Google представила WeatherNext 3: AI-прогноз погоды обновляется каждый час и видит локальные детали до 5 км

Прогноз погоды кажется обыденной функцией телефона, но под этой кнопкой работает одна из самых тяжелых вычислительных задач прикладной науки. Классические численные модели делят атмосферу на трехмерную сетку и шаг за шагом решают уравнения, описывающие движение воздуха, тепло, влагу и другие процессы. Для глобального прогноза нужны суперкомпьютеры, сложная ассимиляция наблюдений и постоянный компромисс между скоростью и детализацией. AI-модели последних лет показали, что часть этой работы можно выполнять иначе — учиться на огромной истории состояний атмосферы и генерировать будущие состояния намного быстрее. WeatherNext 3 интересна тем, что Google пытается убрать один из главных недостатков такого подхода: зависимость от уже подготовленной и не всегда самой свежей “картины” атмосферы.

Предыдущие AI-системы часто обучались и запускались на reanalysis или продуктах численного прогноза, которые уже объединили наблюдения с физической моделью. Это надежная база, но у нее есть задержка. Google пишет, что для части традиционных продуктов она достигает примерно шести часов, а для быстрых процессов — ливней, температурных контрастов, резких изменений у побережья или в горах — несколько часов могут быть существенными. WeatherNext 3 получает ежечасные мозаики с геостационарных спутников вместе с историческим анализом и также учится непосредственно на разреженных наблюдениях метеостанций. На выходе система способна формировать новый глобальный прогноз каждый час.

“В пять раз детальнее” не означает “в пять раз точнее”

Самая заметная цифра в анонсе — разрешение. WeatherNext 2 работала на глобальной сетке примерно 25 км и выдавала прогнозы с шестичасовым шагом. В WeatherNext 3 ключевые поверхностные переменные, включая температуру и влажность у земли, могут отображаться на сетке 5 км; другие поверхностные параметры — на 10 км, а часть атмосферных переменных, например ветер, — на 25 км. Поэтому формулировка Google о “примерно в пять раз более четкой картине” касается прежде всего пространственной детализации отдельных полей, а не универсального пятикратного роста точности любого прогноза.

Эта разница важна. Если модель видит температуру на 5-километровой сетке, она лучше разделяет побережья, долины, горные районы и городские агломерации, которые на 25-километровой сетке легко сливаются в усредненный “пиксель”. Но высокое разрешение само по себе не гарантирует правильный прогноз. Точность проверяют отдельно по разным переменным, регионам и временным горизонтам. Google ссылается на независимый live-бенчмарк Operational WeatherBench от Brightband и приводит заметные улучшения для осадков, но цифры зависят от конкретной контрольной базы. Например, для среднесрочных прогнозов компания заявляет улучшение CRPS до 60% относительно IMERG, до 30% относительно MRMS и до 10% относительно наземных дождемеров на ранних горизонтах. Это три разных сравнения, а не единая универсальная “точность WeatherNext 3”.

Именно осадки остаются одним из самых сложных мест глобального прогнозирования. Конвективные облака и узкие полосы сильного дождя развиваются на масштабах, которые грубая глобальная сетка часто размывает. Для обучения WeatherNext 3 Google добавила данные NASA IMERG и собственный глобальный precipitation reanalysis на основе спутникового радара. В примерах компании границы систем осадков выглядят существенно четче, а для пользовательских прогнозов на день и более вперед Google заявляет до 50% более высокую точность прогнозирования осадков в части сценариев, с наибольшим улучшением в регионах, где прогнозы исторически были слабее.

Почему Google сразу встраивает модель в продукты, а не оставляет лабораторным экспериментом

WeatherNext 3 важна еще и способом запуска. С 3 сентября она начинает питать погодные функции в Google Search, Gemini, Google Maps, Google Maps Platform Weather API и Earth Engine. Разработчики и исследователи могут работать с данными через BigQuery, Earth Engine или загружать их из Google Cloud Storage. Это превращает исследовательскую модель в инфраструктурный сервис: логистическая компания может планировать маршруты, аграрный бизнес — полевые работы, а энергосистема — баланс генерации и потребления.

Отдельный блок WeatherNext 3 создан специально для возобновляемой энергетики. Модель прогнозирует скорость ветра на высоте 100 метров, близкой к рабочей высоте турбин, а также облачность и солнечное излучение у поверхности. Для электросети это не косметическая детализация. Ветровая и солнечная генерация меняются вместе с погодой, а оператору нужно заранее понимать, сколько энергии поступит в систему. Более качественный погодный прогноз означает меньше резервных мощностей “на всякий случай”, более точное ценообразование и более простую балансировку сети.

Однако существует принципиальная граница, которую Google прямо прописывает в анонсе. WeatherNext 3 не заменяет официальные метеослужбы. Для штормовых предупреждений, чрезвычайных погодных ситуаций и рекомендаций, от которых зависит безопасность, компания советует обращаться к местному метеорологическому агентству или национальной службе погоды. Это не формальность: operational forecasting включает не только “самую точную модель”, но ансамбли разных моделей, радары, локальные наблюдения, работу синоптиков и процедуры оповещения.

Поэтому настоящая перемена WeatherNext 3 не в том, что AI “отменил физику”. Физические модели никуда не исчезают и продолжают давать критически важные данные и эталоны. Изменение в другом: AI начинает работать ближе к сырым наблюдениям и быстрее превращать их в глобальный прогноз высокой детализации. Когда такой прогноз сразу попадает в Maps, поиск, API и энергетические системы, экспериментальная технология становится частью повседневной инфраструктуры — и именно это делает WeatherNext 3 важнее очередного красивого демо нейросети.