Google 開源 WeatherNext 2：15 日颱風預報要點睇？
程式碼同權重真係開放，西北太平洋表現仍要驗證
一個模型同時睇路徑同強度
Google DeepMind 同 Google Research 公開咗 WeatherNext 2 同 WeatherNext Cyclones，程式碼、預訓練權重同示範資料都放到網上，相關研究亦喺《Nature》刊登。佢可以預測熱帶氣旋嘅路徑、強度、大小、結構同形成機會，時間最遠去到 15 日。颶風同颱風都係熱帶氣旋，只係所在海域叫法唔同，所以模型本身屬全球系統，唔限於大西洋。
傳統預報有個棘手位：風暴行去邊，主要受大範圍氣流控制，全球模型通常較擅長；會唔會突然增強，就牽涉風眼附近細尺度嘅熱力同對流活動，區域高解像度模型較有優勢。WeatherNext 用接近 20TB 全球大氣資料，再配合 IBTrACS 歷史熱帶氣旋紀錄訓練，嘗試用同一套模型處理兩邊。完整版解像度係 0.25 度，約 30 公里，跟住再由追蹤器喺預測場入面抽出風暴路徑同強度。
圖片：Google DeepMind
15 日代表一批可能走勢
見到「15 日預報」，合理解讀係模型可以推演咁遠，唔代表第 15 日仍然有足夠準確度去決定停課、停航或者掛咩風球。WeatherNext 可以跑出 50 個唔同情景，睇風暴形成機會、可能路徑同各情景有幾集中。時間拉得越遠，情景通常散得越開；前段有明顯共識，先有條件提早安排物資、船期同應變人手。Google 自己亦將 Weather Lab 標成實驗工具，叫用家以所屬地區氣象機構嘅預報同警告為準。
速度係 AI 模型最實際嘅優勢。研究團隊話，一次 15 日預報喺 TPU 上面唔使一分鐘，氣象機構因而可以用相近時間跑多個情景，較容易捕捉低概率但後果嚴重嘅走勢。不過「開源」冇令運算門檻消失：完整版用 GPU 要有 H100 級 VRAM，Google 建議用 TPU；輕量 Mini 版先適合 P100 或單一 TPU，而且官方講明表現追唔上完整版。程式碼用 Apache 2.0，其他材料用 CC BY 4.0，但輸入資料仲有各自條款。
官方成績幾亮眼，地域差異要睇清楚
Google 話論文結果相當於把路徑、強度同風場結構嘅有效預報時間平均推前約 24 小時。2025 年佢亦向美國國家颶風中心提供即時預報；按 Google 引述該中心年度驗證，WeatherNext 係當季路徑同強度表現最好嘅單一模型。呢批營運結果主要涵蓋大西洋同美國國家颶風中心負責嘅北太平洋海域，唔可以直接當成西北太平洋同南海成績。Google 而家正同菲律賓、台灣、印尼同越南氣象機構合作，反映區域驗證仲喺推進。
香港天文台暫時冇公布採用 WeatherNext。天文台自 2023 年中已即時試行 Pangu、Fengwu、AIFS 等 AI 模型；佢對 2024 年西北太平洋同南海個案嘅驗證顯示，AI 路徑預報平均好過傳統模型，但第五日誤差仍可達 300 至 400 公里，強度預報亦普遍輸畀傳統模型，成熟風暴仲容易估弱。呢份本地結果冇直接測 WeatherNext，不過亦反映 AI 預報暫時適合做輔助，唔應該單獨作準：同其他模型、衛星雷達資料及預報員經驗一齊用，官方警告仍然由天文台判斷。下一步要睇 WeatherNext 喺西北太平洋完整風季嘅獨立成績，尤其係快速增強同南海近岸風暴。
參考來源
- Engadget — Google open-sources an AI model it says can help with earlier hurricane warnings — original report
- WeatherNext: AI model achieves breakthrough in forecasting cyclones — Google DeepMind 官方公布，解釋模型能力、預報速度同研究結果。
- WeatherNext GitHub repository — 核對程式碼、模型權重、授權、解像度、硬件要求同研究用途聲明。
- Operational Tropical Cyclone Forecasting with AI — WeatherNext Cyclones 同行評審論文，屬模型表現聲稱嘅主要研究依據。
- 天文台：人工智能模式在天氣預報的應用 — 提供西北太平洋同南海 AI 模型獨立驗證、第五日路徑誤差及強度限制。
- How WeatherNext helped the National Hurricane Center better predict Hurricane Melissa — 交代 2025 年營運使用、50 個概率情景同美國國家颶風中心驗證範圍。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
