目錄
本文資訊以 2026 年 8 月為準，WeatherNext 仍屬研究與實驗性模型，正式防災資訊仍應以各國氣象機關發布為準。
2026 年 8 月，Google DeepMind 與 Google Research 在 Nature 發表 WeatherNext Cyclones 研究，同步公開 WeatherNext 2、WeatherNext Cyclones 與輕量版模型的程式碼及預訓練權重。這次成果最容易理解的數字，是熱帶氣旋的路徑、強度與風圈預報平均取得超過 24 小時的 lead-time advantage，也就是 WeatherNext Cyclones 三天後的預報準確程度，大致可以做到過去主要作業模型兩天後才有的水準。論文將這個進步幅度形容為接近過去十年熱帶氣旋作業預報累積下來的改善。
這則新聞和這週大量集中在 AI 代理人安全的消息很不一樣，但也剛好提供另一個觀察角度。模型能力變強本身沒有固定的好壞答案，真正影響結果的是它被放進什麼系統、解決什麼問題，以及輸出最後由誰使用。WeatherNext 的預報仍然不是官方警報，也不會取代氣象預報員，但如果模型能更早把快速增強、路徑偏移與風圈風險放進集合預報裡，專業預報員就多了一段可以判斷的時間。
WeatherNext Cyclones突破了什麼？同一個AI模型同時預測路徑、強度與風場
熱帶氣旋預報一直有一個難題：路徑與強度需要看的尺度不同
熱帶氣旋預報長期有一個很難避開的取捨。風暴往哪裡走，主要受到大尺度全球大氣環流影響，因此全球模型很適合處理路徑；但風暴會增強到什麼程度，又受到核心附近對流、熱力學與其他細尺度過程影響，通常需要解析度更高的專門模型。過去的系統因此很容易出現一種情況：全球模型擅長路徑，高解析區域模型比較擅長強度，很難由同一套系統同時把兩件事做好。
WeatherNext Cyclones 的做法不是另外訓練一個只看颱風中心的小模型，而是讓單一 AI 模型一起學全球天氣演變與歷史熱帶氣旋資料，再同時輸出路徑、最大風速與風圈結構。Nature 論文對 2023 至 2025 年熱帶氣旋的評估顯示，WeatherNext Cyclones 在這三類指標上平均都比主要作業模式多出約一天以上的預報技巧優勢。Google DeepMind 以更直觀的方式解釋，就是模型三天預報的準確程度，大致相當於過去模型兩天預報的水準。
28公里解析度也能預測強度，反而成了研究裡最意外的結果
這項研究另一個很反直覺的地方，是 WeatherNext Cyclones 並沒有靠極高解析度取得這個結果。完整模型使用約 0.25 度、也就是接近 28 至 30 公里的全球資料，Google DeepMind 表示，這比傳統用於熱帶氣旋強度預測的高解析模型粗約 100 倍；輕量版 WeatherNext Cyclones Mini 則使用 1 度、約 111 公里的網格，表現雖然不及完整模型，仍能進行全球天氣與熱帶氣旋預報。
這個結果並不是在說解析度以後不重要。比較準確的解讀，是論文證明高解析度不一定是取得目前頂尖強度預報技巧的必要條件，而較粗的全球大氣資料裡，可能本來就包含比過去想像更多和氣旋強度有關的訊號。Google DeepMind 自己也承認，目前還沒有完全搞懂模型為什麼能在這個解析度下保留如此多的預測能力，這仍然是後續研究問題。
WeatherNext用了近20TB天氣資料與近5000個歷史風暴共同訓練
WeatherNext Cyclones 的訓練同時使用兩種資料：長期全球大氣狀態，以及經過整理的歷史熱帶氣旋觀測。Google DeepMind 表示，端到端訓練使用接近 20TB 的全球大氣資料，並搭配 NOAA 的 IBTrACS 全球熱帶氣旋資料庫，其中涵蓋接近 5,000 個歷史風暴。這讓模型不只學單一風暴中心周圍的變化，而是在全球天氣背景裡一起學風暴如何形成、移動與增強。
