成如此规模的情景生成。

不过，一线专家也强调，AI并不能完全替代预报员。Mike Brennan认为，WeatherNext可以被视为预报员“工具箱”中的新增工具，但某一模型在某一年或某一次风暴中表现出色，并不意味着它在下一季或下一次风暴中仍一定是最佳方案。他还指出，飓风造成的实际影响并不只取决于路径和强度数值，如何判断其真实破坏形态，仍离不开专家经验。

Google DeepMind还表示，将把用于飓风季的WeatherNext模型开源发布。研究人员未来有望直接使用并迭代这一模型，从而为理解气旋运行机制提供更多线索。