Google 開源 WeatherNext 2：一分鐘預報要睇清 TPU 同 ensemble 條件

Google DeepMind 放出 WeatherNext 2、WeatherNext Cyclones 同 Mini 版嘅程式碼及模型權重。對開發者嚟講，今次唔止有預報圖，連權重同程式碼都有，實際得多：你可以下載權重、換入指定初始場，再研究模型點樣估全球天氣同熱帶氣旋。不過標題常見嗰句「一分鐘算出十五日」，有幾個測試條件一定要拆開睇。

一分鐘只係跑一個預報成員

Google 官方話，WeatherNext 可以喺一個 TPU 上用少過一分鐘產生一個十五日預報。呢個數字講緊單一 forecast member，唔包完整 ensemble。 團隊喺 2025 年颶風季一次跑 50 個情境，2026 年再擴至每個氣旋 1,000 個情境，用嚟捕捉快速增強呢類低機率高風險事件；官方冇公布跑齊 1,000 個成員嘅總時間、TPU 數量或者雲端費用。

硬件條件亦唔算含糊。開源倉庫建議完整模型用 TPU v5p，轉用 GPU 就要改 attention 實作，而且至少要 H100 嘅 VRAM。Mini 版降至約 111 公里網格，可以用免費 Colab 嘅單一 v5e-1 TPU，GPU 方面 P100 應付到。即係研究生同獨立開發者有得試，但論文級完整模型仍然離唔開昂貴加速器。

圖片：Google DeepMind

十五日係範圍，唔代表第十五日一樣準

WeatherNext 2 每六小時輸出一次全球預報，最遠去到十五日。呢個「十五日」係 forecast horizon，天氣系統本身有混沌性，誤差會一路累積，絕對唔可以理解成第十五日仍有短期預報嗰種可信度。香港天文台檢視其他 AI 模型嘅 2024 年西北太平洋及南海結果時，第五日氣旋路徑平均誤差仍有約 300 至 400 公里；嗰批數據唔係 WeatherNext 驗證，但足以說明「睇到幾遠」同「去到嗰日有幾準」係兩個數字。

今次突破集中喺氣旋強度同風場

過往全球 AI 天氣模型較擅長捉大尺度環流，所以路徑可以做得幾好，氣旋核心、最高風速同大風圈就容易俾低解像度磨平。WeatherNext 改用接近 20TB 全球大氣資料，再加 IBTrACS 近 5,000 個歷史風暴紀錄一齊訓練，令同一套模型可以估路徑、強度、風場結構同形成機率。

Google 主導嘅《Nature》論文用 2023 至 2024 年歷史氣旋比較多個主流模型；研究結果顯示，三類指標嘅預報優勢平均都超過 24 小時。WeatherNext 嘅三日預報，誤差大約去到舊模型兩日預報嗰個水平。呢批成績來自 Google 主導嘅研究，雖然有美國國家颶風中心、CIRA 同英國氣象局專家參與，其他地區同完整風季仍要繼續獨立驗證。

開源之後實際攞到咩

程式碼同 Colab notebook 用 Apache 2.0，模型權重等其他材料用 CC BY 4.0，冇寫只限非商業用途。不過要重現或者再訓練完整模型，仍要另外取得 ERA5、ECMWF HRES 初始場同相關氣旋資料，第三方數據各有授權條款。模型亦依賴傳統觀測、資料同化同 HRES 初始條件提供當刻大氣狀態，開源權重冇取代呢套上游基建。

對唔想自己養硬件嘅團隊，Google 已經喺 BigQuery、Earth Engine 同其他雲端服務提供預報資料，呢條路實際得多。自己跑模型嘅價值主要係研究偏差、改區域後處理、建立能源或航運風險工具，同埋測試本地化模型，唔係再整一個換皮天氣 app。

香港用得着，但唔會取代天文台警告

香港面對颱風時，早一日掌握路徑分歧、快速增強機率同大風圈範圍，對航運、機場、電力調度同防災都有價值。不過 WeatherNext 係約 28 公里網格嘅全球中期模型，處理唔到香港地形、街區雨帶同幾小時內急速發展嘅對流細節。雷達臨近預報、本地高解像度模型、實況觀測同預報員判斷，仍然係發警告時不可缺少嘅部分。

今次開源最值得跟進嘅係外部團隊能否重現論文成績，仲有西北太平洋氣旋、快速增強同大風圈預報喺完整風季嘅表現。呢幾項有獨立數據之後，先可以判斷 WeatherNext 對區內氣象服務幫到幾多。

參考來源

• TechNews 科技新報 — Google 開源 WeatherNext AI 模型，打破限制 1 分鐘算出 15 天預報 — original report
• Google DeepMind：WeatherNext 氣旋預報研究及開源公告 — 核對一分鐘預報、1,000 個 ensemble 成員、訓練資料同氣旋驗證結果
• Nature：Operational tropical cyclone forecasting with AI — 研究論文原始來源，交代評估設計、比較指標同模型方法
• Google DeepMind WeatherNext GitHub — 核對程式碼、權重、授權、輸入資料同 TPU、GPU 硬件要求
• Google for Developers：WeatherNext models — 核對模型解像度、輸出間隔、預報範圍同資料存取方式
• 香港天文台：人工智能模式於天氣預報嘅應用 — 補充西北太平洋模型驗證、本地預報限制同天文台實際運作背景

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。