2025年10月，飓风梅丽莎以五级强度登陆牙买加，成为有记录以来袭击该岛的最强飓风，也追平了大西洋飓风的历史强度纪录。但真正让气象学界震动的，不是这场风暴的破坏力，而是一个AI模型在它还是一团热带低压时就做出的判断——五天前，准确率80%，预测它会变成五级飓风并直扑牙买加。
做出这个判断的是谷歌DeepMind的WeatherNext。2026年8月6日，一篇发表于《自然》的论文正式披露了技术成果，同时发布的还有专用于热带气旋预测的WeatherNext Cyclones模型。谷歌DeepMind同步开源了模型代码与权重，将这项能力交到了全球气象研究者的手中。
一场持续半个世纪的单选题
热带气旋——台风、飓风、气旋的统称——是地球上破坏力最强的天气现象之一。过去50年，全球因热带气旋造成的死亡人数超过70万，经济损失高达1.4万亿美元。每一次预警的提前，都意味着更多生命可以被转移，更多财产可以被保护。
但气象学家长期以来面临一个两难困境：预测气旋的路径需要理解全球尺度的大气环流，这依赖ECMWF和GFS这样的全球数值模式，它们在路径预测上表现出色；但预测气旋的强度，则需要高分辨率看清驱动风暴引擎的小尺度雷暴结构，这恰恰是全球模式力所不及的。反过来，高分辨率区域模式能更好地捕捉强度变化，却缺乏全球背景信息来精确导航路径。
结果是，传统预测要么路径准而强度不准，要么强度准而路径偏。两种模式各有所长，但无法兼得。美国国家飓风中心主任迈克尔·布伦南对此直言不讳：「热带风暴和飓风的结构和强度变化极快，这让它们比其他天气系统更难预测。」
WeatherNext Cyclones的出现，打破了这道单选题。
一个模型，三个维度，一日领先
WeatherNext Cyclones并非从零起步。它属于谷歌DeepMind WeatherNext模型家族，前身是2023年发布的GraphCast和2025年11月发布的WeatherNext 2。但这一次，团队在通用全球天气预报能力之上，专门针对热带气旋做了定制优化。
论文披露的核心数据令人印象深刻：在路径、强度和风场结构三个维度上，WeatherNext Cyclones均实现了行业最佳精度。具体来说，其三天的预报精度，相当于此前最先进模型两天的水平——整整多出了一天的预测领先时间。论文作者将其描述为「相当于气象学领域十年的进步」。
这一突破来自训练策略和架构设计的独特组合。模型基于20TB大气数据与近5000个历史风暴样本训练，学会了从全球大气模式中识别气旋生成和演化的规律。单次15天预报的计算耗时不到1分钟，而传统数值模式跑一次同等规模的预测通常需要数小时甚至数天，并且依赖超级计算机。
更令人意外的是它的输入分辨率。WeatherNext Cyclones处理的是28×28公里的网格输入，约相当于传统区域高分辨率模式网格面积的100倍之粗。论文明确指出，高分辨率并非实现高精度强度预测的必要前提——这一结论直接挑战了气象学界数十年来的工程共识。
梅丽莎时刻：从实验室到实战
技术的真正试金石不是论文中的指标，而是真实世界的表现。2025年大西洋飓风季，WeatherNext Cyclones迎来了它的实战大考。
飓风梅丽莎最初被发现时，只是一个微弱的热带低压。传统模型在两种可能性之间摇摆不定：它可能袭击海地后消散，也可能在向牙买加移动的过程中增强。但WeatherNext在五天前就以80%的置信度预测它将以五级强度登陆牙买加——三天前，这一置信度提升至接近100%。
这是历史上第一次，一个模型能够从如此低的初始风速出发，准确预测一场风暴将达到五级强度。NHC将这一预测纳入了官方预警流程，向牙买加气象局发出了提前警告。牙买加气象局局长埃文·汤普森事后评价道：「提前疏散和更好的准备，真的能减少伤害……它确实能拯救生命，保护人们想要守护的生计。」
