DeepMind 台风预报模型登 Nature，代码权重同步开源
WeatherNext Cyclones 在路径、强度与风场三项上刷新精度，三天预报相当于旧系统两天水平，代码与权重已上传 GitHub。
8 月 6 日，谷歌 DeepMind 在《自然》发表其热带气旋预报模型 WeatherNext 的研究，并同步在 GitHub 开源代码与模型权重——这套系统此前已进入实际的飓风业务预报流程。
结果本身
WeatherNext Cyclones 可生成长达 15 天的概率性预报，覆盖风暴路径、强度与风场结构三个维度。DeepMind 称三项均达到当前最优，并用预报员真正在意的指标来衡量收益：提前量。平均而言，它的三天预报质量相当于此前系统的两天水平，等于凭空多出一整天预警时间。考虑到业务预报技巧的历史进步速度大致是「十年提前一天」，这相当于一次性兑现了十年进展。
模型训练数据包含多年全球大气再分析资料（约 20TB 规模），并叠加了收录近 5000 个历史气旋的 IBTrACS 数据库——后者提供的正是通用大气训练容易「抹平」的风暴细结构。DeepMind 举飓风 Melissa 为实战例证：预报员提前五天就以 80% 置信度获得了五级登陆的预警信号。
开源与合作方
代码与权重已在 GitHub 开放，可用于学术、业务与商业用途；精简版 WeatherNext 2-mini 可在免费 Colab 笔记本中运行，预报结果也通过 Weather Lab 对外提供。合作方包括美国国家飓风中心、大气研究合作institute（CIRA）、英国气象局及多国气象机构，DeepMind 表示本季将向更多预报员扩大开放。
为什么重要
机器学习气象模型在通用预报上超越数值模拟已有两年，但热带气旋——样本稀少、尺度小、后果严重——一直是业务界保持谨慎的硬骨头。发表于《自然》在公开层面终结了方法论之争，开源权重则终结了可及性之争：任何国家气象部门，包括负担不起传统气旋模式所需超算的机构，如今都能在普通硬件上跑一套前沿系统。这也是前沿实验室罕见地开源一个主要价值并非商业的模型，是当下 AI 能力转化为可量化公共安全收益最清晰的例子。