模型的生成架構使用 Functional Generative Networks（FGNs），目的不是只產出一條「最可能的路徑」，而是有效率地建立大量可能情境。2025 年實際運行時一次產生 50 個 ensemble members，數量和主要全球物理集合模式接近；2026 年系統已經擴大到每次 1,000 個成員。集合數量增加的價值不是單純讓圖上多出更多路線，而是讓機率分布尾端那些較少發生、但一旦發生後果很大的情境更容易被保留下來，例如熱帶氣旋快速增強。
WeatherNext真的用在颶風預報了嗎？2025年Melissa已經是實際案例
美國國家颶風中心在2025年風季實際收到WeatherNext預報
WeatherNext Cyclones 並不是論文完成後才第一次拿來看真實風暴。GitHub 公開的模型說明確認，WeatherNextCyclones_<2025 就是 2025 年大西洋颶風季期間實際運行的版本，當時公開名稱為 FNV3，經美國國家颶風中心後處理後的版本稱為 GDMI。Nature 論文的共同作者也包括 NOAA／NHC、CIRA 與英國氣象局的研究及預報人員，研究本身並不是完全脫離作業預報環境的實驗。
2025 年的 Hurricane Melissa 是其中最明確的案例。當 Melissa 還只是較弱的熱帶系統時，WeatherNext 已經預測它會快速增強並以 Category 5 強度在牙買加登陸，五天前給出的機率約為 80%，到三天前接近 100%。NHC 最後也首度在風暴仍只有 Category 1 風速時，就預測它之後會達到 Category 5。Google DeepMind 表示，WeatherNext 是當時 NHC 判斷使用的多個預報來源之一，仍然搭配 HAFS 等物理模式、衛星資料、颶風偵察機與專業預報員判斷，而不是單獨由 AI 發出警報。
這個差別很重要。說「NHC 使用 WeatherNext 協助預測 Melissa」是有資料支持的，但說「AI 自己提前五天預測並因此讓官方撤離」就會把因果關係拉得太遠。WeatherNext 提供的是額外的預報 guidance，正式警報、風險判斷與撤離決策仍由氣象與政府機關負責。
WeatherNext開源了什麼？程式碼、模型權重與Mini版本都能直接取得
WeatherNext 2與WeatherNext Cyclones的程式碼和預訓練權重都已公開
Google DeepMind 這次公開的不只是 Nature 論文，而是可以實際執行模型的 WeatherNext repository。GitHub 目前提供 WeatherNext 2、WeatherNext Cyclones，以及 WeatherNext Cyclones Mini 的程式碼與多組預訓練權重，包括實際在 2025 年風季運作的 WeatherNext 2 與 WeatherNext Cyclones checkpoint，也保留用來重現 2023、2024 年論文結果的版本。WeatherNext 2 和 WeatherNext Cyclones 使用相同的氣旋預測方法，主要差別之一是 WeatherNext 2 額外預測 100 公尺風速，兩者則因獨立訓練而使用不同權重。
原文有一個授權細節需要修正：並不是「程式碼與模型權重全部採 Apache 2.0」。GitHub 說明目前把 Colab notebooks 與相關程式碼放在 Apache 2.0 授權下，其餘公開材料則採 CC BY 4.0；預訓練權重另外從 Google Cloud Bucket 下載。因此比較準確的說法是，WeatherNext 的研究程式碼與模型材料已用開放授權公開，但不同內容適用的授權條款並不完全相同。
WeatherNext Cyclones Mini可以直接在免費Colab的單一TPU上執行
完整 WeatherNext 模型的硬體需求還是很高。GitHub 說明指出，非 Mini 模型若使用 GPU，需要 H100 等級的顯示記憶體；Mini 則為了降低記憶體與運算需求而設計，可使用單張 GPU 或單一 TPU。Google 提供的 Colab Notebook 預設載入 WeatherNext Cyclones Mini，並建議使用目前在 Colab 可免費取得的 v5e-1 TPU runtime。
