Google DeepMind 發表 WeatherNext 3！解析度提升 5 倍、降雨預測準確度大增的新一代 AI 氣象模型

Q: 既然這項技術未來會整合進 Google 地圖與 Google 搜尋，我們在日常出門或安排行程時，體驗會跟現在有什麼最大不同？

最直接的差別在於「精確的時間點」與「極小範圍」的天氣預測。以往的天氣預報多半以「每 3 到 6 小時」為單位，且範圍涵蓋整個行政區，常遇到「明明預報說下雨，我這區卻出太陽」的狀況。隨著新模型導入，未來你可以獲得以下幾項實戰體驗提升：精準捕捉短暫陣雨：每小時更新的機制能讓你清楚知道「下午 2 點到 3 點間會有一場大雨，但 3 點半後就會轉晴」，方便彈性調整出門時間。街區級別的局部氣候：5 公里的高解析度讓預報更貼合你當前所在位置，大幅減少隔壁條街下大雨、自己這裡沒雨的預報誤差。Gemini 智慧行程建議：搭配 Gemini 的對話能力，你可以直接詢問「我下午想去大安森林公園野餐，哪段時間最不會被雨淋到？」，系統就能結合最新衛星數據給出精確建議。

Q: 對於喜歡露營、登山或戶外運動的人來說，這種高解析度的逐小時預報，在實際規劃戶外活動時該怎麼善用？

戶外活動最怕遇到山區或海岸的突發劇烈天氣。善用這種高解析度與高頻率預報，可以幫助你做到更精細的動態風險評估：出發前的「黃金一小時」確認：由於預報每小時更新一次，建議在臨出門或登山口前進行最後一次確認，比對最新一期的預報變化，而不是死守前一天晚上看的氣象。微氣候（Microclimate）預防：山區地形複雜，傳統預報很難捕捉單一山谷的降雨。5 公里的解析度能更精準地反映高山或山谷的雲層變化，對於判斷午後雷陣雨的發展路徑大有幫助。留意風速與雲量細節：如果從事登高山、露營或水上活動，可多關注預報中的風速與輻射量變化，協助判斷搭帳篷的營地安全或高山失溫風險。

Q: AI 天氣模型不用傳統物理方程式來算天氣，這是否代表氣象局的傳統預報會被淘汰？我們看天氣到底該信誰？

答案是兩者互相補充，而非完全取代。傳統數值天氣預報建立在嚴謹的大氣物理方程式上，雖然運算極為耗時，但在處理從未發生過的「極端天氣現象」（如罕見的超強颱風）時，依然具備強大的物理邏輯底氣。相較之下，AI 模型與傳統氣象局預報的搭配方式建議如下：日常短時預報信 AI：AI 擅長處理龐大的衛星觀測資料，能以極快的速度捕捉「當下正在發生」的微小變化，因此在查詢幾小時內會不會下雨、午後陣雨時機時，AI 預報反應更快且精準。重大災害防救看氣象局：涉及颱風路徑登陸點、豪雨特報等重大防災決策時，政府氣象局會綜合 AI、傳統物理模型以及專業預報員的經驗做出研判，權威性與權責依然不可替代。

Q: 模型特別加入「離地 100 公尺風速」與「太陽輻射量」這些數據，對一般民眾的生活或環境有什麼潛在影響？

這項升級看似非常專業，但實際上與大家的電費、綠電穩定度以及環境永續息息相關。風力發電機的風輪機高度通常就在 100 公尺附近，而太陽能板的發電量完全取決於到達地面的太陽輻射量。這些數據能帶來的實質改變包括：讓綠電更穩定少缺電：風力與太陽能發電最大痛點是「看天吃飯」。精準預測風速與日照，能讓電網調度員提前知道「一小時後太陽能會減少多少」，並及時以其他能源補上，避免電壓不穩。降低整體用電成本：當綠能預測越精準，發電廠就不用為了保險起見而隨時預備大量昂貴且高污染的備用發電機組，長期下來有助於平抑電價與減少碳排放。

Q: 如果我想第一時間體驗這種技術，或者想持續關注 AI 天氣預報的最新發展，可以從哪裡入手？

想探索 AI 天氣預報的強大魅力，你可以從以下幾個管道進行實際體驗與進階關注：直接使用日常工具：最簡單的方式就是留意 Google 搜尋的天氣小卡、Google 地圖的氣象層，或是直接在 Gemini 中問天氣。隨著模型全面整合，這些日常工具會自然而然呈現更貼心的降雨機率預報。關注公開測試平台：對技術感興趣的讀者，可以造訪學術與產業界通用的 Operational WeatherBench 平台，那裡會公開各大 AI 模型與傳統氣象機構的實時預測成績對比。開發者與研究者資源：若具備程式背景，可關注 Google Cloud 釋出的 WeatherNext API，未來許多創新的氣象 App 或戶外活動平台，都會基於這個數據開發出更棒的延伸應用。

Google DeepMind 於台灣時間 2026 年 9 月 3 日晚間正式發表新一代 AI 氣象模型「WeatherNext 3」，這是該團隊自 WeatherNext 系列以來最大幅度的一次技術躍進：解析度提升至過去的 5 倍、預報頻率從每 6 小時更新一次進化為每小時更新，同時也是全球第一個直接以真實衛星觀測資料訓練，而非仰賴傳統物理模擬的全球高解析度氣象 AI 模型。這項更新不只是實驗室裡的技術突破，更將直接整合進 Google 搜尋、Google 地圖與 Gemini，成為數十億用戶日常查詢天氣時背後的引擎。

