谷歌公司推出了其基于人工智能的天气预报模型的第三代迭代——WeatherNext 3。与之前的版本不同，该产品针对能源行业的特定需求进行了优化，在该行业中，气象数据的准确性直接转化为财务成果。

新变量与技术突破

WeatherNext 3的关键区别在于扩展的参数集。该模型现在分析100米高度的风速、云层覆盖水平以及地表太阳辐射强度。这些数据对于评估可再生能源（RES）的发电量和预测电网负荷至关重要。

技术特性令人印象深刻：全球预报每小时更新一次，地表变量（温度、湿度）的空间分辨率提高到5公里，降水则为11公里。相比之下，之前的WeatherNext 2版本使用25公里的网格，并且每六小时才更新一次数据。

基于真实数据的训练

新模型的架构从根本上有所不同。WeatherNext 3不再仅仅依赖模拟，而是直接基于气象站数据和实时卫星图像进行训练。这种方法将信息延迟从7小时缩短到3-4小时，谷歌DeepMind的高级研究员对此予以确认。这意味着交易员和电网运营商可以获得更新的信息来做出决策。

降水预报的准确性进步尤为显著：

  • 相对于NASA IMERG参考数据集，改进幅度高达60%；
  • 与美国MRMS系统相比，改进幅度高达30%；
  • 在预报早期阶段与雨量计数据核对时，改进幅度高达10%。

集成与市场背景

WeatherNext 3已集成到谷歌生态系统中：Search、Gemini、Google Maps和Weather API。企业客户已通过BigQuery、Earth Engine和Google Cloud Storage获得访问权限，这消除了部署障碍，无需自行搭建基础设施。商业订阅的价格尚未公布。

对此类解决方案的兴趣受到能源行业结构性变化的推动。根据行业估计，2026年美国太阳能发电和储能将成为新增装机的主要来源——在计划新增的超过90吉瓦中，分别占51.2吉瓦和25.7吉瓦。预测错误的代价巨大：低估风力发电量迫使紧急从燃气电厂购买电力，而高估则导致强制限产。

在这一领域，谷歌与Vaisala、Solcast、DNV（WindGEMINI）、IBM HyperWatch以及瑞士的Jua展开竞争。然而，对于谷歌自身而言，WeatherNext 3也是一种内部优化工具：谷歌正在积极为其数据中心购买“清洁”能源，而准确的预测直接降低了其运营成本。

我的分析：WeatherNext 3的发布是一个战略举措，旨在将AI基础设施在精度需求呈指数级增长的细分市场中变现。然而，完全依赖经验训练的方法在极端气候异常情况下存在风险，因为此时历史数据会失去相关性。将大气物理规律与机器学习相结合的混合方法，可能会成为此类系统演进的下一阶段。