這代表「一般研究者可以上手」比「任何人都能跑完整 WeatherNext」更準確。完整模型仍需要相當高的硬體資源，但 Mini 版把測試、教學與研究門檻壓低很多。研究團隊可以先在較便宜的環境檢查資料流程、追蹤器與模型輸出，再決定是否投入完整版本需要的運算資源。
為什麼WeatherNext的「開放模型」跟其他AI安全新聞看起來完全不同？
前幾篇 AI 安全事件裡，開放權重經常被討論成一個控制問題：模型下載之後，原開發商很難再統一限制 API、停止帳號或監看所有部署副本。WeatherNext 使用的其實也是相近的發行邏輯，程式碼與模型材料公開後，各地研究團隊可以自行執行、修改研究流程，甚至發展更適合特定區域與預報需求的版本。差別不在「開放」本身突然變安全，而在模型能力被拿來做什麼。
對全球天氣預報來說，這種開放有一個很直接的研究價值。氣象條件高度區域化，颱風、季風、山區降雨與沿海風場都有不同需求，各國氣象機構、學校與非營利研究單位若能從已訓練好的模型開始，就不需要先投入相同規模的成本重新訓練一套全球模型。Google DeepMind 也把 specialized、localized models 明確列為這次公開模型希望支持的用途之一。
不過開放也不代表 WeatherNext 的輸出直接變成官方天氣服務。Google 在 repository 裡明確標示這是實驗性研究專案，模型並沒有獲得任何政府氣象機構的官方背書，也不能取代正式 alerts、warnings 或 notices。即使 Nature 論文作者裡包含 NHC、CIRA 與 UK Met Office 人員，實際的預警責任仍然留在各國氣象機關。
一般人現在能用WeatherNext嗎？Weather Lab已經可以直接查看AI天氣預報
不需要下載模型，也能直接看到 WeatherNext 的實驗性預報。Google DeepMind 已經更新 Weather Lab，除了原本的熱帶氣旋路徑之外，目前也能查看全球溫度、降雨、風速等 WeatherNext 預報。WeatherNext repository 另外提供透過 Google Cloud、Weather Lab 與 Open-Meteo 存取每日模式輸出的方式，因此研究者與開發者不一定需要自己完整運行模型才能取得預報資料。
不過 Weather Lab 比較適合拿來看不同模型如何理解未來天氣，而不是取代中央氣象署或其他官方機關。Google DeepMind 自己在 WeatherNext 公告與 GitHub 都重複提醒，正式天氣警報仍應查看所在地的國家氣象服務。以台灣來說，颱風警報、停班停課與防災判斷仍然要回到中央氣象署及相關政府機關的正式資訊，不能因為某一條 WeatherNext 路徑看起來離台灣較遠就自行判定風險解除。
WeatherNext對一般人的實際意義，不是從此能提前一天知道颱風會去哪
「多一天」代表預報技巧改善，不保證所有警報都會提前24小時
Nature 論文所說的 day or more of lead time advantage，是在多個熱帶氣旋的路徑、強度與風圈預測中比較模型誤差後得到的平均結果。它不是承諾未來所有颱風警報都會固定提早一天，也不是代表五天後的每一條路徑突然都變成確定答案。WeatherNext 仍然透過 ensemble forecast 呈現不同可能情境，真正重要的是預報員可以更早看到某些風險開始累積，而不是更早得到一個百分之百確定的答案。
對防災來說，多出來的預報技巧仍然很有實際價值。像 Melissa 這種快速增強事件，如果集合預報能提早提高強颱情境的機率，氣象機構就能更早把這個可能性放進判斷裡。撤離、物資配置、港口作業與停班停課最後仍要由各地政府依照完整氣象資料決定，WeatherNext 比較像是讓這些判斷多一組更早出現的訊號。
