WeatherNext 3：全球AI天气大模型，台风变准不靠5公里分辨率

2026 年 9 月，Google DeepMind 发布了新一代全球 AI 天气预报模型 WeatherNext 3（下称 WN3），宣传口径里最响亮的卖点是"最高 5 公里分辨率"。对普通读者来说，网格从 25 公里细到 5 公里，听起来就是"看得更清楚、报得更准"的直接理由，台风自然也该跟着变准。

但把台风（即热带气旋 tropical cyclone，西北太平洋的习惯叫法，下文沿用）预报单独拎出来看，会发现一个和宣传不太对付的事实：真正决定台风路径和强度的那一路输出，用的仍然是约 25 公里的网格。"5 公里"和"台风变准"被宣传绑在了同一根绳上。这篇文章要做的，就是把绳子剪开，看看两头各自真实的成分。

拆解分六步：先拆开"5 公里"这个数字；再给"细网格应该有用"的物理直觉一个公道；然后用一个粗网格模型的反例推翻"细网格即机制"；接着定位台风能力真正的来源；回头看这套写法的三类代价；最后收束成三个可以带走的判断问题。

1. 5 公里是谁的分辨率？一套模型里藏着三档真实尺度

三个名字，各管一档

WN3 是多输出头架构。它不像上一代模型那样把整套天气画在同一张网格上，而是把变量拆成三个独立输出头，每个头有自己的原生分辨率。

宣传里的"最高 5 公里"，取的是三档里最小的那个数字。它只属于站点温度这一档：模型在这里学习预报"气象站所在位置"的 2m 温度与露点，空间和时间上都能连续采样。10 公里一档管地表天气。而真正决定台风预报质量的高空大气场，连同台风输出头，都仍停在 0.25°（约 25 公里）这一档，按 6 小时一步自回归滚动。任何单一数字都无法概括这样一套模型，这就是"单一指标陷阱"。WN3-paper

上一代本来就在 0.25°

把时间轴拨回去，"分辨率变高"这个大前提也要打个折。2023 年的 GraphCast（Lam 等，Science 2023）和 2025 年的 FGN/WeatherNext 2 都是 0.25° 网格、6 小时一步的全球模型。所以 WN3 的分辨率提升集中在新增的站点（0.05°）和地表（0.1°）两档，高空与气旋这一路，和上一代是同一个尺度。GraphCast FGN

图注：同一张地表温度场，左边是 WeatherNext 2 的 0.25° 网格，右边是 WN3 的 0.05° 输出。左图呈明显的块状像素、地形轮廓钝化，右图能看出更细的陆地细节。这是产品页的示意对比，不是某一具体日期的业务预报，温度单位也未说明；它只用来直观感受 5 公里与 25 公里的颗粒差，结论以三档对照表为准。WN3-research

WN3 的输入里还有一个容易被忽略的设计：除了两个 6 小时间隔的分析帧，它还把最近 12 帧静止卫星 mosaic（0.1°、每小时一帧、最新一帧时滞约 1 小时）一起喂进模型，让它成为第一个每小时都能出预报的全球天气模型。这条信息先记下，第四章会看到它才是台风能力的关键一环。

所以"最高 5 公里"拆到底，是 5 公里（站点温湿度）、10 公里（局地地表）、25 公里（高空与台风）三档里最小的那个数字，而台风输出仍然在 25 公里档。那么问题顺出来了：既然台风预报还是从粗网格里出来的，它凭什么变准？

2. 细网格本应在哪一环起作用？路径与强度的尺度分离

给"细网格等于台风更准"做个公证：这个直觉不是凭空来的，它在台风物理里有一块真实的地盘，只是位置和宣传说的不一样。

路径和强度，由两种尺度的过程支配

台风预报分两件事：路径（台风走向）和强度（最大风速、中心气压）。ECMWF 在 2021 年的技术备忘录里把这层分工说得很清楚：路径主要由大尺度引导气流支配，也就是几百公里尺度上把台风整团"推着走"的环境风场，这类过程在全球粗网格模型里表达得很好；强度则依赖内核尺度过程，即眼墙附近 O(1 km) 量级的对流活动，全球模型解析不出来，所以全球模型的强度预报必然系统性偏低，业务集合里的强度质量"仍然很糟"。ECMWF-TM888

打个比方。路径像河里的落叶，主要被大水流推着走，站在岸上也能推准它明天到哪；强度像浪花的细节，只有凑近水面才看得清。所以业务界几十年的分工一直是：全球粗网格模型负责路径，区域高分辨率嵌套负责强度，前者是主干，后者是补充。

