> ## Content Index
> Fetch the complete content index at: https://www.5news.com.hk/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 氣象預測新突破：WeatherNext 3 實現每小時更新同 5 公里高精度預報
- URL: https://www.5news.com.hk/google-weathernext-3-ai-weather-forecast/
- Published: 2026-09-11T02:30:04.000Z
- Updated: 2026-09-11T02:30:04.000Z
- Description: Google DeepMind 同 Google Research 於 2026年9月4日發布最新 AI 天氣預報模型 WeatherNext 3。新模型將預測解析度提升至 5 公里，降雨預測準確度較前代改善 60%，並支援每小時更新。未來將整合至 Google 搜尋、地圖及 Gemini 等產品，為用戶提供更精準嘅氣象資訊，同時助力可再生能源發展同全球農業規劃。
- Author: 5News編輯部
- Tags: #Google, #Artificial Intelligence, A.I., 科技, 全部

![Google DeepMind 同 Google Research 正式推出全新一代人工智能天氣預報模型 WeatherNext 3。呢次更新標誌住深度學習技術喺氣象學領域嘅應用邁向新階段。](https://storage.ghost.io/c/3a/55/3a558e15-07f0-4658-8806-c5a29d8cc457/content/images/2026/09/WeatherNext3_Title.width-1600.format-webp-1.webp)

Google DeepMind 同 Google Research 正式推出全新一代人工智能天氣預報模型 [WeatherNext 3](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-weathernext-3/)。呢次更新標誌住深度學習技術喺氣象學領域嘅應用邁向新階段。

## Google 發布 WeatherNext 3 AI 天氣預報模型 準確度及解析度全面提升

2026年9月4日，Google DeepMind 同 Google Research 正式推出全新一代人工智能天氣預報模型 [WeatherNext 3](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-weathernext-3/)。呢次更新標誌住深度學習技術喺氣象學領域嘅應用邁向新階段。根據官方公佈，WeatherNext 3 將逐步整合至用戶日常使用嘅 Google 搜尋（Google Search）、Google 地圖（Google Maps）以及 Gemini 智能助理之中，同時亦會透過 Google 雲端平台（Google Cloud）開放畀用戶同研究人員使用。Google 資深首席工程師 Samier Merchant 表示，呢次係首次有核心氣象變量直接驅動大量 Google 產品，意味著大眾日常接觸到嘅天氣資訊將變得更具參考價值同實用性。

## WeatherNext 3 核心技術突破與優勢

### 預測解析度提升至 5 公里，降雨預測大幅改善

過往嘅 AI 天氣預報模型普遍存在一個弱點，就係預測範圍過大，通常覆蓋 15 至 25 平方公里，對於需要精確到特定街道或社區嘅用戶嚟講，實用性有限。WeatherNext 3 針對呢個問題作出重大改進，將關鍵氣象變量嘅預測解析度大幅提升至 5 公里。此外，新模型喺降雨預測方面嘅表現，較上一代 WeatherNext 2 提升咗 60%。對於經常受突發性降雨影響嘅地區，例如香港，更高精度嘅降雨預報能夠有效幫助市民決定是否需要攜帶雨具，或者調整戶外活動安排，減少因突發雷暴或局部大雨帶來嘅不便。

![](https://storage.ghost.io/c/3a/55/3a558e15-07f0-4658-8806-c5a29d8cc457/content/images/2026/09/WeatherNext3_diagrams_fig-03.width-1200.format-webp.webp)

### 每小時更新預報，直接整合實時衛星數據

傳統嘅氣象預報通常每六小時先會更新一次，難以捕捉天氣嘅快速變化。WeatherNext 3 突破咗呢個限制，能夠提供每小時一次嘅高頻率預報。呢項提升嘅關鍵，在於模型能夠直接攝取每小時收集嘅實時天氣衛星數據。Google 表示，WeatherNext 3 係首個直接結合原始觀察數據（raw empirical observations）來進行高分辨率全球預測嘅 AI 模型。雖然 AI 氣象初創公司 WindBorne 指出，其 WeatherMesh 6 模型自 2025 年底已開始結合氣象氣球等來源嘅原始數據，但 Google 強調其模型喺全球範圍內嘅解析度更高。不過，業界普遍認同，要實現真正嘅直接數據同化，模型仍然需要依賴國家級嘅氣象數據集作為基礎訓練同校準。