研究開放後，更值得看的可能是各地怎麼把模型改成自己的版本
WeatherNext 這次公開後，下一階段不只是在等 Google 再提高 benchmark，而是看各地研究機構怎麼使用這套模型。Google DeepMind 目前已經和美國 NHC 合作，也公開提到正在與菲律賓 PAGASA、台灣中央氣象署、印尼 BMKG 與越南 VNMHA 等機構進行相關研究。這不代表 WeatherNext 已經成為這些機關的正式預報系統，而是模型開始進入更多區域的研究與驗證環境。
這也是開放模型在氣象研究裡比較實際的價值。全球模型可以先提供一套共同基礎，各地再用真正熟悉當地天氣的人去驗證它在哪些情境可靠、哪些地方容易失準。對一般使用者來說，最後真正有感的未必是某個 AI 模型名字出現在天氣 App 裡，而可能是官方預報開始更早抓到快速增強或路徑風險，而模型本身藏在後面的預報工具組裡。
這週不少 AI 新聞都在談模型變得太會行動之後，權限要怎麼關、沙箱要怎麼守。WeatherNext 剛好提供另一種案例：同樣是模型能力快速往前，也同樣把模型材料公開，但問題變成如何讓更多氣象機構與研究團隊驗證、修改和使用它。這並不代表 WeatherNext 沒有風險，也不需要把它寫成「AI 終於用在好地方」這種簡單對比。比較具體的進展是，熱帶氣旋路徑、強度與風圈這三件原本很難一起做好的事，現在有一套 AI 系統在 2023 至 2025 年的評估裡，平均往前推進了超過一天的預報技巧。接下來真正有用的問題，是這個優勢能不能在不同海域、不同風暴與真正的作業預報裡穩定留下來。
常見FAQ
Ｑ：WeatherNext Cyclones具體改善了什麼？
WeatherNext Cyclones 同時改善熱帶氣旋的路徑、強度與風圈預測。Nature 對 2023 至 2025 年風暴的評估顯示，相較主要作業模型，平均可以取得一天以上的 lead-time advantage；Google DeepMind 將它解釋成三天預報的準確度，大致達到過去模型兩天預報的水準。這是平均預報技巧改善，不代表每次颱風都會固定提前一天發布警報。
Ｑ：為什麼WeatherNext只用約28公里解析度還能做好強度預報？
目前還沒有完整答案。WeatherNext Cyclones 使用約 28 至 30 公里的全球資料，解析度遠低於傳統專門處理氣旋強度的高解析模型，卻仍取得很好的結果。研究團隊認為，較粗的全球大氣資料可能包含比過去預期更多與強度變化有關的訊號，但模型如何在這種解析度下保留這些資訊，仍是待研究的問題。
Ｑ：WeatherNext真的已經在實際颶風季使用過嗎？
有。公開的 WeatherNextCyclones_<2025 checkpoint 就是 2025 年大西洋颶風季實際運行的版本，NHC 也把相關 guidance 納入預報參考。Hurricane Melissa 是最明確的案例之一，WeatherNext 在五天前就對 Category 5 登陸牙買加給出高機率預測，不過正式預報仍是 NHC 綜合 WeatherNext、物理模式、衛星、偵察機與專業判斷後發布。
Ｑ：WeatherNext的程式碼與模型權重是Apache 2.0嗎？
不能全部這樣說。Google DeepMind GitHub 目前標示 Colab notebooks 與相關程式碼使用 Apache 2.0，其餘材料採 CC BY 4.0，預訓練權重則另外透過 Google Cloud Bucket 提供。因此，WeatherNext 確實已公開程式碼與模型材料，但不同內容適用的授權條款不同。
Ｑ：一般人可以直接使用WeatherNext嗎？
可以透過 Weather Lab 查看實驗性的 WeatherNext 預報，不需要自己下載完整模型；研究者也可以使用 GitHub 提供的 WeatherNext Cyclones Mini，在免費 Colab 的單一 TPU runtime 執行輕量版。這些預報都不能取代所在地氣象機關的正式警報，颱風避難與防災決策仍應以官方資訊為準。