WeatherNext 3 的 60%，不是天气准确率

Google 昨天发布了 WeatherNext 3。

官方页面上最抢眼的是一串数字。全球预报画面约清晰 5 倍，降水指标最高改善 60%，提前一天或更长时间查看天气时，Google 产品里的降水预报最高还能更准 50%。

好家伙，看着像是天气 App 终于可以把「局部有雨」这句万金油删了。

但如果把 60% 直接写成「天气准确率提升 60%」，那就写错了。而且这次最值钱的更新，我觉得根本不在 60%。

它把天气从一份每 6 小时刷新的批处理报表，变成了每小时重算、可以被程序查询的生产数据层。

这两件事，差得挺远。

从 6 小时报表到 1 小时数据层

过去不少 AI 天气模型，吃的是 NWP 数据。NWP 就是数值天气预报，用超级计算机跑物理方程，把大气状态往前推演。这条路很硬，也是现代气象预报的根基，只是生成这批数据需要时间。Google 在公告中给出的问题是，中间可能带着 6 小时延迟。

雨、云团和地表温度偏偏变得快。你用上一批精巧的结果追当下的对流云团，有点像拿六小时前的服务器日志查现在的告警。日志再漂亮，迟到了也挺尴尬。

WeatherNext 3 换了一个入口。它把每小时到达的全球静止卫星拼图，连同历史分析数据一起喂给同一个 FGN 网格 Transformer。FGN 可以理解为一种在多尺度地球网格上生成天气场的网络。它一边给出连续网格，一边输出热带气旋路径和稀疏气象站坐标。

厉害了，以前需要拼几套专用模块的输出，现在被收进同一套系统。

Google 公开的 WeatherNext 3 系统架构，实时卫星拼图与历史分析共用一个多尺度模型。

结果不只是「更快」。WeatherNext 开发者页面 把它定义为一个正在运行的全球预报产品。每小时初始化，一次向前给 15 天，每轮有 64 个集合成员。

「集合」不是拉 64 个模型开会。它是同时生成 64 种合理的未来，用分布告诉你哪些情况更可能，哪些只是小概率尾部。对飞行、农业、电网和物流来说，「有七成可能下到这个量」，比「明天有雨」有用得多。

当然，64 条未来也带来 64 份下游责任。产品不能只挑一条最顺眼的曲线给用户，它得保留不确定性，并告诉告警系统在什么概率阈值上动作。

60% 为什么不能叫准确率

现在回来看标题里的 60%。

Google 公布的是降水预报在 CRPS 上的改善。CRPS 全名是连续排名概率得分，它不是简单数「下雨猜对几次」，而是同时惩罚预报的位置偏差和概率过度自信。分数越低，概率预报越靠谱。

最高 60% 是对照 NASA 的 IMERG 卫星降水数据得到的。换成美国的 MRMS 雷达与观测体系，最高改善是 30%。再换成地面雨量计，在较短提前期内是 10%。

三个数字差这么大，不是谁在偷换参数。全球降水本来就没有一套完美真值。卫星覆盖广，雷达和雨量计更贴地，可它们在全球的密度很不均匀。更微妙的地方是，WeatherNext 3 本身也学习了 IMERG 等降水数据。

所以 60% 很有价值，但它有对象、有评估方法、有提前期。拿掉这三层上下文，它就会从技术结果变成营销弹药。这种标题我们在 AI 圈看得太多了，天气已经够难预报，别再给百分比也造一片云。

WeatherNext 2 的降水边界更模糊，WeatherNext 3 在这个官方案例中更接近卫星观测。单一案例不等于所有地区都同幅改善。

那个 50% 也要同样读。Google 的原话指向提前一天或更长时间查看天气的产品场景，说用户最高会看到 50% 的降水预报改善，过去预报能力较弱的地区改善最大。「最高」、「一天或以上」、「特定地区」，一个都不能丢。

还有 5 公里。它也不是所有变量的统一分辨率。站点校准的温度、湿度等可以到 5 公里，其他地表网格为 10 公里，风速等大气层变量仍是 25 公里。标题里写「5 公里天气」没问题，产品经理把所有字段当成 5 公里来设计，问题就大了。

真正要改的是下游合同

WeatherNext 3 已开始进入 Google Search、Gemini、Google Maps、Google Maps Platform Weather API 和 Earth Engine。对开发者更直接的是，可以在 BigQuery 和 Earth Engine 查询预报数据，也可以从 Google Cloud Storage 批量拿 Zarr 文件。走这条路，不用自己搭模型。

这一手有点子牛逼。Google 没有只发一篇论文，它把研究结果直接包成了数据基础设施。你不需要会训练天气模型，甚至不需要把模型跑起来，就能把预报接到农业调度、航线规划、光伏出力估计或物流风险里。

不过，接入方法变简单，不代表产品责任也被托管了。

如果我来设计这类下游系统，第一个字段不是温度，而是这轮预报的初始化时间。数据比预期晚了怎么办，上一轮还能用多久，不同集合成员分歧到什么程度要降级，区域校验没通过时回退到谁。这些得先写进接口合同，再写页面。

还有一条更硬的边界。Google 在公告末尾明确提醒，官方天气预报、恶劣天气警报与公共安全建议，仍要以当地气象机构或国家天气服务为准。

这不是客套话。一个普通天气卡片可以容忍降雨边界偏几公里，一个山洪或飞行告警系统不能。两个产品读同一份预报数据，风险等级却完全不同。所以 AI 输出可以进用户界面，法定警报源和人工应急链不能被它挤掉。

官方还专门输出了 100 米高空风速、云量和太阳辐射等变量。这就很产品了。风电场关心的不是地面有几级风，而是风机轮毂高度的风能不能撑住明天的出力。光伏电站要的也不是「多云」两个字，它要的是到达地面的辐射量。

模型开始围绕下游决策生产变量，这比「通用准确率又涨了」更值得追。

我不知道 WeatherNext 3 在每个地区、每场暴雨中都会不会稳定赢。新模型才刚进入大规模产品，还得看 Operational WeatherBench 的持续实时榜单，也得看当地气象机构的长期校验。

一件事已经很明显，天气 AI 不再只是论文里的一张榜单，它正在成为一个每小时刷新、带着 64 种未来、能直接流进产品的数据系统。

预报更新快了六倍，下游决策不能只跟着快。它还得知道什么时候不该信。

那才是 WeatherNext 3 真正给工程团队的天气预报。