### 針對特定氣象站預測，提升地面數據吻合度

為咗進一步提高預報嘅實用性同可驗證性，WeatherNext 3 嘅設計者特別訓練模型，使其預測結果能夠針對特定嘅天氣數據站。專注於比較 AI 預報嘅初創公司 Brightband 嘅大氣科學家 Daniel Rothenberg 指出，將預測任務與核心數據更緊密地結合，例如預測丹佛機場氣象站每小時嘅具體測量數據，係 AI 應用發展嘅重要方向。呢種做法唔單止可以提供更細緻嘅局部預測，亦方便研究人員將模型輸出與真實嘅地面數據進行直接比對，從而持續優化模型嘅準確度，確保預報結果唔會脫離實際環境狀況。

![](https://storage.ghost.io/c/3a/55/3a558e15-07f0-4658-8806-c5a29d8cc457/content/images/2026/09/WeatherNext3_diagrams_fig-01.width-1200.format-webp.webp)

## 業界比較：AI 模型與傳統氣象預報嘅差異

目前市面上嘅天氣預報，主要依賴政府擁有嘅超級電腦，透過繁複嘅數學方程式來模擬大氣物理變化（即數值天氣預報，NWP）。雖然呢啲傳統系統嘅準確度已經相當高，但運作成本昂貴且計算速度相對較慢，需要消耗大量能源。自 2018 年歐洲中期天氣預報中心（European Center for Medium-Range Weather Forecasting, ECMWF）釋出超過半個世紀嘅歷史氣象數據後，深度學習研究人員開始訓練能夠更快作出預測，且準確度媲美政府工具嘅 AI 模型。

根據由初創公司 Brightband 開發嘅 Operational WeatherBench（一個用於比較 AI 預報嘅評估工具）測試結果，WeatherNext 3 喺溫度、風速同濕度等關鍵指標上，已經成為領先競爭者中最準確嘅模型。佢唔單止擊敗咗由 Google、微軟（Microsoft）、輝達（Nvidia）同 ECMWF 開發嘅其他深度學習模型，同時亦超越咗美國國家氣象局（U.S. National Weather Service）同 ECMWF 嘅傳統預報系統。

DeepMind 嘅資深研究科學家經理 Ferran Alet 解釋，天氣系統本質上係混沌嘅，微小嘅差異都會引發巨大嘅變化。機器學習正正係針對我哋真正需要解決嘅問題：從不完整嘅資訊同有限嘅計算資源中，近似處理充滿雜訊嘅物理現象，並從大量歷史數據中學習規律，從而喺速度同準確度之間取得更好嘅平衡。

## 實際應用與社會影響

### 優化日常出行與商業決策

對於一般市民而言，WeatherNext 3 嘅推出意味著日常出行規劃將變得更可靠。更高頻率同更高解析度嘅預報，能夠減少因突發天氣變化而帶來嘅不便。對於依賴天氣條件嘅行業，例如物流運輸、航空調度同戶外活動主辦機構，更精確嘅每小時預報可以幫助佢哋更有效地調配資源，提前制定應急方案，從而降低營運風險同經濟損失。

### 助力可再生能源與全球農業發展

除咗日常生活，AI 天氣預報嘅進步亦具有深遠嘅宏觀經濟影響。微軟創辦人比爾蓋茨（Bill Gates）最近指出，由 AI 驅動嘅天氣預報係該技術帶來嘅重要益處之一，更好嘅預報能夠提高發展中國家嘅農作物產量，幫助農民更準確地決定播種同收割時間，減少極端氣候帶來嘅損失。Ferran Alet 亦補充，對風速、降雨量同雲量嘅高分辨率預測，將有助於提高可再生能源項目（例如風力發電同太陽能發電）嘅可靠性。當能源供應商能夠更準確地預測發電量時，電網嘅負荷調度同能源儲存規劃就會變得更有效率，進而推動綠色能源嘅普及同穩定供應。

## 總結

WeatherNext 3 嘅發布，展現咗人工智能喺氣象預測領域嘅巨大潛力。透過提升解析度、增加更新頻率以及直接整合實時衛星數據，新模型有效解決咗過往 AI 預報系統嘅多項痛點。雖然要完全取代傳統超級電腦嘅物理模擬仍需時間，但 AI 模型以其較低嘅成本同較快嘅速度，已經開始為全球氣象服務帶來實質性嘅改善。未來，隨著技術嘅不斷迭代同數據嘅持續累積，大眾有望喺日常使用嘅應用程式中，體驗到更精準、更貼心嘅天氣資訊服務，為生活同商業決策提供更可靠嘅支援。