Google ra mắt WeatherNext 3: AI dự báo thời tiết tối ưu cho ngành năng lượng tái tạo

Mô hình dự báo thời tiết AI mới nhất của Google có khả năng dự đoán tốc độ gió ở độ cao 100 mét so với mặt đất, tương đương với chiều cao của một tuabin gió hiện đại. Mô hình này cũng dự báo độ che phủ của mây và lượng ánh sáng mặt trời chiếu xuống bề mặt, đồng thời cập nhật dữ liệu hàng giờ. Các nhà giao dịch năng lượng, đơn vị vận hành lưới điện cùng các nhà phát triển điện gió và điện mặt trời hiện đã và đang phải trả phí cho các công ty khác để có được dữ liệu này. Sự ra đời của WeatherNext 3 giờ đây đã đưa Google chính thức tham gia vào thị trường của họ.

Google DeepMind và Google Research đã phát hành mô hình này vào ngày 3 tháng 9. Nó tạo ra các bản dự báo toàn cầu mỗi giờ với độ phân giải lên tới 5 km cho các biến số bề mặt như nhiệt độ và độ ẩm. Phiên bản trước đó, WeatherNext 2, hoạt động trên lưới 25 km và cập nhật 6 giờ một lần. Google cho biết các biến số năng lượng mới được thiết kế để giúp các đơn vị vận hành lưới điện và nhà phát triển dự đoán sản lượng điện từ các tài sản điện gió và điện mặt trời của họ, từ đó đối chiếu với nhu cầu tiêu thụ.

Khía cạnh người tiêu dùng của đợt ra mắt này đã thu hút phần lớn sự chú ý. WeatherNext 3 hiện cung cấp kết quả thời tiết trên Google Search, ứng dụng Gemini, Google Maps và Google Maps Platform Weather API. Đằng sau đó là một lớp hạ tầng doanh nghiệp có ý nghĩa thương mại quan trọng hơn. Dữ liệu dự báo tương tự có thể được truy vấn trong BigQuery và Earth Engine hoặc tải xuống hàng loạt từ Google Cloud Storage mà khách hàng không cần phải thiết lập mô hình.

Tại sao ngành năng lượng lại mua dự báo thời tiết bằng AI?

Các đơn vị vận hành lưới điện đang quản lý một hệ thống ngày càng khó dự đoán ở cả hai đầu. Về phía cung, năng lượng tái tạo hiện chiếm phần lớn công suất mới. Báo cáo US Grid Outlook 2026 của S&P Global Market Intelligence dự báo điện mặt trời và lưu trữ năng lượng là những nguồn công suất mới chính trong năm nay, lần lượt đạt 51,2 GW và 25,7 GW trong tổng số hơn 90 GW công suất bổ sung theo kế hoạch.

Điện mặt trời và điện gió tạo ra năng lượng dựa theo thời tiết thay vì theo nhu cầu, vì vậy mỗi gigawatt được bổ sung đều khiến việc dự báo ngắn hạn trở nên quan trọng hơn.

Về phía tiêu thụ, tải điện mới đang đến từ AI. S&P Global xác định sự lan rộng của các trung tâm dữ liệu trên khắp Bắc Mỹ là động lực chính dẫn đến sự gia tăng nhu cầu điện gần đây, buộc các công ty điện lực phải điều chỉnh dự báo tải điện tăng lên. Báo cáo 2026 Power and Utilities Industry Outlook của Deloitte dự báo nhu cầu đỉnh điểm sẽ tăng khoảng 26% vào năm 2035, trong đó riêng nhu cầu của các trung tâm dữ liệu có khả năng đạt 176 GW, gấp 5 lần mức năm 2024.

Cái giá của việc dự báo sai rất rõ ràng. Nếu một đơn vị vận hành đánh giá thấp lượng điện gió sẽ có, họ phải mua điện thay thế trong thời gian ngắn, thường là từ các nhà máy điện khí vốn được duy trì ở chế độ dự phòng đắt đỏ. Nếu đánh giá quá cao, các trang trại điện gió và điện mặt trời cuối cùng sẽ được trả tiền để ngừng hoạt động vì lưới điện không thể hấp thụ lượng điện sản xuất ra. Cả hai kết quả đều tốn kém và đều là những thất bại trong dự báo.