图注：路径与强度各自归属的物理尺度。路径被大尺度引导气流推动，全球粗网格就能推得准；强度由 O(1 km) 量级的内核对流过程支配，只有贴近看才清楚。这正是"全球粗网格报路径、区域细网格报强度"分工的物理依据。

顺着这层分工，细网格的理论价值恰恰落在强度这一环。而下一章的主角 WeatherNext Cyclones（下称 WN-C）在论文摘要里主动承认：它的输入比区域高分辨率模型粗了几个数量级，却声称路径、强度、风圈都拿到了超过一天的提前量。如果强度真的只有细网格能救，这个声明就不该成立；它既然成立了，就说明"分辨率驱动台风能力"这件事缺了一环。

3. 约 28 公里输入，怎么赢下平均 24 小时提前量？

反例登场

WN-C 是 Google DeepMind 2026 年 8 月发表在 Nature 上的气旋专用模型。它用 0.25°（约 28 公里）网格、6 小时一步的自回归架构，输入规模与一众全球 AI 模型同一量级。在 2023 到 2025 年的台风上评估，论文摘要的结论是：路径、强度、风圈三方面，相对领先的业务模型平均拿到"一天或更多"的提前量。WN-C

"提前量"（lead time）是理解这事的关键。它说的是：在误差水平相同的前提下，新模型比旧模型能把同样精度的预报向更远的时效多推多久。这里有个直白的对照：WN-C 预报 5 天后的台风路径，误差只有约 230 公里，而 ECMWF 的业务集合 ENS 到第 5 天时误差已经到约 370 公里，相当于 WN-C 把同样精度向更远时效多推了大约一天。多出来的这近一天，正是台风预警里最值钱的东西。这是 2023-2024 年的同质评估（homogeneous evaluation），让所有模型从同一组初始时刻、预报同一组台风，再逐对比较，避免各测各的口径差。

下面这张图把反例摆上了台面：

图注：2023-2024 同质评估下，WN-C 与 ECMWF ENS、GenCast、HAFS 在路径（左）、强度（中）、风圈（右）三个指标上的对比，蓝色 WN-C 的曲线在三个子图里都沉在下方。HAFS 是区域高分辨率业务模型，其曲线在第 5 天后中断，是它不再发布该时效的预报，不代表模型失效。具体数值以正文为准，不要从图上读数。WN-C

相当于解锁了 ENS 自己十余年的进步

领先幅度有多大，论文用一张历史进步率对比图来说话。子图 (b) 先展示 ENS 自身的演进：2005-2014 到 2015-2024 这十年，在 300 公里路径误差阈值下，ENS 大约多出 22 小时提前量、位置误差下降约 65 公里，这是整个数值天气界十年的成果。子图 (c) 才是 WN-C 在同质评估里相对 ENS 的成绩：27 小时提前量、100 公里位置误差下降。

图注：把 WN-C 与 ENS 的路径技巧进步率放在同一把尺上。(a) 是 2005-2024 年的逐年位置误差；(b) 是 ENS 自己两个十年的进步（2005-2014 对 2015-2024），约 22 小时提前量、65 公里下降，这是对照基线，不是 WN-C 的成绩；(c) 才是 2023-2024 同质评估下 WN-C 相对 ENS 的结果，在 300 公里阈值上多出 27 小时提前量、位置误差下降约 100 公里。这个结论只在同质评估范围内成立，不要外推到所有成员、海盆与强度。WN-C

一句数字归属提示：27 小时和 100 公里是 WN-C 的成绩，来自论文补充材料里的同质评估，摘要措辞是"一天或更多"；而 WN3 相对 WN2 在台风上的改进是"较小但一致"，两者不是一个量级，别把 24 小时记到 WN3 头上。WN3-paper

WN-C 的训练与评估都以 IBTrACS 为 ground truth。这是美国 NOAA 维护的国际最佳路径档案，把全球十余个机构的历史台风记录合并进统一坐标系，第五章会看到这份档案自带的偏差。IBTrACS

结论已经摆上台面：约 28 公里输入，路径与强度却都系统性领先业务前沿。细网格既不是充分条件，也不是必要条件。那它到底怎么做到的，这正是下一章要拆的机制。

4. 台风能力真正的来源：新鲜观测、专门标签与端到端直接预测

把 WN3 和 WN-C 的设计放在一起，能解释台风优势的改动有两条主线：起点（观测新鲜度）和目标（目标对齐）。这两项设计分别提供了值得检验的解释线索，但各自证据的成色并不相同，本节逐条看。

