AI把热带气旋预报往前推一天，1000种未来比一条路径更重要

一天的预报优势，不能直接换算成一天的撤离时间

15天预报、1000条路径：AI开始进入气旋业务，但没有取代预报员

一场热带气旋不会沿着屏幕上的细线前进。8月6日发表于《Nature》的WeatherNext Cyclones，试图一次生成多达1000个可能未来。在2023—2025年的评估中，它对路径、强度和风圈的平均预报能力，比领先业务模型多出一天或以上的等效提前量。

这个结果很容易被翻译成一句吸引人的话：“AI让台风预警提前24小时。”但论文真正移动的边界，不只是一条路径线更准，也不是把超级计算机换成神经网络。它把热带气旋预报从“最可能发生什么”，推向“许多低概率但高损失的未来，分别有多大可能”。

这两种问题，决定的是完全不同的社会行动。

“提前一天”究竟是什么意思

WeatherNext Cyclones，简称WN-C，由Google DeepMind和Google Research主导开发，论文作者还包括美国国家飓风中心（NHC）、科罗拉多州立大学大气研究合作研究所和英国气象局的预报专家。它同时预报气旋中心往哪里走、最大风速多大，以及达到不同风速的风圈能伸到多远。

论文最醒目的数字是“一天或以上的提前量”。这不是说WN-C比别的系统早24小时发布结果，而是把不同提前期的误差曲线横向比较：如果旧模型提前两天能达到某一误差水平，WN-C在平均意义上提前三天就能达到相近水平。Google用更直观的说法解释：其三天预报，平均相当于此前模型的两天预报。

这种“等效提前量”跨越了三类任务——路径、强度和风圈——而早期AI天气模型通常只在路径上漂亮。2024年一项由NHC研究者参与的评估发现，GraphCast、Pangu-Weather等AI模型的气旋路径已接近最好业务模式，但常在最初24小时把气旋强度系统性抹弱，甚至不如简单的气候学—持续性模型。原因并不神秘：全球模型格点太粗，眼墙和海气交换等关键过程发生在更小尺度；均方误差式训练又倾向于把极端值拉回平均。

WN-C针对这个缺口改了训练目标。它不只学习全球温度、湿度、风和气压场，还把国际最佳路径档案中的气旋位置、最大持续风速、最低气压与各象限风圈半径，编码成网络直接要预测的对象。模型一边推进全球大气，一边输出气旋是否存在以及它的属性。

结果是，它在约0.25度、相当于28公里格距的输入上，仍给出了领先的强度预报。Google称，这种网格按面积计比传统高分辨率区域模式粗约100倍。这里的反常并不意味着眼墙物理失去意义，而是说明粗格点的全球环境场与历史气旋轨迹中，藏着比传统方法曾经提取到的更多强度信号。

至于网络究竟抓住了哪些物理代理量，团队明确承认仍不知道。这不是细节：如果模型依靠某种在历史资料里稳定、在变暖气候或观测制度变化后失效的关系，领先优势也可能随之消失。

为什么1000个答案比一个答案重要

天气的不可预测性不会因为模型更强而消失。起始大气状态有误差，微小差异会随时间放大；海温、眼墙置换和垂直风切变也会让强度突然转向。一个诚实的预报系统不该只给最顺眼的答案，还要说明它有多不确定。

WN-C采用功能生成网络。可以把它理解为：同一个网络接受不同的随机扰动，快速抽样出许多相互区别的未来。单个15天预报在一块TPUv5p上约需一分钟；运行时可以并行生成50个常规成员，也能用256块TPU并行构成1000成员大集合。

多出950条路径不是为了把图画得更密。假设某次快速增强情景的真实概率只有0.5%，50成员集合平均只能“分到”0.25个样本，常常一次也看不见；1000成员在理想、独立且校准良好的情况下，平均能抽到约5个。大集合因此更有机会显出尾部风险，并把“可能出现飓风级大风的地区”转成概率地图。

这对决策比单点误差更重要。港口关闭一天很贵，但让船舶留在危险海域代价更高；医院转移病人、航空公司调机、电网预置抢修队，也各有不同的行动成本与潜在损失。概率预报允许它们采用不同阈值，而不是被同一条中心路径绑架。

不过，1000个成员不等于1000个独立、物理完美的世界。同行评审文件中，审稿人特别追问：模型主要用逐点和单变量概率损失训练，即使每个地点的降雨或风速概率看起来校准良好，空间相关、多变量协方差和环流平衡也可能不真实。换言之，很多错误答案堆在一起，不会自动变成可靠的尾部风险。

论文补充材料用空间池化评分、能量评分、概率可靠性图和经济价值指标回应了部分质疑；开放代码和权重也让外部研究者可以继续检查。但模型真正进入应急流程之前，还要回答更尖锐的问题：它对从未见过的海温背景是否校准？不同海盆的数据质量差异会不会被包装成虚假的确定性？最危险的漏报是否被平均分数掩盖？