Thị trường mà Google đang gia nhập

Bán dự báo thời tiết cho ngành năng lượng là một lĩnh vực kinh doanh đã được thiết lập. Vaisala, Solcast, WindGEMINI của DNV và HyperWatch của IBM đều đang cạnh tranh trong đó. Jua, một công ty Thụy Sĩ, cũng vậy; họ tuyên bố mô hình EPT-2 của mình vượt trội hơn Microsoft Aurora và GraphCast trước đây của DeepMind về độ chính xác, đồng thời cập nhật 24 lần mỗi ngày, so với mức trung bình 4 lần mỗi ngày của các đối thủ cạnh tranh.

Lợi thế của Google là phạm vi tiếp cận. Cùng một bản dự báo xuất hiện dưới dạng bảng trong BigQuery, một lớp trong Earth Engine, một API trong Google Maps Platform và là câu trả lời mặc định trong Google Search. Không có nhà cung cấp chuyên biệt nào có được sự lan tỏa đó, và việc cập nhật hàng giờ đã xóa bỏ khoảng cách về tần suất cập nhật mà các nhà cung cấp này từng dùng để tạo sự khác biệt.

Các đơn vị hiện hữu chỉ còn một lập luận kỹ thuật. Quan điểm công khai của Jua là các mô hình dựa trên vật lý như HRES của ECMWF vẫn vượt trội hơn các mô hình AI thuần túy dựa trên dữ liệu trong các điều kiện thời tiết cực đoan kỷ lục, bởi vì các mô hình vật lý mã hóa các quy tắc về cách năng lượng và khối lượng di chuyển trong khí quyển, trong khi các mô hình AI học các mô hình từ dữ liệu quá khứ.

Jua bán một sản phẩm bị ràng buộc bởi vật lý, vì vậy tuyên bố này phục vụ lợi ích riêng của họ. Nó cũng mô tả các điều kiện mà các đơn vị vận hành lưới điện lo ngại nhất, khi một cơn bão nằm ngoài bất kỳ kịch bản nào mà mô hình đã thấy trong quá trình huấn luyện.

Điều gì mới và điều gì đang được quảng cáo quá mức?

Tuyên bố về kiến trúc đằng sau WeatherNext 3 là nó học từ các quan sát thực tế thay vì từ các mô phỏng. Hầu hết các mô hình thời tiết AI, bao gồm cả WeatherNext 2, đều được huấn luyện trên đầu ra từ các mô hình dự báo thời tiết số, vốn là các mô phỏng vật lý chạy trên siêu máy tính với độ trễ dữ liệu là 6 giờ. Độ trễ đó có thể gây ra sai lệch trong các biến số thay đổi nhanh như mưa và nhiệt độ bề mặt. WeatherNext 3 tiếp nhận hình ảnh vệ tinh địa tĩnh trực tiếp và huấn luyện trực tiếp trên các chỉ số từ từng trạm thời tiết riêng lẻ.

Sự thay đổi này là có thật, mặc dù hẹp hơn nhiều so với những gì các bài báo đã đưa tin. Sơ đồ hệ thống của Google cho thấy mô hình tiếp nhận các mảnh ghép vệ tinh theo thời gian thực cùng với phân tích lịch sử truyền thống. Nhà khoa học nghiên cứu cấp cao của DeepMind, Ilan Price, nói với Bloomberg rằng lợi ích đạt được là nhờ không phải chờ đợi phân tích tiếp theo mà sử dụng thông tin mới nhất hiện có.

Các báo cáo cho thấy độ trễ dữ liệu còn lại là từ 3 đến 4 giờ, giảm từ khoảng 7 giờ. Sự phụ thuộc vào dự báo thời tiết số đã giảm bớt chứ không bị loại bỏ hoàn toàn.

Các số liệu về độ chính xác cũng cần được xem xét cẩn trọng tương tự. Google báo cáo mức cải thiện lên tới 60% so với sản phẩm vệ tinh IMERG của NASA, 30% so với radar MRMS và 10% so với các chỉ số đo mưa ở thời điểm dự báo sớm, được đo bằng phương pháp chấm điểm tiêu chuẩn cho các dự báo xác suất. Đó là ba cơ sở so sánh riêng biệt và các tỷ lệ phần trăm này không cộng dồn với nhau. Tuyên bố được nhắc lại rộng rãi về việc dự báo lượng mưa tốt hơn 50% áp dụng cụ thể cho các dự báo trước một ngày hoặc lâu hơn. Mọi con số đều đi kèm với từ hạn định "lên tới", khiến mỗi con số trở thành trường hợp tốt nhất thay vì kết quả điển hình.