從物理模擬走向衛星資料：WeatherNext 3 的核心突破

過去的數值天氣預報（NWP）與多數 AI 氣象模型，本質上都是先透過大氣物理方程式模擬出「初始場」，再用模型去逼近或修正這個模擬結果。Google DeepMind 與 Google Research 團隊在官方部落格中指出，WeatherNext 3 是第一個打破這個框架的全球高解析度模型：它直接讀取每小時更新的地球同步衛星（geostationary satellite）影像資料，搭配歷史觀測資料，餵入一個名為 Functional Generative Network（FGN）的網格轉換器（mesh transformer）架構進行訓練與推論，等於是讓 AI 直接「看見」大氣的即時變化，而不是先經過一層物理模擬的轉譯。

Google DeepMind 發表 WeatherNext 3！解析度提升 5 倍、降雨預測準確度大增的新一代 AI 氣象模型 WeatherNext3_diagrams_fig-01.width-1200.format-webp

解析度暴增 5 倍、逐小時更新：規格全面升級

根據 Google 官方公布的數字，WeatherNext 3 在多項核心規格上都較前代 WeatherNext 2 有顯著提升。地表變數的解析度來到 5 公里，官方形容「比上一代 WeatherNext 2 銳利了約 5 倍」；其他地表變數解析度為 10 公里，大氣變數則為 25 公里，相較於過去 AI 氣象模型普遍落在 15 至 25 公里的水準，等於是把預報網格切得更細。預報更新頻率也從每 6 小時一次，進化為每小時更新一次，讓短期天氣變化（例如午後雷陣雨何時開始、何時結束）能被更即時地捕捉。TechCrunch 的報導並引述 Google 方面資訊指出，新模型的參數量是前代的 2.4 倍。

值得留意的是，模型解析度與參數量的提升幅度屬於原廠公布的官方數字，而「參數量增加是否直接等同於使用體驗提升」則涉及各家對模型效能的不同衡量方式，讀者可將其視為技術規模的參考指標，而非唯一的品質保證。

降雨預測準確度最高提升 60%

在準確度方面，Google 官方公布的測試數據顯示，WeatherNext 3 的降雨預報以「連續等級機率評分」（Continuous Ranked Probability Score, CRPS）衡量，對比 NASA 的 IMERG 衛星降雨資料集最高可提升 60%，對比 MRMS（多雷達多感測器）資料集則提升約 30%；若是提前一天以上的中長期降雨預報，準確度最多可提升 50%。這些數字均來自 Google DeepMind 官方部落格與其公開的 Operational WeatherBench 測試平台結果，並非單一方的行銷說法，這也是為何 TechCrunch 等外部科技媒體會將其視為一次「實質的」技術進展而非單純的規格更新。

Google DeepMind 發表 WeatherNext 3！解析度提升 5 倍、降雨預測準確度大增的新一代 AI 氣象模型 WeatherNext3_diagrams_fig-03.width-1200.format-webp

從已開發國家延伸到拉美、非洲、亞太：全球佈局與產品整合

Google 特別強調，WeatherNext 3 的訓練資料涵蓋全球，並刻意加強過去氣象觀測資源相對不足的地區，包括拉丁美洲、非洲與亞太地區，目標是縮小已開發國家與開發中國家在天氣預報品質上的落差。此外，新模型也加入了與再生能源相關的變數，例如離地 100 公尺高度的風速、雲量與太陽輻射量，這意味著它未來也可能被用於風力發電與太陽能發電的產能預測。

在產品面，Google 資深工程師 Samier Merchant 在官方發布內容中表示：「這將是首次讓部分核心變數直接餵入並驅動大量 Google 產品的運作。」根據 TechCrunch 的報導，WeatherNext 3 預計將整合進 Google 搜尋、Google 地圖與 Gemini 的天氣查詢功能，同時也會透過雲端平台開放給研究人員與開發者使用。DeepMind 研究科學家 Ferran Alet 則補充說明了機器學習方法與傳統物理模擬的本質差異：「機器學習的目標，是從不完整的資訊中去逼近充滿雜訊的真實物理現象。」

對一般用戶與產業的意義：官方數字之外的觀察

以上解析度、更新頻率與 CRPS 準確度提升幅度，均為 Google 官方公布並可對照 Operational WeatherBench 公開測試平台驗證的數字。至於「這項技術是否能實際改善開發中國家的農業產量」或「是否能顯著提升再生能源電網的調度效率」，目前仍屬於外界與媒體根據新模型能力所做的合理推測與應用想像，尚未有獨立的第三方長期數據可以驗證，讀者在解讀相關報導時，可將這部分視為技術潛力的展望，而非已經發生的既定成果。整體而言，WeatherNext 3 的發布再次說明了 AI 大型模型的競賽場域，早已不只侷限於聊天機器人與程式碼生成，而是延伸到氣候、能源等攸關民生的基礎建設領域。

資料來源：

Google 官方部落格：Introducing WeatherNext 3
TechCrunch：Google’s latest AI weather model gives you no excuse to forget your umbrella