天气预报可能正在经历一次类似“自动驾驶”的技术变化。
过去，天气预报最核心的方法是数值天气预报。简单来说，就是先利用卫星、雷达、气象站、飞机、海洋浮标等设备收集大量观测数据，再通过超级计算机建立一个尽可能接近真实地球的大气状态，然后根据流体力学、热力学等物理方程，一步一步计算未来天气。
这种方法已经发展了几十年，也是今天全球天气预报体系的基础。
但最近几年，AI开始进入这个领域。
Google DeepMind此前推出的GraphCast、GenCast以及WeatherNext系列模型已经证明：人工智能可以学习大量历史天气数据，然后直接预测未来天气，而且计算速度远快于传统数值模式。
最新的 WeatherNext 3，则让这条路线又向前走了一步。
它最值得关注的变化，并不只是天气预报“更准了”，而是AI天气模型开始更加直接地连接真实世界的观测数据。
AI天气预报开始直接“看卫星”
过去很多AI天气模型实际上并不是直接观察地球。
它们使用的输入数据，大量来自ERA5等气象分析或再分析数据。这些数据本身已经经过传统气象系统处理，相当于先由数值天气模式把卫星、雷达、气象站等观测信息整理成一幅完整的全球天气地图，再交给AI学习。
所以过去的AI天气模型，在某种意义上更像是一个非常聪明的学生：
传统天气系统先理解地球，AI再学习传统系统产生的数据。
WeatherNext 3开始改变这种关系。
它可以直接使用地球同步气象卫星的实时图像，把最新看到的云层、湿度和大气变化加入预测过程。
于是天气预测的流程开始变成：
卫星观察地球 → AI理解当前天气 → AI预测未来。
这看似只是减少了一个环节，实际上意义很大。
因为未来AI天气模型可能越来越像一个真正的“地球观察者”，直接从卫星、雷达、气象站甚至海洋传感器中理解整个地球正在发生什么。
天气预报开始变成“一小时更新一次”
WeatherNext 3另一个非常重要的变化，是预测更新频率提高了。
传统全球天气模式通常每6小时运行一次，例如每天0点、6点、12点和18点更新。
但天气不会等6个小时。
尤其是雷暴、台风、强降雨等天气系统，在几个小时之内就可能迅速发展。
WeatherNext 3可以每小时获得新的卫星信息，并重新生成天气预测。
这意味着天气预报开始从过去的：
一天更新几次
变成：
持续滚动更新。
这对于暴雨、台风路径、强对流天气等快速变化的天气系统尤其重要。
长期来看，“短临天气预报”和“未来几天天气预报”之间的界限可能会越来越模糊。
分辨率也越来越高
WeatherNext 3的另一个明显升级是空间分辨率。
部分地面温度、露点等变量已经可以达到大约 5公里 的尺度，其他地面天气变量也提高到了大约 10公里。
这意味着AI看到的天气地图越来越细。
以前一个几十公里的网格里可能同时包含城市、山区和湖泊，但模型只能给出一个平均结果。随着分辨率提高，未来天气预测将越来越接近真实地点。
WeatherNext 3甚至开始直接学习：
某一个具体气象站未来会测到多少度。
这说明AI天气预报正在从“预测一张全球天气地图”，逐渐发展成“预测任何一个具体地点的天气”。
降雨预测是一个重要进步
天气预报中最难的问题之一，就是下雨。
温度和气压通常变化相对平缓，但降雨非常局部。
可能这个街区暴雨，十几公里外却完全不下雨。
WeatherNext 3在训练中加入了更多真实降水观测数据，例如卫星降水数据和雷达数据，而不仅仅学习传统天气模式计算出来的降水。
这样做的逻辑其实很好理解：
想学会预测真正的雨，就尽量让AI看到真正下过的雨。
Google公布的测试结果显示，WeatherNext 3在多种降水预测指标上取得了明显提升。
WeatherNext 3并不是只预测“一种未来”
天气本质上存在不确定性。
例如台风未来可能向西移动，也可能稍微向北偏；暴雨可能出现在城市东边，也可能出现在西边。
所以真正有价值的天气预报，并不是简单告诉人们：
“明天下午一定下雨。”
而应该告诉人们：
“明天下雨的概率是多少，不同情况分别有多大可能。”
WeatherNext 3一次可以生成 64种可能的未来天气情况。
因此它更像是在模拟：
未来世界的64种可能版本。
然后再根据这些结果判断台风路径、降雨概率、温度范围以及极端天气风险。
这也是AI天气预报越来越重要的原因：它不仅预测天气，还在预测天气的“不确定性”。
WeatherNext正在变成一种基础设施
WeatherNext 3还有一个非常值得关注的信号：
Google已经开始把这种天气AI能力放进Google Search、Gemini、Google Maps、Earth Engine以及天气API等产品。
这说明WeatherNext正在从科研项目变成真正的基础设施。
未来它的应用范围可能远远超过普通天气App。
例如风电场可以预测100米高空未来的风速；光伏电站可以预测云层和太阳辐射；航空公司可以预测航线天气；农业企业可以预测降雨和温度；物流企业可以提前判断极端天气风险。
最终可能形成：
全球天气AI → 能源 → 农业 → 航空 → 物流 → 城市管理 → 灾害预警。
因此，WeatherNext 3真正值得关注的地方，并不是“天气预报又提高了几个百分点”。
更大的变化是：
过去AI天气模型主要学习传统天气系统生成的数据，而现在，它正在越来越直接地连接卫星和现实世界。
未来的天气系统可能不再只是“超级计算机求解物理方程”，而会逐渐演化成：
卫星、雷达、气象站不断观察地球，AI持续理解整个地球正在发生什么，并实时推演未来。
从这个角度看，WeatherNext 3可能代表着AI天气预报进入了一个新的阶段：
AI正在从“学习天气预报”，走向“直接观察和理解地球”。