Gemini 已内置 WeatherNext 2：你可能拥有了全球最准的天气预报

AI Google DeepMind Gemini 天气预报 原创

分享一个没有人分享过的内容。

你现在打开 Gemini，随便问一句"明天北京天气怎么样"，背后为你生成预报的，已经不是传统的气象数据 API 了——而是 Google DeepMind 开发的 WeatherNext 2，目前全球最先进的 AI 天气预报模型。

Google 没有大张旗鼓地宣传这件事。2025 年 11 月，他们在官方博客低调宣布：WeatherNext 2 已集成到 Google Search、Gemini、Pixel Weather 和 Google Maps 中。也就是说，你每次在 Gemini 里问天气，拿到的就是这个模型的预报结果。

三代演进：从研究到产品

WeatherNext 2 不是凭空出现的。它经历了三代技术迭代：

模型时间核心突破
GraphCast2023用图神经网络（GNN）做天气预报，10 天预报精度首次超越欧洲气象中心 HRES
GenCast2024引入扩散模型，一次生成 50+ 种可能的天气轨迹，97.2% 指标超越 ECMWF ENS（Nature 论文）
WeatherNext 22025全新 FGN 架构，速度快 8 倍，99.9% 指标超越前代

每一代都在解决上一代的瓶颈：GraphCast 只能给一个确定性答案，GenCast 能给概率分布但太慢，WeatherNext 2 既快又准。

为什么它比传统天气预报更准

传统天气预报的核心是数值天气预报（NWP）——用物理方程模拟大气运动。这套方法用了几十年，但有两个根本性的问题：

第一，物理方程的离散化误差会累积。 大气运动本质上是非线性的混沌系统。NWP 必须把连续的物理方程离散化到网格上求解，这个过程不可避免地引入系统性误差，而且误差会随预报时间指数级放大。

第二，算力是硬瓶颈。 欧洲气象中心（ECMWF）的 HRES 系统跑一次 10 天预报，需要数百台超算节点运算数小时。这意味着每天只能跑有限次数的预报，分辨率也受限。

WeatherNext 2 换了一条路——不模拟物理过程，而是直接从 40 年的历史气象数据中学习天气演变的模式。

具体来说，它的核心架构是 FGN（Functional Generative Network），一种基于 Graph Transformer 的生成网络：

  • 1.8 亿参数，24 层 Transformer，768 维隐空间
  • 0.25° 全球网格，覆盖 13 个气压层的 6 个大气变量 + 6 个地面变量
  • 6 小时时间步长，生成完整的 15 天全球天气轨迹
  • 单块 TPU v5 不到 1 分钟完成一次预报（传统超算需要数小时）

它如何处理不确定性

天气预报的核心难题是不确定性。同样的初始条件，未来可能走向完全不同的天气。

WeatherNext 2 把不确定性拆成两种，分别处理：

  1. 认知不确定性（Epistemic）——数据有限、模型学得不够好带来的。解决方案：训练 4 个独立初始化的模型，组成深度集成（Deep Ensemble），每个模型 1.8 亿参数。

  2. 固有不确定性（Aleatoric）——大气本身的随机性，无法消除。解决方案：通过功能性扰动（Functional Perturbations）注入噪声。一个 32 维的噪声向量影响整个全球场，模型自然学会了让扰动保持物理一致性——因为这是降低误差最有效的方式。

最终，每次预报生成 50+ 个集成成员，每一个都代表一种可能的天气走向。这不是给你一个温度数字，而是告诉你"有 70% 的概率下雨，30% 的概率晴"。

一个有趣的发现

研究团队发现了一个意外的特性：模型在训练时只看单个变量的边际分布（Marginals），但它自己学会了预测多变量的联合分布（Joints）。

什么意思？训练时，你只教模型"温度通常怎么变"、“风速通常怎么变”，但它自己学会了"当温度这样变的时候，风速大概率也会那样变"。这种跨变量的物理关联，不是人为设计的，是模型从数据中自己发现的。

怎么用

打开 Gemini，直接问就行：

  • “这周末上海天气怎么样？”
  • “未来 5 天东京会下雨吗？”
  • “下周适合去露营吗？”

Gemini 会调用 WeatherNext 2 的预报数据来回答你。同样的数据也驱动着 Google Search 的天气卡片和 Pixel 手机的天气 App。

在 Gemini 中询问硅谷未来天气，返回了包含温度、降水概率、7 天预报的天气卡片
在 Gemini 中问天气，会返回由 WeatherNext 2 驱动的精细预报卡片

如果你是开发者，还可以通过 Google Maps Platform Weather API、Earth Engine 和 BigQuery 接入预报数据。

有一个小插曲：我在 Gemini 中直接问它"你用的是 WeatherNext 2 吗？"，它回答说不是。这其实不难理解，主要两个原因：

  1. 训练知识有截止日期。WeatherNext 2 是 2025 年 11 月才发布的，Gemini 模型的训练数据很可能还没覆盖到这个时间点，所以它"不知道"自己已经在用 WeatherNext 2。
  2. Gemini 并不擅长联网搜索验证自身能力。虽然 Gemini 有搜索工具，但面对"你自己用了什么技术"这类自省问题，它倾向于依赖训练知识而非主动搜索求证。

但根据 Google 官方博客的明确说明，WeatherNext 2 确实已经是 Gemini 天气功能的后端引擎。你问天气时拿到的那张精美的天气卡片，背后就是 WeatherNext 2 在运作。

相关链接

☕ 如果这篇文章对你有帮助，欢迎请我喝杯咖啡，支持我继续创作更多内容。

Buy me a coffee