起点不同：从"刚才的天气"出发

传统数值预报从分析场出发。分析场是数值模式把分散的观测"同化"进规则网格后得到的完整天气状态，这个过程有固定周期和时滞：业务分析 6 小时产出一版，起报时用到的数据其实已经"旧"了几个小时。这个"初始状态陈旧度"是预报误差的来源之一。从一场旧天气出发，预报先输在起跑线上。

WN3 用 hourly init 压缩这段时滞。它同时接收两个 6 小时间隔的分析帧和最近 12 帧静止卫星 mosaic（0.1°、11 通道、每小时一帧，最新一帧时滞约 1 小时）。以 14 UTC 起报为例：最新一帧卫星图来自 13 UTC，而传统分析来自 06 UTC，WN3 实际可用的数据比传统模型新约 5 小时。论文的 latency-adjusted 评估显示，在同一起报时效下，hourly init 比 6-hourly init 在降水上多出约 2 到 3 小时的提前量。WN3-paper

目标不同：直接瞄准台风

旧链条是两步走：先让模型把全球完整的物理场重建出来，再在输出上跑一个独立的追踪器把台风圈出来。追踪器是手工设计的后处理，与模型的训练目标是两张皮。

WN-C 把两步压成一步。它的输出头在预测下一帧大气场 $X^{t+1}$ 的同时，还预测一张网格化的气旋目标图：每个格点的台风存在概率、中心气压、最大风速、最大风半径，以及 34/50/64 节三个阈值的四象限风圈半径。训练时，把 IBTrACS 里稀疏的表格记录（每条台风在每个时刻的中心与属性）通过"网格化"（griddification）播撒成稠密网格场，让模型直接对着"预报员要决策的量"做损失。WN-C

图注：WN-C 的端到端联合预测架构。网络 f_θ 同时输出下一时刻的完整气象场 $X^{t+1}$ 和网格化气旋目标 $(E, S)^{t+1}$，通过 Tracking（网格到表格）与 Griddification（表格到网格）两个方向在网格和离散轨迹 C 之间来回切换。注意两个映射都是确定性启发式过程，不是可学习的组件。WN-C

推理时再用一个直接追踪头把网格目标解析回表格轨迹：每一步先按上一时刻位置做动量外推作为初始猜测，在 250 公里搜索半径内取存在概率最大处再做概率加权平均，配合消隐、去重、新生台风等规则。整条链从训练到推理，优化的始终是"台风本身"，而不是中间的物理场。

五十年前的思路，被端到端化了

这套"直接对准观测做统计修正"的思路，气象界早就有了原型。1972 年，美国国家气象局的 Glahn 和 Lowry 提出 Model Output Statistics（MOS）：跑完数值模式后，用历史记录里"模式输出 + 同期地面观测"的配对做多重线性回归，让回归系数吸收模式偏差，再套用到未来的模式输出上生成站点级预报。这套做法在美国气象局运营了半个世纪。WN3 论文在讨论节明确承认这条师承：把站点校准直接并入模型，就不需要单独的校准阶段了。MOS

WN3 把 MOS 端到端化了。它的站点头在模型内部直接对齐站点观测，气旋头直接对齐 IBTrACS，降水头对齐自研的 PARDIG 雷达-卫星降水分析。校准环节从"模型之后"搬进"模型之中"，共享主干网络学到的表示。FGN/WeatherNext 2 论文里已经预告过"直接预测台风"这个方向的实验性扩展，WN-C 正是它的正式落地。FGN

图注：同一时刻的 24 小时降水预报，左为 WN2、中为 WN3、右为 MRMS 雷达观测。WN3 的细网格结构明显比 WN2 更贴近观测的空间细节，这是"训练目标直接对齐观测"的直观证据。这是产品页示例预报（2026-01-28 起报），不是当下真实业务预报，图内也没有可提取的 CRPS 类指标。WN3-research

到这里，台风能力的来源还不能盖章定论：分辨率退居次要，从"哪出发"（观测更新鲜）和"朝什么优化"（直接对准台风做损失）这两处端到端重写，分别提供了值得检验的解释线索。两处线索的证据边界要划清：WN3 的新鲜观测证据目前落在降水上，WN-C 的直接目标与台风优势只是同现，二者都不能单独量化对台风提升的因果份额。但正因为训练目标死死咬住观测，它的代价也一起进来了。

