WeatherNext 颶風模型：AI 如何為預報員爭取到關鍵的額外一天

該模型以數十年的全球大氣資料，以及一個收錄近 5,000 個歷史熱帶氣旋的資料庫進行訓練。它能在短短不到一分鐘內，於單一 TPU 上為每個風暴產出 1,000 個機率情境，讓預報員擁有更多可能的結果，而非單一的確定性預測。

準確度提升：整整多出一天的預警時間

最關鍵的成果具體且可衡量。根據《自然》期刊論文，WeatherNext Cyclones 的三天預報，其準確度與過去領先模型兩天預報的水準相當。這平均為預報員爭取到約 24 小時的額外預警時間，可用來警告位於氣旋路徑上的社區。

這項改善是透過 2023 年至 2025 年的熱帶氣旋資料驗證的。在路徑、強度與風場結構等指標上，WeatherNext 的表現皆優於 ECMWF-ENS、HWRF 等領先的作業化模型。Google DeepMind 形容這項進步，相當於「約十年的典型氣象預報進展」。

實戰驗證：2025 年梅麗莎颶風（Hurricane Melissa）

WeatherNext Cyclones 不只是研究計畫。它在 2025 年大西洋颶風季 期間實際投入作業，並在此過程中獲得最戲劇性的實戰驗證。

2025 年 5 月，該模型即時預測了 梅麗莎颶風的急速增強。從一級颶風的風速開始，WeatherNext 準確預測該風暴將達到五級強度——這項預測引起了美國國家颶風中心（NHC）預報員的注意。

關鍵的是，NHC 依據 WeatherNext 的預測，在梅麗莎颶風登陸牙買加前 五天 就發布了警報。根據 Google DeepMind 的說法，這是 NHC 預報員首次從一級風速就預測到風暴將達到五級強度，而這多出來的預警時間幫助拯救了性命。該模型的預測信心水準高達 80%，給予決策者行動所需的確定性。

技術躍進的關鍵

WeatherNext Cyclones 以 Google DeepMind 在 2025 年 11 月推出的更廣泛 WeatherNext 2 架構為基礎。WeatherNext 2 的預報速度比前代系統快 8 倍，解析度最高可達每小時一次。但針對氣旋的專用模型，需要解決一個更困難的問題：如何利用相對粗略的全球大氣資料（而非高解析度區域網格）做出準確預測。

根據《自然》期刊論文，WeatherNext Cyclones 挑戰了「準確的氣旋預報必須依賴高解析度資料」的長期假設。透過在全球大氣條件上訓練，該模型無需傳統高解析度模型的龐大運算成本，就能達到最先進的準確度。這是該模型能夠快速運行、足以支援即時作業的關鍵原因。

開源：讓技術觸手可及

與許多鎖在企業實驗室裡的 AI 突破不同，Google DeepMind 已將 WeatherNext Cyclones、WeatherNext 2 和 WeatherNext 2-mini 以開源模型的形式釋出。

程式碼與模型權重已在 GitHub 上以商業可用授權提供。這意味著開發中國家的國家氣象局——這些機構可能沒有預算購買專有預報系統——可以下載、運行並根據當地需求改編這些模型。輕量級的 WeatherNext 2-mini 版本甚至設計成可在 Colab 筆記本中運行，讓運算資源有限的研究人員也能輕鬆使用。

對未來氣旋預報的意義

多出一天預警時間的實際影響，再怎麼強調也不為過。每多一個小時的預警時間，應變管理人員就能用來下達撤離令、預先部署物資，並向弱勢族群發布針對性警報。在氣候變遷使熱帶氣旋變得更強、更難預測的世界裡，一個能一次帶來十年進展、而且人人可以免費使用的 AI 模型，無疑是全球氣候韌性的一大步。