編按：本文綜合整理自 Google DeepMind 官方部落格、Google 官方公告、DataNorth 報導、explainx.ai 分析 與 FirstPost 報導，並加入 Siami 編輯部觀點與分析。
這份發布改變了什麼
Google DeepMind 於 2026 年 8 月 6 日正式將 WeatherNext 2 與 WeatherNext Cyclones 模型完整開源，連同模型權重一同釋出，採用商用授權。這是 DeepMind 在 2023 年 GraphCast 之後，天氣 AI 領域最重要的一次公開成果。一同釋出的還有能在單一 TPU 上運行的精簡版 WeatherNext 2-mini，並提供免費 Colab 筆記本讓任何人都能實際跑模型。
根據同步發表於 Nature 的論文，WeatherNext Cyclones 在熱帶氣旋的路徑、強度、風場結構三項指標上，都達到了當前最先進的準確率。整體而言，模型平均為預報員爭取到「超過 24 小時」的領先時間——也就是原本模型在第 2 天的預報品質，現在 WeatherNext 在第 3 天就能達到。
「這相當於十年來的氣象進展一次到位。」——DeepMind 在部落格中如此定位這份成果。
Hurricane Melissa：模型已經救過一次命
這份突破並非純學術。在 2025 年的颶風季節，WeatherNext 已經進入實務運作，並對颶風 Melissa（襲擊牙買加的五級颶風）做出歷史性預報：
- 在 Melissa 還只是熱帶低壓時，就成功預測其快速增強至五級並登陸牙買加。
- 風暴登陸前 5 天即給出 80% 信賴區間的預測，3 天前提升至接近 100%。
- 這是首次有 AI 天氣模型從如此弱的初始狀態中，準確識別出五級颶風的快速增強事件。
美國國家颶風中心（NHC）據此提前發布警報，給予牙買加地面團隊關鍵的整備時間。2026 年颶風季，DeepMind 與 NHC、英國氣象局、CIRA（合作大氣研究所）等單位合作，將每個氣旋的可能情境預測數提升到 1,000 個。
為什麼這件事重要
天氣預報一直存在一道結構性矛盾：**追蹤路�**靠全球大氣環流，需要粗解析度、長時間尺度的動力學模型；預測強度則仰賴高解析度的區域模式與海洋熱含量耦合。兩種需求過去難以在同一個模型內兼顧。
WeatherNext Cyclones 的關鍵突破，是用單一 AI 模型同時處理這兩個任務。從方法上來看：
- 使用近 5,000 個歷史氣旋資料庫，搭配多年的全球大氣資料做訓練。
- 模型只吃 28×28 公里解析度的輸入（傳統強度模型需要更高解析度）。
- 精簡版 WeatherNext 2-mini 解析度更粗（111×111 公里），仍維持高準確率。
- 每次 15 天的機率預報情境在單一 TPU 上不到一分鐘即可產出。
DeepMind 自己也在部落格中坦言：「為什麼粗解析度輸入能產生這種等級的準確度，是一個開放的研究問題。」這句話反而是誠實的科學態度——AI 模型的內部表徵仍待學界共同探索。
從防災角度，這份模型最大的意義不是「AI 又贏了物理模型」，而是把原本只有超級電腦國家才負擔得起的全球預報工具，民主化到任何一台筆電都能跑。對加勒比海、太平洋島國、東南亞這些每年面臨颶風／颱風威脅、卻沒有超級電腦資源的地區，這是結構性的能力提升。
數據解讀與業界質疑
雖然 DeepMind 的成果亮眼，但把 WeatherNext 放進 2026 年 AI 天氣預報的整體格局來看，仍有幾個值得注意的限制：
1. 評估基準偏向歷史案例
論文的基準測試是 2023-2024 年的歷史颶風，加上 2025 年的單一實戰案例（Melissa）。模型要在更多颶風季、不同海域、不同預報員工作流程中驗證，才知道這個「多一天」的優勢能否在更大規模下保持。一旦各國氣象單位將其納入標準工具箱，模型在極端情境下的表現仍待觀察。
2. 純 AI 模型的已知弱點
根據 ArticsLedge 2026 年 AI 天氣模型評比，AI 模型在以下三個面向仍系統性落後於物理模型：
- 極端降雨事件（99 百分位）：系統性低估
- 短時劇烈對流（0-12 小時 nowcasting）：仍不如高解析度 NWP
- 訓練資料外的氣候偏移情境：表現會下降
未來主流會是混合模型——AI 的模式識別加上物理約束，並非純 AI 全面取代傳統數值預報。
3. 「黑盒子」與可解釋性
天氣預報是攸關生死的決策。當 AI 給出「5 天前 80% 信心預測五級登陸」這種結論，預報員需要能向政府官員與大眾解釋「為什麼」。DeepMind 目前並未提供模型可解釋性工具，這也是開源後學界需要一起補齊的部分。
4. 授權條款與地緣政治
採用商用授權開源，意味著各國氣象機構可以直接部署，但商業氣象服務公司也能包裝成產品銷售。這與 ECMWF（歐洲中期天氣預報中心）的「會員制共享」模式形成對比——後者偏向公共財，前者偏向開放市場。在極端天氣已成國安議題的年代，這個選擇的長期影響值得持續追蹤。
開源細節與上手方式
這次釋出包含三個模型，全部以商用可用授權在 GitHub 上公開：
- WeatherNext Cyclones：2025 颶風季實際運作的版本，論文結果以此版本為主。
- WeatherNext 2：2025 年 10 月 DeepMind 內部更新版，後續運營用此版本。
- WeatherNext 2-mini：精簡版，單一 TPU 即可運行，提供免費 Colab 筆記本。
DeepMind 也重啟了 Weather Lab 視覺化介面，除了原本的氣旋路徑之外，新增溫度、降水、風速等全球天氣預報的整合視圖。所有模型都是 Google Earth AI 計畫的一部分。
Siami 觀點：AI 救災工具的成熟期
從 GraphCast（2023）到 WeatherNext Cyclones（2026），DeepMind 在天氣 AI 上的推進已經脫離「研究展示」階段，進入「實務部署」階段。三個訊號值得注意：
- 與官方預報體系整合：NHC、英國氣象局已是合作對象，不再只是學術發表。
- 機率預報的規模化：從單一預測到 1,000 個情境，是真正可用的風險評估工具。
- 開源決策：連模型權重一起釋出，學界可以實證審視每一行程式碼。
天氣預報一直被視為人類駕馭自然的代表性成就之一。現在，AI 把這項能力的邊界再往外推了一個世代。對住在颶風／颱風帶的數億人口而言，「多一天預警時間」從來不是學術數字——是撤離與否、是屋頂加固、是家人安全。
接下來值得追蹤的，是 2026 年颶風季結束後的完整業務驗證報告，以及學界對「為何粗解析度輸入就能有高準確度」這個開放問題的回應。
網友熱門留言 (3)