在整个2025年飓风季中，WeatherNext在路径预测上的综合表现排名第一，甚至超过了NHC自身的官方预报。NHC的年度验证报告显示，在合并的大西洋和北太平洋区域数据中，WeatherNext的加权平均误差持续低于所有其他运营模型。
开源：气候韧性的「民主化」实验
论文发表的同一天，谷歌DeepMind将WeatherNext 2和WeatherNext Cyclones的模型代码与权重在GitHub上完整开源。这一举措的意义，可能不亚于模型本身的技术突破。
全球气象预测能力的地域分布极不均衡。发达国家拥有ECMWF、NHC这样的顶级机构和超级计算资源，而许多位于热带气旋最活跃地带的地区——如菲律宾、印度尼西亚、越南、孟加拉国——缺乏自主开发高精度预测模型的能力。WeatherNext Cyclones的开源，意味着这些国家的气象机构可以直接部署和使用一套世界级的气旋预测系统，而不需要投入数亿美元建造超级计算机。
谷歌DeepMind表示，已与菲律宾大气地球物理和天文服务管理局、中国台湾中央气象署、印度尼西亚气象气候和地球物理局以及越南国家水文气象预报中心等机构展开合作，下一步将扩展到日本、澳大利亚和印度。
但开源也带来了特殊的责任。谷歌DeepMind在博客中明确强调：「所有官方天气预报和预警，仍由各国家气象局发布。」WeatherNext的输出是决策支持工具，而不是替代官方预报的权威来源。
边界在哪：AI气象预测的四个未解问题
WeatherNext Cyclones的突破令人振奋，但仍有几个关键问题值得冷静审视。
极端降水预测仍然是AI模型的短板。此前GraphCast在极端降水强度上就表现出明显弱点，WeatherNext Cyclones虽然在路径和强度上取得突破，但论文并未证明其在降水量化预测上同样领先。对于洪涝灾害防控来说，这恰恰是最关键的一环。
模型的训练数据依赖历史气象记录。在气候变化导致极端天气频次和强度发生结构性变化的背景下，基于历史数据的模型能否准确捕捉「前所未有」的风暴形态，仍然是一个未被回答的问题。
AI模型的黑箱特性在气象领域存在特殊的信任门槛。传统数值模式基于物理方程，预报员可以追溯预报结果背后的物理过程；而AI模型给出的是统计意义上的最优输出。布伦南承认WeatherNext帮助他们做出了历史性决策，但同时也强调预报员的经验不可替代。
模型的计算效率优势——单次15天预报不到1分钟——建立在谷歌TPU集群之上。对于计算资源有限的发展中国家气象机构，实际部署中的推理延迟可能远高于论文报告的数字。开源解决了使用权问题，但算力需求仍然是一道隐形的门槛。
气象预报的「iPhone时刻」到了吗
从GraphCast到WeatherNext 2，再到今天的WeatherNext Cyclones，谷歌DeepMind用三年时间完成了从「AI能预报天气」到「AI在特定赛道超越传统模式」的跨越。Nature论文的同行评议背书，意味着这一突破已经获得了学术界的正式承认。
与此同时，Nvidia的FourCastNet、华为的盘古气象大模型、中国气象局的「伏羲」模型，都在从不同路线逼近同一个目标。AI气象预测赛道正在从技术验证期进入工程落地期。
但WeatherNext Cyclones传递了一个更值得深思的信号：当AI可以用100倍更粗的分辨率达到超越传统模式的精度，当三天预报的精确度抵得上过去十年的进步，气象学的基础假设正在被重新定义。分辨率不再是王，算力不再是唯一壁垒，数据和算法正在接管话语权。
在这场竞赛中，最大的赢家不是谷歌DeepMind，不是NHC，而是那些将在下一次飓风来袭时多出一天时间撤离的人。
快报