热带气旋预报最棘手的地方，不只是判断它往哪里走，还要同时回答会增强到什么程度、风圈会扩到多大。Google DeepMind 8月6日公开的WeatherNext Cyclones，试图用一套AI模型同时处理路径、强度和风圈。刊于Nature的评估显示，它在2023至2025年气旋上，相比领先业务模型平均获得一天以上的预报提前量优势；WeatherNext 2与气旋专用模型也已开放代码和模型，研究者可以开始复现与扩展。

24小时优势，不只是把旧预报算得更快

论文把这项提升与传统气旋预报过去约十年的进步幅度相比较。这里的“多一天”不是说每场风暴都会固定提前24小时发出警报，而是指在同等误差水平下，模型的路径、强度和风圈预报平均能向前延伸一天以上。它还被加入加权共识集合：当AI结果与其他模型一起参与决策时，整体技巧继续提升，说明实际价值并不要求AI单独取代现有系统。

这也补上了AI气象长期存在的断点。全球模型善于看清大尺度环流，因此路径判断较强；高分辨率区域模型能描述眼墙附近的热力过程，更适合判断强度。WeatherNext Cyclones用统一模型同时学习全球天气与气旋结构，试图跨过“路径和强度二选一”的工程取舍。

近20TB大气数据，加上约5000场历史气旋

模型采用两类训练材料：一类是接近20TB的全球大气数据，另一类是IBTrACS收录的近5000场历史气旋，包含路径、强度、尺度和风圈等专家整理信息。前者提供环流背景，后者让模型学习极端风暴如何形成与演化。二者端到端联合训练，使模型即使使用比区域数值系统粗得多的输入，也能恢复出对强度有用的信号。

WeatherNext使用函数生成网络产生不同可能的未来状态。它从当前全球大气条件出发，逐步滚动预测未来15天，同时更新大尺度天气与气旋的局部属性。官方测试中，一次15天预报可在单颗TPU上不到一分钟完成。速度不是唯一卖点，更关键的是它让大量重复采样变得可行，预报员由此能看到一组概率分布，而不是一条看似确定的路线。

从50到1000种情景，重点是看见尾部风险

传统集合预报通常受计算成本约束，只能生成几十个成员。WeatherNext上一季一次生成50种情景，本轮扩展到1000种。更大的集合不保证单次预测一定正确，却能更细地刻画罕见路径、登陆位置偏移和快速增强的概率。对于撤离、港口停运、能源调度等决策，尾部事件往往比平均路线更重要。

开放的内容包括通用WeatherNext 2与WeatherNext Cyclones，仓库已加入相应支持。它让气象机构和研究团队能够测试不同海盆、不同资料同化流程与本地业务约束，也为能源预测、洪涝预警等下游应用提供新的实验底座。不过，模型开放不等于部署门槛消失：数据准备、计算资源、实时观测接入和业务校准仍是完整链路的一部分。

它是预报员的新成员，不是官方警报的替代品

边界同样明确。论文目前提供的是未经最终编辑的在线版本，仍可能在正式排版前修订；评估虽然覆盖全球气旋并包含业务机构作者，但更广泛的第三方复现还需要时间。粗分辨率输入能够取得强度突破，并不代表局地地形、海气交换和登陆后的降水细节已经全部解决。1000个成员若校准不足，也可能只是把同一类偏差重复得更密。

ATYUN认为，WeatherNext最重要的进展不是“AI预测天气”这个概念，而是把路径、强度、风圈与概率集合放进同一套可运行系统，并开始进入人类预报员的共识流程。未来真正决定价值的，是提前量能否在不同海盆持续稳定、概率能否正确校准，以及模型输出能否与卫星、雷达、飞机观测和物理模型互相纠错。在这些验证完成前，公众仍应以当地气象机构发布的正式预报和警报为准；AI更适合成为增加判断余量的新成员，而不是单独作出灾害决策的裁判。