DeepMind 飓风模型为预报员争取额外一天预警时间

提前 5 天，它敢说是 5 级

风暴还在加勒比海上空酝酿，传统模型的意见就分成了两派。WeatherNext 给出的答案很直接。

2025 年 10 月，一场风暴在加勒比海上空酝酿。传统模型拿不准：它是会保持较弱强度登陆，还是会增强、转向牙买加。WeatherNext 的答案很直接：将以 5 级飓风强度登陆牙买加，置信度 80%。后来的事你都知道了——飓风梅丽莎给牙买加带去灾难性的洪水和山体滑坡，而预报员靠着提前发出的警告，让沿途社区早早就动了起来。

这个结果发表在《自然》上：平均下来，WeatherNext 比现有模型多给一天预警，提前三天的预报和老模型提前两天的一样准。一天值多少？美国国家飓风中心主任迈克·布伦南说得很实在：「即使是几个小时也能带来很大的不同。」组织撤离、储备物资、调动资源，全是跟时间赛跑的活。

数据不够，它怎么学会的

飓风数据天生稀缺，模型的第一步是「借数据」。

先说一个绕不开的难处。机器学习（让计算机从海量数据里自己学规律，不靠人写规则）要靠喂数据，可飓风是极端事件，样本天生少。怎么办？谷歌 DeepMind 研究科学家 Ferran Alet 的答案是一句话：「我们没有那么多飓风数据，但我们有很多天气数据。」所以这个模型两样一起学：预测普通天气，也预测飓风。

第二个难处是，飓风其实是两道题。预测风暴轨迹（飓风会走哪条路）要看全球——冷锋在哪、盛行风往哪吹；预测风暴强度（飓风会有多强）反过来，得放大看当地的大气和海洋。老模型很难两头兼顾，之前的 AI 也偏科。科罗拉多州立大学飓风组组长 Kate Musgrave 说得直白：「之前的 AI 模型轨迹预测做得很好，强度预测却不行。」WeatherNext 补上的就是强度这条腿。

输出的形式也变了。WeatherNext 不给单一答案：每场风暴生成 1000 个可能的场景，去年这个数字还只有 50。各种「蝴蝶效应」都被算进来，预报员看到的是一整片可能性，而不是一条线。

数据越粗，它看得越准？

更怪的地方在输入：分辨率越粗的数据，似乎越有信息量。

常识是这样的：低分辨率数据（精度较粗的天气信息，细节看不清）细节都看不清，应该很难捕捉风暴强度的细微变化。WeatherNext 偏偏反过来——训练时只用低分辨率的全球天气数据，强度变化却预测得准，风暴还只有 1 级的时候，它就敢断言会增强到 5 级。

Alet 跟研究界说，模型只用了相当粗糙的分辨率数据，对面的反应是震惊：粗输入里包含的未来事件信息，比所有人以为的都多。

为了验证，研究人员拿历史数据做回测，精度远超预期。至于粗数据为什么管用，现在没人完全说得清。Alet 管它叫黑箱——这个黑箱，恰恰是论文递给物理学家的新课题。

开源之后，真正的考验才开始

DeepMind 宣布将在飓风季开源 WeatherNext——AI 飓风预报从论文走进实战。

开源意味着任何研究者都能拿到模型，去改进它，也去质疑它。《自然》论文里的回测只是第一轮考试，真正的考题是这个飓风季的每一场真实风暴：碰到快速增强的风暴，它还能不能把路径和强度两样都说对。

Alet 的期待很直接：开放模型能催生新的科学发现。气象学、物理学、计算机科学的人都能进来，搞清楚粗数据里到底藏着什么信号——这个问题，连 DeepMind 自己都还没完全回答。

现在就能做的四件事

普通读者现在没法直接跑 WeatherNext——它要到飓风季才开源。但有三件事现在就能做，第四件留给研究者。

最后一句边界：AI 预报不替代官方预警。真碰到飓风，当地气象部门的警告和撤离指令，仍然是行动的唯一依据。

本文基于Ars Technica原文撰写（2026-08-08）。厂商公布的数字（跑分、降幅等）均为官方口径，除注明外尚未经第三方独立复测。