多数「AI 气象」故事停在论文榜。WeatherNext 3 的刺点更土：它要解决的是数据迟到。
9 月 3 日，Google DeepMind 与 Google Research 宣布 WeatherNext 3。官方口径写得很满——Brightband 独立在线评测上的最强全球模型；表面变量可到约 5 公里，其他表面约 10 公里、大气变量约 25 公里；相对 WeatherNext 2 的 25 公里、6 小时步长，空间大约锐利五倍。真正改变业务节奏的，是输入：模型直接吞下全球静止轨道卫星的小时级拼图，再叠上传统数值分析，用 Functional Generative Network（FGN）网格 Transformer 一口气吐出格点场、气旋路径和站点坐标。
旧路径的痛点是物理数值模式那六小时左右的分析滞后。TechTimes 援引 DeepMind 的说法：典型数据滞后从大约七小时压到三到四小时。对雷暴、锋面、阵性降水这种「几十分钟就改脸」的系统，小时刷新不是锦上添花，是能不能提前半拍调度的问题。降水一向是全球模式的软肋；官方称中期预报相对 IMERG 的 CRPS 最高可改善约 60%，对 MRMS 约 30%，对雨量计早期时效约 10%。Search / Gemini / Maps 侧则宣传「提前一天及以上」的降水准确度最高可提升约 50%，改善集中在历史上预报更差的地区。
另一条产品线写给电网。模型预报约 100 米高度的风速（贴近风机轮毂）、高分辨率云量与地面辐射——风电光伏出力估算直接吃这套场。Clean energy 变量不是宣传点缀：调度员每天要在「天空下一小时会怎样」上反复下注，AI 若还在吃过期分析，相当于拿昨天的卫星图做今天的出力曲线。
落地方式也很 Google：BigQuery、Earth Engine、Cloud Storage 可查可下；Search、Gemini、Maps、Maps Platform Weather API、Earth Engine 从当日起接入。Weather Lab 提供可视化。论文与开发者文档把集合写成 64 成员、15 天视界（整点初始化），非整点小时跑则短至 48 小时——业务细节比口号重要。
判断：这不是又一个「打败 ECMWF」的擂台帖，而是把实时观测塞进消费级与云产品管道的工程决策。拉丁美洲、非洲、亚太许多区域买不起传统高分辨率区域模式，5 公里全球场若真能贴地，公共价值大于排行榜。提醒仍在：官方免责声明要求极端天气以本地气象部门为准；AI 预报再密，也不该替代预警责任链。接下来值得盯的是 Brightband 活榜是否稳住，以及可再生出力误差在真实调度台账里降了多少——那比发布会分辨率数字诚实。
[1][2]