一台粗网格模型，没有摆脱传统气象基础设施

AI天气预报常被描述成对物理模式的替代。WN-C更像是站在几十年气象基础设施上重新组合能力。

训练首先使用ERA5再分析资料。这套资料把卫星、气球、飞机、地面站和海洋观测，通过物理模式与数据同化还原成连续的大气历史。业务初始化又使用ECMWF实时分析场。没有全球观测网、同化系统和传统数值预报，神经网络既缺历史教材，也不知道今天的大气从哪里开始。

气旋专用标签来自IBTrACS全球最佳路径档案。为避免不同机构使用一分钟、十分钟持续风速等不同定义，论文评估主要采用美国机构的一分钟风速列。这提高了全球口径的一致性，也留下偏差：北大西洋侦察机密集，印度洋和部分西北太平洋资料稀疏；把不同机构数据线性换算到同一口径，不能凭空创造缺失观测。

连“2025年实时测试”也需拆开看。WN-C在2025年6月开始公开运行，9月25日升级了把网格输出转成气旋轨迹的追踪器，显著改善强度和风圈。全年实时成绩因此来自两个版本，而论文主要结论还包含2023—2024年按训练截止日期隔离的历史评估。这些设计比拿训练集回测严格得多，却仍不是一个冻结模型连续运行多年后的业务记录。

最现实的部署路线，也不是撤掉现有模式。论文发现，把WN-C加入加权共识集合，整体技能还能提高。人类预报员会继续综合ECMWF、HAFS等物理模式、雷达、浮标、卫星和侦察机资料，再考虑地方地形、风暴潮、暴雨与社会脆弱性，最后以公共机构名义发布警报。Google也在页面底部明确提示：官方预报与警报仍应以当地气象机构为准。

15天输出，不是15天可靠撤离令

WN-C能够生成15天情景，但“能输出”与“足以行动”是两回事。混沌系统的误差会持续增长；一条第15天的热带气旋轨迹，其用途可能只是提示某一海域需要关注，而不是决定某个街区撤离。标题里的“一天优势”是多个年份、海盆和提前期上的平均等效量，也不能保证每场风暴都多给公众24小时。

更关键的是，气旋中心、最大风速和风圈仍不是灾害本身。同样强度的风暴，落在无人岛、低洼城市或山地河谷，后果完全不同。暴雨、风暴潮、山洪、滑坡、建筑质量、通信覆盖与撤离能力，需要区域高分辨率模式和影响模型继续接力。

这也是中国与全球南方真正需要验证的部分。西北太平洋业务不能直接照搬美国海盆结论，而应使用中国、日本等机构的台风资料，在冻结版本和实时季节中检验路径、十分钟持续风速、近岸暴雨与风暴潮。开放权重降低了进入门槛，却没有消除算力、数据同化、预报员培训和责任制度之间的差距。

世界气象组织统计，过去50年，热带气旋相关灾害造成约77.9万人死亡和1.4万亿美元经济损失。同期死亡人数随着预警和灾害管理改善而显著下降，说明预报价值并不只来自模型分数，而来自一条完整链条：观测、计算、解释、发布、信任，以及最后有人能够行动。

WN-C最重要的意义，因而不是AI终于画出一条“正确路径”。它让更多可能未来以概率形式进入预报桌面，也迫使机构更明确地回答：多小的风险值得多大的行动，谁来承担误报成本，谁又可能因缺乏撤离能力而无法使用那多出的一天。

天气模型可以把不确定性算得更细。如何公平、及时地把不确定性变成保护人的决定，仍然是人的工作。

---

资料来源

1. Nature — Operational Tropical Cyclone Forecasting with AI — 2026-08-06 — https://doi.org/10.1038/s41586-026-10953-2
2. Nature — Supplementary Information — 2026-08-06 — https://media.springernature.com/original/springer-static/esm/art%3A10.1038%2Fs41586-026-10953-2/MediaObjects/41586_2026_10953_MOESM1_ESM.pdf
3. Nature — Peer Review File — 2026-08-06 — https://media.springernature.com/original/springer-static/esm/art%3A10.1038%2Fs41586-026-10953-2/MediaObjects/41586_2026_10953_MOESM2_ESM.pdf
4. Google DeepMind — WeatherNext: AI model achieves breakthrough in forecasting cyclones — 2026-08-06 — https://deepmind.google/blog/weathernext-ai-model-achieves-breakthrough-in-forecasting-cyclones/
5. Google DeepMind — WeatherNext open-source repository — 2026-08-06 — https://github.com/google-deepmind/weathernext
6. National Hurricane Center — 2025 Forecast Verification Report — 2026 — https://www.nhc.noaa.gov/verification/pdfs/Verification_2025.pdf
7. World Meteorological Organization — Tropical cyclone — accessed 2026-08-08 — https://wmo.int/themes/tropical-cyclone