全球天气模型过去常在“覆盖全世界”和“看清局部变化”之间取舍。Google 9月3日发布WeatherNext 3，把全球AI预报从6小时一轮推进到每小时初始化，关键地表变量最细达到5公里，并直接接收低延迟地球同步卫星拼图。它不只是研究演示：新的预报已开始进入搜索、Gemini、地图、开发者接口和Cloud数据服务。

从6小时一轮到每小时一轮

WeatherNext 2主要在25公里网格上以6小时间隔工作。WeatherNext 3把低延迟的全球地球同步卫星图像与传统历史分析数据送入同一套生成网络，逐小时重新初始化。对快速形成的对流云、锋面和降水系统而言，这意味着模型不必等到下一次6小时周期，能更早看到正在发生的变化。

分辨率并不是所有变量统一降到5公里。官方给出的层级是：温度、水分等关键地表变量可视化到5公里，其他地表变量约10公里，风速等大气变量约25公里。整体上比前代细约5倍，同时保留从全球环流到局地地形的一致表达。论文还加入站点预测头，可在训练时吸收稀疏地面站观测，减少沿海、山谷和高地被平滑掉的细节。

开发者版本提供64成员概率集合和三维大气层数据，最长15天、共360小时。它给出的不是一条唯一轨迹，而是一组可能结果的分布，更适合让交通、农业或应急团队评估“最可能怎样”与“最坏可能怎样”之间的风险区间。

降水和新能源，是最实际的两条增量

雨雪一直是全球模型的难点。WeatherNext 3同时使用NASA卫星降水产品、全球卫星雷达再分析和雨量站数据训练。发布团队给出的连续概率评分改善上限，针对不同参照分别为60%、30%和早期时效10%；这些数字对应不同数据集，不能简单理解成“所有降水准确率提高60%”。面向普通用户的产品口径则是：规划一天或更长时间时，降水预报最高提高50%，历史预报较弱地区的增益更明显。

模型还新增100米高度风速、云量和太阳辐射等变量。风电场需要判断轮毂高度的风，而不是只看地面风；光伏运营则关心云层移动与到达地面的辐照度。更密的更新可以帮助电网提前安排备用电源、储能充放电和跨区调度，但真正的收益仍取决于本地设备、地形、输电约束与业务阈值，不能只靠全球模型直接下生产指令。

从论文进入产品，数据也能直接调用

WeatherNext 3从发布日起开始驱动Google Search、Gemini、Google Maps和Google Maps Platform Weather API中的天气体验，也进入Earth Engine。研究者和企业无需自行部署模型，可以在BigQuery与Earth Engine中查询预计算结果，或从Cloud Storage批量取得完整集合与三维数据。对没有气象超级计算资源的地区和小团队，这比只发布一篇论文更接近可用基础设施。

业务接入仍需一层本地校准。航空、物流、农业和能源系统应先用历史回放检查不同季节、区域和提前量的误差，再把概率分位数映射到延误、库存、灌溉或备用容量规则。上线后还要监控观测缺口、延迟、极端事件偏差和模型版本变化；高风险决策必须保留人工复核、官方预警与可回退的传统预报链路。

小编判断：更密的预报不等于确定的天气

WeatherNext 3最重要的进步，是把观测更新、空间细节、概率集合和产品分发放进同一条运行链路。它让全球模型更快接近“现场正在发生什么”，也让企业能够直接消费结果。不过，大量评估数字仍由发布团队给出，独立实时榜单只能提供部分交叉验证；不同变量分辨率不一致，局地雷暴、山地降水和极端尾部风险仍可能被低估。

ATYUN观点：企业不应把5公里或每小时刷新当成确定性承诺，而应把它视为更高频、更细颗粒的风险信号。真正值得观察的是：独立机构能否在不同洲、季节和极端事件中持续复现优势，业务团队又能否把概率改善转化为更少停机、更低备用成本和更及时的人工决策。在这些结果出现之前，WeatherNext 3是一套更有生产形态的AI天气基础设施，但不是对本地气象服务的替代。