5. 这套端到端化有多可靠？三类静默失败与独立验证的缺口

失败一：集合可能过度自信

先给一个判断工具。集合（ensemble）是一组平行的预报成员，成员之间的"离散度"（spread）反映模型对自己不确定性的估计：成员挤成一团，模型就是在说"我很确定"。问题是，"每个单点看着都准"和"点与点之间一起对"是两回事。前者叫边际（marginal）校准，管每个点自己的概率分布；后者叫联合（joint）空间结构，管格点之间、变量之间的相关关系对不对。

Howard & Barnes（2026）专门检验过这个缺口。在海岸海面高程和 Lorenz-96 理想混沌系统上，一个生成式 AI 集合在每个单站每个时效的 CRPS（连续排序概率分数，衡量概率预报与观测之差的常用指标）都是正的，能量分数（energy score）在短时效也正，但 variogram score 在所有时效上都是负的，意味着集合的空间联合结构比随机气候态还差。CRPS 和能量分数这类常用指标看不见这个失败，variogram score 才看得见。更关键的是：把训练数据从 0.7 年加到 170 年，CRPS 一路变好，联合缺口纹丝不动；同样的混沌系统里，物理动力模型的集合不出现这个失败（VS/CRPS 比值约 1.02），数据驱动的模型却集体崩塌（DDPM 约 0.75，确定性仿真器约 0.42 到 0.58）。"单点都准、空间一起错"看起来是数据驱动式仿真的结构性特征。Howard-Barnes

图注：五类集合预报方式的 CRPS（蓝）与 variogram score（橙）技能对比，以及下排的 VS/CRPS 比值；虚线 y=1 对应边际与联合技能没有缺口。物理动力模型的两组贴近 1，DDPM 约 0.75，确定性仿真器约 0.42 到 0.58。离 1 越远，说明"单点都准而空间结构全错"的缺口越大。注意这些数字来自海岸海面与 Lorenz-96 实验，不是台风数据，这里只能作为结构性证据，不能说已经证明某个台风模型失败。Howard-Barnes

这条警示对 WN3 是迎面来的：论文自己报告，气旋强度与 34/50 节风圈半径的集合比 WN2 更 under-spread，成员挤得更紧、模型更自信，作者把原因归于模型变大后对台风变量可能过拟合。WN-C 则把集合规模上限拉到 1000 个成员，声称更擅长捕捉罕见事件；但边际校准和联合校准可以解耦，成员更多并不保证空间联合分布正确。WN3-paper WN-C

失败二：训练标签自带的偏差

端到端对齐观测，对齐的观测本身并不干净。IBTrACS 把所有机构的 best track 合并进一个坐标系，但各机构的风速口径不一样：美国取 1 分钟平均，中国取 2 分钟，印度取 3 分钟，日本、澳大利亚等多数机构取 10 分钟，彼此没有简单的换算公式，跨海盆直接比强度本身就带着口径误差。还有 provisional 临时记录：风暴结束后、机构重分析完成前，数据先以临时版发布，这个等待期可能超过一年，而临时记录的位置与强度在重分析后都有可能被修改。IBTrACS

对快速增强（RI，24 小时内强度急剧跳升的极端事件）这类最难的情况，机构记录本身系统性偏低，AI 模型拿它当训练标签，等于把这份低估学进了参数。

失败三：独立业务验证还没跟上

最后是验证问题。WN3 的 real-time 评估只有 2026 年 7 月 1 日到 8 月 11 日约 6 周，论文自己提醒样本太小。开发页面上提到的 Brightband Operational WeatherBench 独立评估真实存在，但它不在论文 PDF 内，没有给出具体名次和置信区间，只能算"产品页口碑"，不是论文内证据。WN3-paper

独立机构给出的证据也不全是好消息。ECMWF 和剑桥大学联合的 AIFS-TC 是另一条完全独立的证据线，在 2025 年完整独立年份上检查了 raw AIFS 模型：快速增强样本上最大风速误差约 71 节，加一层轻量修正后降到约 21 节，与业务模型 FNV3（约 24 节）和人类预报 OFCL（约 20 节）统计上打平，而不是超越。论文自己承认，所有系统包括人类预报员在快速增强上都有显著负偏差，说明增强时机的预报之难是结构性的。AIFS-TC

图注：2025 年独立年份上，四个系统最大风速误差按全球、各海盆与快速增强（Rap. int.）分组对比。最戏剧性的一列是快速增强：未修正的 AIFS 约 71 节，AIFS-TC 修正后约 21 节，与 FNV3、OFCL 基本齐平。注意统计上是打平而非超越，快速增强列只覆盖北大西洋与东太平洋，柱高不能外推到其他海盆。AIFS-TC

