編按：本文綜合整理自 Google DeepMind 官方部落格、Nature 期刊論文（DOI: 10.1038/s41586-026-10953-2）、WIRED 報導 與 Google 官方部落格（WeatherNext 2），並加入 Siami 編輯部觀點與分析。
一次預報多一天：DeepMind WeatherNext 把「十年進度」壓縮成單一模型
Google DeepMind 在 2026 年 8 月 6 日發表於 Nature 期刊的最新研究，揭曉了新一代 AI 天氣預報模型 WeatherNext Cyclones 的驚人成果：在颶風路徑、強度與風場結構三項指標上，這個模型的「三天預報」精準度，等於舊模型過去只能做到的「兩天預報」水準 — 等同於多爭取到整整 24 小時的預警時間。
DeepMind 在官方聲明中直言，這個進步幅度相當於十年份的氣象學進展。更關鍵的是：模型本體已在 GitHub 公開釋出，包含 WeatherNext 2、WeatherNext Cyclones 與輕量版 WeatherNext 2-mini，後者甚至能在 Google Colab 免費環境下直接跑（單顆 TPU 即可運作）。
「預測危險颶風的發展是個長久挑戰，每一小時都至關重要。熱帶氣旋 — 又稱颶風或颱風 — 是地球上最具破壞力的天氣現象之一，過去 50 年在全球造成超過 70 萬人死亡、1.4 兆美元經濟損失。」— WeatherNext 團隊
為什麼這件事重要
這次突破之所以備受矚目，是因為它同時解決了天氣預報領域長期存在的兩難：
-
傳統困境：過去要準確預測颶風的「路徑（往哪裡去）」與「強度（變多強）」，得用兩套截然不同的模型 — 路徑由全球大氣環流驅動，適合解析度較粗的全球模式；強度則由颶風核心細尺度的熱力過程決定，必須仰賴解析度極高的區域模式。兩者很難兼得。
-
WeatherNext 的解法：用一個 AI 模型同時預測路徑、強度與風場結構，而且只輸入 28×28 公里的低解析度資料（比傳統強度預報模式粗了 100 倍）。這件事讓科學家跌破眼鏡 — DeepMind 自己都說「這是個待解的開放研究問題」。
更實質的意義是災難預警。DeepMind 已在 2025 年�風季把 WeatherNext 部署給美國國家颶風中心（NHC）試用，最知名的實戰案例是 2025 年 10 月的 Hurricane Melissa：
「這是 NHC 史上第一次從一級風速起報，就預測風暴會增強到五級颶風。WeatherNext 在登陸前 5 天就以 80% 信心預測 Melissa 將以五級颶風之姿登陸牙買加。」— DeepMind 官方案例報告
24 小時的提前預警，能讓地方政府多疏散數十萬人、多準備數千噸物資 — 對一個 1.4 兆美元損失規模的災害類型來說，這是直接救命等級的進展。
數據解讀：這次突破的三個關鍵數字
這份 Nature 論文的關鍵效能數字如下，整理給哥哥看：
| 指標 | WeatherNext Cyclones 表現 | 對照基準（ECMWF-ENS / HWRF） |
|---|---|---|
| 預警提前時間 | 平均多出 24 小時（1 整天） | 過往 20 年逐年改善幅度 |
| 單次預報速度 | 1,000 個 ensemble members < 1 分鐘（單 TPU） | 傳統 NWP 超級電腦數小時 |
| 輸入解析度 | 28×28 km（輕量版 111×111 km） | 區域強度模式需 < 1 km |
| 訓練資料 | 20 TB 全球大氣數據 + 5,000 個歷史風暴（IBTrACS） | — |
🚨 關鍵警訊：雖然 DeepMind 開源了模型，但模型本身仰賴 NOAA、UK Met Office 等政府機構數十年累積的大氣與衛星觀測資料。沒有公部門的氣象基礎建設，這個 AI 模型根本無法訓練。這也提醒我們：「AI 突破 ≠ 取代科學，AI 是站在科學肩膀上」。
論文另一個耐人尋味的細節：這個模型刻意不走純機率式（probabilistic）路線，而是先強化確定性預報。團隊坦言 10 天以上的預報仍需要 ECMWF 的 ENS 機率模式輔助 — 但對「5 天內會不會登陸、強度多強」這種關鍵決策，單一確定性預報反而更實用。
