背景：每一小时都关乎生死
热带气旋——飓风、台风、气旋——是地球上最具破坏力的天气现象之一：过去 50 年造成超过 70 万人死亡、1.4 万亿美元经济损失。对于预报员来说，及时准确的预警是一场与时间的赛跑。Google DeepMind 在 Nature 发表的论文中宣布，其 WeatherNext 模型在预测气旋路径、强度与风场结构方面达到 SOTA 精度，平均为预报员多争取到一天的预测窗口。该消息在 Hacker News 获得 367 分、110 条评论。
核心成果：相当于气象学十年的进步
研究团队的评估显示：WeatherNext 的 3 天预报精度，相当于此前顶级模型 2 天预报的水平——这多出来的 24 小时，被团队形容为「约等于气象学十年进步」。在 2023-2024 年历史气旋的回测中，模型在路径、强度和风场结构三项指标上全面领先。更难得的是，模型已产生实际影响：2025 年飓风季，WeatherNext 帮助美国国家飓风中心（NHC）对飓风 Melissa 做出了历史性预报——成功预测其快速增强并在牙买加登陆，使 NHC 得以提前发出预警，为地面防灾争取了关键时间。今年，双方继续合作，并已开始预测每个气旋的 1000 种可能情景。
技术分析：一个模型弥合两类方法的鸿沟
传统气旋预报长期面临两难：路径由全球尺度的大气环流主导，适合粗网格全球模型；而强度由气旋核心区域局部的细尺度热力学过程决定，需要专门的高分辨率局部模型。WeatherNext 用单一模型同时解决两者——它基于约 20TB 全球大气数据端到端训练，并融合了收录近 5000 场历史风暴的 IBTrACS 专家标注数据。
最令人惊讶的是分辨率：传统模型依赖极高空间分辨率来提升强度预报精度，而 WeatherNext 仅需 28×28 公里的输入——比传统模型粗 100 倍——就能达到更优结果；更小的 WeatherNext 2-mini 版本以 111 公里分辨率运行也表现优异。模型采用 Functional Generative Networks（FGN）高效生成预报集合：单次 15 天预报在 TPU 上不到一分钟即可完成，今年集合规模从去年的 50 成员扩大到 1000 成员，能够捕捉快速增强这类罕见但致命的极端情景。目前，研究团队已开源 WeatherNext 2 与 WeatherNext Cyclones 模型，希望赋能全球研究社区与本地气象机构。
社区反响
HN 用户普遍叫好，不少人借此表达对「AI 只做聊天机器人」的不满：「这才是有影响力、比另一个编码 Agent 有趣得多的 AI 应用」；「近来 AI 的一切都聚焦 LLM，但这类针对特定问题的强力模型更有意思——SOTA 天气模型在精度上已超越经典数值天气预报，而推理效率高几个数量级」。也有人从应用角度点赞：「对货船尤其有用，更好的预报能省油也更安全」。评论还提到一个常被忽视的要素：「准确的气象预报是 20、21 世纪重大成就，计算力是核心，但政府布设的地面实测数据基础设施同样至关重要」。当然也有调侃：「下一步：操控它们」——呼应科幻小说《Permutation City》中的情节。
原文：DeepMind blog: WeatherNext breakthrough in forecasting cyclones
HN 讨论：news.ycombinator.com/item?id=49220126