Google không công bố bất kỳ sự xác nhận độc lập nào từ bên thứ ba cùng với đợt ra mắt. Thay vào đó, họ chỉ ra các đánh giá trực tiếp bởi Brightband, đơn vị mà bảng xếp hạng của họ được Google trích dẫn để khẳng định WeatherNext 3 là mô hình thời tiết toàn cầu chính xác nhất cho đến nay. Một đơn vị điện lực đang cân nhắc chuyển đổi từ một nhà cung cấp chuyên biệt có trả phí sẽ quan tâm đến hiệu suất trong lãnh thổ dịch vụ của chính họ, trên các tài sản của chính họ, hơn là một vị trí trên bảng xếp hạng toàn cầu.

Lợi ích riêng của Google trong vấn đề này

Google đang bán các công cụ dự báo vào một vấn đề của lưới điện mà chính ngành công nghiệp của họ đã góp phần tạo ra. Việc xây dựng các trung tâm dữ liệu thúc đẩy nhu cầu tăng cao mà các công ty điện lực đang chật vật đáp ứng được dẫn đầu bởi các nhà cung cấp dịch vụ đám mây quy mô lớn (hyperscalers), trong đó có Google, và Google đã ký các thỏa thuận mua sắm năng lượng tái tạo quy mô nhiều gigawatt để cung cấp cho các cơ sở của chính mình.

Việc dự đoán chính xác sản lượng điện gió và điện mặt trời là hữu ích trực tiếp cho một công ty đang đối chiếu khối lượng lớn năng lượng sạch với nhu cầu tiêu thụ vừa tăng trưởng vừa biến động. Đó là logic thương mại, và nó phần nào giải thích lý do tại sao các biến số năng lượng được đưa vào bản phát hành này.

Google chưa công bố giá cho quyền truy cập doanh nghiệp vào WeatherNext 3, hoặc cho biết liệu dữ liệu BigQuery và Earth Engine có tính phí truy vấn Cloud tiêu chuẩn hay một giấy phép riêng biệt. Các đơn vị điện lực đang cân nhắc việc rời bỏ một nhà cung cấp chuyên biệt có trả phí sẽ muốn biết con số đó trước khi họ cân nhắc bất kỳ tuyên bố nào về độ chính xác.

Năm 2025, hơn 65.000 nhân viên trong Khối Ngân hàng Doanh nghiệp và Đầu tư của họ đã tích cực sử dụng nền tảng này, trong khi hơn 90% kỹ sư của họ đang sử dụng các trợ lý lập trình AI.

Ngân hàng này cũng cho biết việc sàng lọc giao dịch dựa trên AI đã cho phép họ xem xét khối lượng giao dịch gấp đôi so với trước đây, đồng thời giảm một nửa các bước kiểm tra thủ công của nhân viên vận hành.

Bank of America đang sử dụng một hệ thống hỗ trợ bởi AI tạo sinh có tên là EricaAssist với hơn 18.000 nhân viên dịch vụ khách hàng. Công cụ này tóm tắt lý do khách hàng gọi điện, truy xuất thông tin liên quan và đề xuất các bước tiếp theo khả thi trong khi vẫn giữ cho nhân viên chịu trách nhiệm về tương tác đó.

Bank of America cho biết vào tháng 7 năm 2026 rằng EricaAssist có thể đưa ra hướng dẫn theo ngữ cảnh trong vòng chưa đầy 3 giây và đã giảm thời gian gọi trung bình gần một phút. Ngân hàng có kế hoạch mở rộng hệ thống sang các kịch bản dịch vụ và dòng kinh doanh bổ sung vào cuối năm 2026.

(Ảnh: Google)

Xem thêm: AI của MIT dự báo thời tiết cực đoan mà không cần dữ liệu lịch sử

Bạn muốn tìm hiểu thêm về AI và dữ liệu lớn từ các nhà lãnh đạo ngành? Hãy tham khảo AI & Big Data Expo diễn ra tại Amsterdam, California và London. Sự kiện toàn diện này là một phần của TechEx và được tổ chức cùng với các sự kiện công nghệ hàng đầu khác, nhấp vào đây để biết thêm thông tin.

AI News được vận hành bởi TechForge Media. Khám phá các sự kiện và hội thảo trực tuyến về công nghệ doanh nghiệp sắp tới tại đây.