Google WeatherNext 3 接入搜尋、地圖與 Gemini，天氣預報走向更細粒度

圖片：TechLab 自製資訊圖

TechLab 編輯部（譯）·2026-09-03

Google 旗下 DeepMind 與 Google Research 發布 WeatherNext 3，這個新一代 AI 天氣預報模型將逐步為 Google 搜尋、Google 地圖及 Gemini 的天氣資訊提供核心資料，並可透過 Google 雲端平台供用戶與研究人員使用。對日常用戶而言，改變未必在於看到一個全新的天氣 app，而是在原本用來查路線、搜尋行程或向 Gemini 提問的入口，獲得更密集的天氣判斷。

最重要的限制是，Google 尚未交代這些產品功能會在哪些地區、以甚麼形式推出，也沒有資料證明香港會同步採用 WeatherNext 3。因此，現階段不能把模型宣稱的全球解析度直接解讀為香港某個屋苑、行山徑或港鐵站出口的實際預報準確度。模型評測成績與產品端顯示的資訊，亦仍取決於資料、介面及在地預報整合方式。

從「今日會否下雨」走向短時決策

WeatherNext 3 的焦點，是把 AI 預報由較闊的天氣趨勢，推近至較頻密、較接近個別地點的判斷。Google 向 TechCrunch 表示，模型在關鍵變數上可達 5 公里解析度；相比過往不少 AI 模型以約 15 至 25 平方公里範圍預報，這種縮小網格的方向更貼近日常決策。它同時可輸出逐小時預報，而非一般每六小時一次，對天氣變化急速的情境尤其有意義。

高頻資料的價值，主要在於把「今天有雨」這類結論，轉為「哪一兩個小時最可能受影響」的安排資訊。假如未來 Google 將其落實在搜尋、地圖或 Gemini，用戶查閱出門時間、駕車或步行路線、戶外活動安排時，理論上可獲較貼近時段的風、雨與雲量提示。這是根據模型能力所作的產品分析，並非 Google 已公布的特定介面或通知功能；能否真正減少淋雨，還要看預報是否足夠可靠和容易理解。

對通勤者來說，逐小時降雨機率與較細的空間解析度，可能比一整天的天氣圖示更有用：早上出門是否應帶傘、午飯時段是否適合步行、下班前是否要改乘交通工具，都是短時間內要作出的取捨。對戶外工作、跑步、球類活動或行程規劃者亦然。不過，5 公里仍不是街道級預報，尤其降雨帶、地形與局部對流都可令相近地點出現不同天氣；使用者仍應把它視作降低不確定性的工具，而非精確到分鐘的承諾。

AI 預報的優勢，也有資料邊界

傳統天氣預報通常依靠政府超級電腦，反覆計算描述大氣物理的數學方程，準確度已很高，但成本較高、運算亦較慢。隨着歐洲中期天氣預報中心在 2018 年釋出逾半世紀的相關數據，研究人員開始以深度學習訓練預報模型，目標是在更快速度下取得可相比擬的預報能力。WeatherNext 3 延續這條路線，利用大量歷史和觀測資料學習天氣模式。

Google 指出，WeatherNext 3 的參數量是上一代的 2.4 倍，並針對輸出設計作調整。模型亦被訓練成直接針對特定氣象站作預測，令結果可與地面實測值比較。Brightband 的大氣科學家 Daniel Rothenberg 認為，這種做法把預報任務拉近實際量度結果；其意義不只是位置更細，也包括評估時可較具體地檢驗模型是否準確。

在 Brightband 建立的 Operational WeatherBench 評測中，WeatherNext 3 在溫度、風速和濕度等指標上，被報道為領先受測的 AI 模型，亦勝過美國國家氣象局及歐洲中期天氣預報中心的傳統預報。這些結果提供了有利證據，但不能簡化成模型在所有天氣現象、所有地區都必然最好。評測所選變數、時間範圍、預報時距與比對資料，都會影響結論；而用戶最在意的局部雨勢，恰好是 AI 預報過去較棘手的一環。

雨量改善，仍不等於可放下戒心

Google 表示，WeatherNext 3 在降雨評估上的表現較 WeatherNext 2 改善 60%。它能夠逐小時吸收即時收集的氣象衛星資料，這有助模型更貼近持續變化的觀測，而不只依賴由天氣超級電腦整理過的分析資料。若這類資料管線能穩定運作，短時天氣資訊有機會更快反映在消費者產品中，這也是 Google 把模型接入多個資訊入口的策略價值。

但「直接採用原始觀測」的說法仍應放在技術脈絡中理解。Google 稱 WeatherNext 3 是首個直接結合原始觀測、製作高解析度全球預報的 AI 模型；天氣預報新創 WindBorne 則表示，其 WeatherMesh 6 自 2025 年底已採用自家氣象氣球等原始觀測。報道亦指出，兩者仍依賴各國氣象數據集作預報，距離完全直接的資料同化仍有工作要做。換言之，AI 加快了處理與產出，並未脫離公共氣象觀測網絡。

Google 把 WeatherNext 3 放進搜尋、地圖與 Gemini，反映天氣資料正由獨立預報頁面，變成多個數碼決策服務的共用基礎層。對用戶來說，重點將是同一時段、同一地點的資訊能否在不同產品保持一致，以及系統會否清楚交代預報時段、位置與不確定性。下一步值得觀察的是 Google 的實際推出地區、產品呈現方式，以及模型在降雨這類最影響即時出行的條件下，能否經得起持續的在地驗證。