把已知的失败模式凑齐：WN3 的站点输出还有六边形网格伪影、相邻 6 小时步长间的时间不连续和样本级全局偏差；WN-C 在快速增强上的关键成功指数（CSI，Critical Success Index）从 0.3 提到 0.5，仍没完全解决；与 HAFS 在强度上的对比也不是一边倒，经常出现 HAFS 误差更小的个例。

端到端直接对齐观测，换来台风预报的大幅提前，也背上了集合过度自信、标签带偏差、独立验证缺位这三笔账。这些散点需要一个判断框架来收束。

6. 下次看到 AI 天气宣传，先问三个问题

把前面的证据收进一张表。分辨率、观测新鲜度、目标对齐是三个可以分离的旋钮，各自的贡献完全不同。

分辨率的证据成色限于局地表面天气，真实贡献也就在这里。台风能力的提升指向后两个旋钮的端到端重写，但两者都还是候选解释，各自的证据不能单独量化对台风贡献的因果份额，相对贡献究竟如何，仍需同模型消融或独立实时评估来定论。WN3-paper

还得先校准坐标系。这个进步不是从零开始的：GenCast 早在 2023 年就以生成式集合在 1320 个 CRPS 目标上以 97.4% 的胜率整体击败 ECMWF 业务集合（>36 小时子集 99.8%），ML 天气模型整体赢过业务 ENS，在 WN3 之前就已经发生。GenCast

图注：GenCast 对 ECMWF ENS 的 CRPS scorecard 热力图，横轴是 1 到 15 天时效，纵轴是各变量与气压层；蓝色表示 GenCast 显著更优、红色是 ENS 优、白色持平，色阶在 ±20% 处饱和。整张图近乎全蓝，直观展示了"上一代 SOTA"的领先版图。它不代表 GenCast 在所有组合上都更好，97.4% 的胜率数字以正文为准。GenCast

而在此前三代模型分辨率始终都是 0.25° 的条件下，FGN/WeatherNext 2 已经用只训练单点边际目标的 CRPS 损失学到了空间联合结构，靠的是架构约束而不是目标对齐。这恰好说明，上一代到这一代的答案确实变了：不是分辨率，也不是多了一个输出头，而是"直接对什么目标做损失"这一项改了。把"答案变了"说成"真正分野"，就超出了现有证据能支持的范围，至少 FGN 的结果已经表明，目标对齐不是学到联合结构的唯一路径。FGN

所以下次看到任何 AI 天气宣传，先问三个问题。第一，它在测哪个变量？"5 公里"要落到具体变量上，是站点温湿度、地表场，还是高空场和台风输出？第二，它用的观测有多新？起报时滞是 6 小时还是 1 小时，决定了它从"昨天的天气"还是"刚才的天气"出发。第三，它直接对什么目标做损失？是重建完整物理场，还是直接对准预报员要决策的量。

宣传里最响亮的数字，常常不是能力真正的来源。把这三个问题问完，"高分辨率"这种笼统说法就被拆成了能各自验证的成分，每个成分该信几分、还缺哪块证据，也就都有了去处。

参考文献

本专题引用的核心资料如下，建议深入学习时阅读原文：

1. WeatherNext 3: Increasing resolution and performance of global weather models with raw observations（Google DeepMind 技术报告） — PDF
2. Operational Tropical Cyclone Forecasting with AI（Alet et al., Nature 2026） — Nature
3. Skillful joint probabilistic weather forecasting from marginals（FGN / WeatherNext 2） — arXiv:2506.10772
4. GenCast: Diffusion-based ensemble forecasting for medium-range weather — arXiv:2312.15796
5. Learning skillful medium-range global weather forecasting（GraphCast） — arXiv:2212.12794
6. IBTrACS v4r01 Technical Documentation（NCEI/NOAA） — PDF
7. The Use of Model Output Statistics (MOS) in Objective Weather Forecasting（Glahn & Lowry 1972） — PDF
8. AIFS-TC: A simple correction competitive with the operational frontier for tropical cyclone intensity forecasting — arXiv:2608.09959
9. Do AI Forecast Ensembles Sample the Correct Conditional Distribution?（Howard & Barnes） — arXiv:2608.08954
10. Tropical cyclone activities at ECMWF（ECMWF Technical Memorandum No. 888, Magnusson et al. 2021） — PDF