Google DeepMind 和 Google Research 于 2026 年 9 月 3 日发布 WeatherNext 3，将天气模型由「较大范围、较疏的预测」推向更高频率和更细致的全球数据层。模型会直接吸收实时地球静止卫星数据，每小时重新生成预测，并开始在 Google Search、Gemini、Google Maps、Google Maps Platform Weather API 和 Earth Engine 等产品及平台使用。
这次升级的核心不是单纯把模型变大，而是把观测时间和空间细节拉近现实。Google 表示，WeatherNext 3 对温度和湿度等表面变量可以做到 5 公里分辨率，其他表面变量约 10 公里，大气变量如风速则约 25 公里。上一代 WeatherNext 2 以 25 公里网格、每 6 小时更新作比较，官方把新模型形容为整体约五倍更细致。
WeatherNext 3 也特别处理降雨、降雪和清洁能源。Google 表示，模型以 NASA GPM IMERG、卫星雷达再分析及雨量站数据改善降水预测；在其评估中，对不同基线的 CRPS 改善最高可达 60%、30% 和 10%，而一天或以上的预测在部分产品体验中可有最多 50% 的降水准确度提升。这些数字必须按地区、提前时间、变量和评估方法理解，不能当作所有天气情况的固定增幅。
对于能源和企业工作流程来说，另一个变化是模型输出不只服务一般天气查询。Google 提到 100 米高度风速、云量和太阳辐射等变量，可协助风场和太阳能项目估算发电量；实时而更细致的预测也可接到农业、供应链、航班规划、应急响应和户外运营。天气 AI 的价值因而由「告诉人今天会不会下雨」延伸到「把不确定的环境变量放进每日决策」。
Google 同时提供 BigQuery、Earth Engine 和 Google Cloud Storage 的数据接入方式，让研究者、开发者和企业查询或下载预测，不必自行建立完整模型。这种产品化方式会降低试验门槛，但不代表数据可以直接作为无人监控的决策来源。企业仍要保留时间戳、预测版本、地理范围和实际观测，才能在模型更新后检查预测漂移。
WeatherNext 3 的发布也留下一个重要边界：Google 明确提醒，官方天气预报、恶劣天气警告和公共安全信息应以本地气象部门或国家气象服务为准。这是一个很实际的产品原则。高分辨率和每小时更新可以改善工作流程，但极端天气涉及风险沟通、责任、地区校准和人员判断，不能只用模型分数取代。
这次发布的讯号，是 AI 天气模型开始由研究展示进入数据服务和决策基础设施。真正值得测试的不是「全球最准确」这类宣称，而是自己的地区、季节、降雨类型和能源场景中，预测是否在需要的时间提前、以可追溯的方式支持下一个决策。