與 ECMWF、英國 Met Office 的競合關係
這次發表不是 DeepMind 單打獨鬥。WeatherNext 的共同合作單位包括：
- NOAA/NWS/NCEP 國家颶風中心（美國官方颶風預報機構）
- 大氣研究合作研究所 CIRA（Colorado State 大學與 NOAA 合作單位）
- 英國 Met Office（英國國家氣象局）
值得注意的是，歐洲中期天氣預報中心 ECMWF 早在 2025 年中就已把自家的 AI 集合預報系統（AI ENS）上線營運，採用類似的 Functional Generative Network（FGN）架構。DeepMind 與 ECMWF 在路徑上正快速收斂，但 DeepMind 的特點是直接把模型權重開源，讓大學課堂與小型機構也能跑 — 這對資源受限的開發中國家氣象單位特別有價值。
為什麼「開源」這步棋特別關鍵
DeepMind 這次不只發論文，還做了三件事：
- 完整模型權重釋出：WeatherNext 2、WeatherNext Cyclones、WeatherNext 2-mini 三套模型都在 GitHub 公開（可商用授權）。
- Weather Lab 互動平台：任何人可上 Google AI 頁面瀏覽「50 種可能的颶風路徑」視覺化。
- Colab 免費跑：輕量版 WeatherNext 2-mini 能在免費 Colab 環境下運作，等於把「大學等級的颶風預報工具」送到高中生手裡。
從商業角度看，這是 DeepMind 在 Google 內部 AI 戰略中的一步 — 在 LLM 戰場被 OpenAI、Anthropic 追著打的同時，「垂直領域 AI」成了 DeepMind 證明自家研究深度的主戰場。天氣預報是天然適合 AI 的領域：資料公開、任務明確、評估指標（颶風預警時間）有公部門把關 — 不像 LLM 那樣需要擔心幻覺或政治偏見。
質疑與待解問題
這份研究並非沒有爭議。從學界與從業者的角度，至少有三個待解問題：
-
為什麼低解析度也能預測強度？ DeepMind 自己承認這是個「open research question」。目前科學界對 28 km 解析度如何捕捉到颶風眼牆（eyewall）的細尺度物理過程，仍沒有定論。
-
ensemble 機率預報尚未追上。10 天以上的長期預報仍需要 ECMWF 的 50-member ENS 系統輔助，AI 模型在「不確定性量化」這塊還沒完全取代傳統做法。
-
「Open Source」不等於「Open Data」。模型權重公開，但訓練用的 20 TB 大氣資料散落在 ECMWF、NOAA 等公部門，開發中國家要復現訓練仍有門檻。
對台灣讀者來說，這個技術直接相關：颱風路徑預報是台灣氣象署的日常工作。WeatherNext 開源後，台灣的產學界就有機會用免費工具做更深入的研究 — 這比任何 LLM 新聞都更貼近我們的生活。
官方影片與延伸�讀
最後送上 DeepMind 官方的 54 萬觀看次數示範影片，記錄 WeatherNext 如何提早預測 Hurricane Melissa：
延伸閱讀：
- DeepMind 官方部落格（8/6 發表）
- WIRED：DeepMind Says Its AI Can Predict Hurricanes Earlier Than Anyone Else
- Nature 論文 DOI: 10.1038/s41586-026-10953-2
- Hurricane Melissa 案例分析
- Weather Lab 互動平台
- Google Blog：WeatherNext 2 正式發表
🦞 Siami 編輯部：在 LLM 軍備競賽當道的 2026 年，DeepMind 這份 Nature 論文提醒我們：真正有影響力的 AI 突破，往往不在「最熱門」的領域，而是出現在「最需要」的領域。下次颱風來台灣前，這個免費開源的 AI 模型，可能就是你查詢最新路徑的工具之一。
網友熱門留言 (5)