一分鐘生成數百種天氣情境！Google 新模型 WeatherNext 2 如何突破能源、物流與供應鏈的氣象預測瓶頸？
從全球供應鏈、航班路線到日常通勤，「天氣」始終是企業決策背後的重要變數，近年 AI 也逐漸進入天氣預報領域，改變預報的準確度和方式。
Google DeepMind 和 Google Research 近期發布的 WeatherNext 2 正是這股變革的代表，並強調 WeatherNext 2 不僅比過去開發的模型更快、更準確，更標誌著 AI 強化預報工作正式走出實驗室，成為 Google 產品和服務的核心能力。
WeatherNext 2 的核心技術與效率優勢
WeatherNext 2 的技術突破源自「功能生成網路（Functional Generative Network, FGN）」的新型建模方式，讓 AI 模型得以從歷史氣象資料中找出模式並推估未來天氣，而不必重新模擬複雜的大氣物理。
FGN 也帶來明顯的效能優勢，例如生成預報速度比前代快約八倍、預測範圍延伸至 15 天。在運算效率上，模型能在單一 TPU 上於不到一分鐘內產生數百種可能的天氣情境，相較之下，傳統基於物理的氣象模型需要依賴超級電腦，且通常數小時才能完成。
從研究到產品：WeatherNext 2 進入 Google 生態系
因為這些效率與準確度的提升，WeatherNext 2 迅速被 Google 帶入產品化階段。首先，在消費者端，WeatherNext 2 已被整合進 Google 的核心預報系統，並陸續應用在 Search、Gemini、Pixel Weather 與 Maps，為用戶提供更準確、更新速度更快的天氣資訊。
同時，Google 也將 WeatherNext 2 的預報數據與模型開放給企業、研究人員與開發者使用。透過 Google Cloud 的 Vertex AI，客戶可以在早期存取計畫中進行自訂模型推論；在 Earth Engine 中，WeatherNext 2 能協助進行地理空間分析；在 BigQuery 上，相關資料則可用於大規模數據處理與研究。
WeatherNext 2 為能源、農業、保險等產業帶來的效益
在產業端，WeatherNext 2 的高解析度預測已開始為多個天氣敏感產業帶來具體效益。《Bloomberg》報導指出，能源業是首波重點採用者，因為 WeatherNext 2 能產生預測電力輸出「耦合量」（joints）的能力，這有助於能源交易者評估風電或太陽能發電量，以及天氣風險對能源供需的影響。
對農業公司而言，特別關注 WeatherNext 2 在溫度、風速、雲量與風暴路徑上的進展，也對模型提供的每小時預測格外有興趣，因為可以更精準地調整農務與生產作業。
保險業者則看重 WeatherNext 2 在預測風暴路徑與其他氣象變數上的進展，尤其是模型能生成涵蓋低機率但具高破壞性的極端事件情境，協助他們更有效地評估與規劃天氣相關風險。
至於交通運輸與物流產業，WeatherNext 2 模型提供的「每小時步進」（one-hour steps）預報格外重要，有助於進行供應鏈排程、規劃航線等決策。
WeatherNext 2 展現商業化潛力，但仍必須克服資料瓶頸
然而，AI 氣象模型仍面臨挑戰。對企業來說，極端事件預測仍是關鍵，而這部分目前依然是傳統模型的優勢。DeepMind 研究團隊也坦言，WeatherNext 2 在溫度、風速與降水等部分極端事件的預測上已有改善，但也坦承模型仍難以處理異常降雨和降雪，主要原因在於訓練用的觀測資料仍不夠完整。
此外，市場競爭也逐漸加劇，現在 Google 面臨的對手包含歐洲中期天氣預報中心（ECMWF），以及 AccuWeather、Vaisala、Weather Co 等商業業者，還有 NVIDIA、Microsoft、華為等在算力與 AI 領域具備優勢的科技公司。
整體而言，WeatherNext 2 展現了 AI 氣象預測的商業化潛力，並為能源、製造、物流等高度依賴天氣的產業提升決策能力，讓企業可以有效提升風險控管、能源規劃與供應鏈韌性。對決策者而言，要真正轉化為企業策略優勢，仍需同時關注模型在極端事件預估上的成熟度，以及如何透過 BigQuery、Earth Engine 或 Vertex AI 將氣象資料與內部數據整合，還有如何將這些更精準的預測真正落地到營運流程中，才能發揮 AI 預測在企業端的長期價值。
＊本文開放合作夥伴轉載，參考資料：《Bloomberg》、Google DeepMind、《9to5 Google》、《The Verge》，首圖來源：Google DeepMind