谷歌DeepMind推出最先进的天气预报模型WeatherNext 2，该AI模型能提供更高效、更精准、更高分辨率的天气预报。

谷歌推出最先进天气预报模型WeatherNext 2

谷歌DeepMind与研究团队于2025年11月17日发布了最新一代天气预报系统WeatherNext 2。这款AI驱动的模型在预测速度、准确性和分辨率方面实现重大突破，主要特点包括：

核心技术突破 - 采用新型功能生成网络（FGN）架构，能在单块TPU芯片上1分钟内生成数百种天气情景预测 - 预测分辨率提升至1小时级别，在99.9%的气象变量（温度/风速/湿度等）和预测时段（0-15天）上超越前代模型 - 创新性地通过"噪声注入"技术，在保持物理真实性的前提下生成多样化的天气场景

实际应用部署 - 预测数据已接入Google Earth Engine和BigQuery平台 - 通过Vertex AI平台开放早期访问计划 - 已应用于Google搜索、Gemini、Pixel天气和地图平台的天气API服务 - 即将为Google Maps的天气信息提供支持

该技术特别擅长预测极端天气事件的概率分布，曾成功应用于实验性气旋预测项目。谷歌表示将继续整合新数据源并扩大访问范围，以推动气象科学发展和全球决策支持。

（注：原文中大量导航菜单、分享按钮、推荐阅读等非核心内容已省略，保留技术参数、应用场景和发布信息等关键细节）

以下是评论内容的总结，涵盖主要观点和论据：

1. 定价与商业模式

   • 有评论提到Google Maps的定价可能影响天气服务（评论1）
   • 引用："Pricing, I think?"
   • 引用："https://developers.google.com/maps/billing-and-pricing/pricing#environment-pricing"

2. 预报准确性质疑

   • 用户质疑模型改进是否真正提升预报准确性（评论3、5）
   • 引用："all I care is that there's one accurate forecasted scenario"
   • 引用："I don't feel as if I get any more accurate data now than I did back when my parents turned to the daily weather channel"

3. 技术细节需求

   • 专业人士希望获得更高分辨率模型（评论4）和独特训练方法说明（评论9）
   • 引用："energy markets have moved to 15-min and 5-min resolution"
   • 引用："trained with a 'crps' objective which I haven't seen at all outside of ml weather prediction"

4. 应用场景探讨

   • 包括灾害模拟（评论6）和硬件数据利用（评论7）
   • 引用："simulate whether something like Hurricane Melissa would've gone through southern US states"
   • 引用："still no word from Google if they will use the barometers in Android devices"

5. 实际效果验证

   • 询问该模型是否与飓风预测成功案例相关（评论8）
   • 引用："Is this the same model as provided the most accurate hurricane predictions this season?"

6. 产品可用性

   • 用户寻找类似DarkSky的本地化预报服务（评论10）
   • 引用："Where can I use this? I’ve been trying to find hyperlocal forecasts"

7. 幽默性质疑

   • 对天气数据波动原因的调侃（评论2）
   • 引用："attributed it to likely budget cuts as a result of DOGE"

总结呈现了从终端用户到技术专家的多维度讨论，核心矛盾集中在技术改进与实际体验的落差，同时包含对商业化和应用场景的关切。