Google và DeepMind ra mắt WeatherNext 3: Dự báo thời tiết từ ảnh vệ tinh mà không cần mô phỏng vật lý

WeatherNext 3 từ Google Research và DeepMind loại bỏ các mô hình vật lý truyền thống và học trực tiếp từ dữ liệu vệ tinh thời gian thực. Google hứa hẹn độ chi tiết cao gấp năm lần và cập nhật hàng giờ.

Các mô hình thời tiết AI trước đây, bao gồm WeatherNext 2, được huấn luyện trên dữ liệu dự báo thời tiết số (NWP). Theo Google, các mô phỏng đó chạy trên siêu máy tính và có độ trễ sáu giờ, điều này gây ra sai số đối với các biến số thay đổi nhanh như lượng mưa và nhiệt độ.

Thay vào đó, WeatherNext 3 xử lý dữ liệu vệ tinh địa tĩnh trực tiếp. Nó tạo ra dự báo mới mỗi giờ dựa trên các quan sát mới nhất với độ phân giải lên đến năm km. Đối với các cơn bão hoặc lượng mưa phát triển nhanh, chu kỳ cập nhật nhanh hơn đồng nghĩa với việc đưa ra dự đoán sớm và chính xác hơn.

Độ sắc nét cao gấp năm lần so với phiên bản tiền nhiệm

Mô hình này tạo ra các dự báo hàng giờ ở nhiều độ phân giải khác nhau. Nhiệt độ và độ ẩm chạy ở mức năm km, các biến số bề mặt khác ở mức mười km, và các giá trị khí quyển như tốc độ gió ở mức 25 km. Con số này sắc nét hơn khoảng năm lần so với WeatherNext 2, vốn sử dụng lưới 25 km với khoảng cách sáu giờ một lần.

Google minh họa sự khác biệt bằng dự báo nhiệt độ trên Vương quốc Anh. WeatherNext 2 ở mức 25 km tạo ra một bản đồ bị vỡ điểm ảnh (pixelated). WeatherNext 3 ở mức năm km ghi lại được địa hình địa phương.

Mô hình này cũng được huấn luyện trên dữ liệu từ các trạm thời tiết riêng lẻ để nắm bắt các đường bờ biển, thung lũng và núi non. Điều đó cho phép đưa ra các dự báo toàn cầu chi tiết hơn, phản ánh đúng điều kiện khu vực. Theo Google, các khu vực ở Mỹ Latinh, Châu Phi và Châu Á - Thái Bình Dương sẽ được hưởng lợi nhiều nhất, vì chi phí tính toán cao cho các mô hình khu vực truyền thống đã khiến những nơi này không được phục vụ đầy đủ.

Dự báo mưa tốt hơn và dữ liệu năng lượng tái tạo

Các mô hình thời tiết toàn cầu từ lâu đã gặp khó khăn với lượng mưa vì mưa và tuyết phụ thuộc vào các quá trình đám mây diễn ra nhanh ở quy mô nhỏ. Google đã huấn luyện mô hình này trên hai nguồn: tập dữ liệu IMERG dựa trên vệ tinh của NASA và phân tích lượng mưa toàn cầu của chính Google được xây dựng dựa trên radar vệ tinh.

Đối với các dự báo toàn cầu tầm trung, điểm số xác suất xếp hạng liên tục (CRPS) cho thấy mức cải thiện lên tới 60% so với IMERG, 30% so với MRMS và 10% so với các trạm đo mưa ở thời điểm dự báo ngắn hạn. WeatherNext 3 cũng dự đoán tốc độ gió ở độ cao 100 mét, xấp xỉ chiều cao của tuabin, để ước tính sản lượng của các trang trại điện gió. Các giá trị về độ che phủ của mây và bức xạ mặt trời chính xác hơn giúp các cơ sở năng lượng mặt trời tính toán được sản lượng dự kiến. Google cho biết điều này sẽ giúp các nhà vận hành lưới điện cân bằng cung và cầu.

Triển khai trên Search, Maps và Gemini

Google cập nhật dữ liệu dự báo hàng giờ. Các nhà nghiên cứu, nhà phát triển và doanh nghiệp có thể truy vấn dữ liệu này thông qua BigQuery và Earth Engine hoặc tải xuống hàng loạt từ Google Cloud Storage. WeatherNext 3 hiện cung cấp năng lượng cho các tính năng thời tiết trong Google Search, ứng dụng Gemini, Google Maps, Google Maps Platform Weather API và Google Earth Engine.

Khi lập kế hoạch trước một ngày hoặc lâu hơn, người dùng sẽ thấy các dự báo lượng mưa chính xác hơn tới 50%, với mức tăng trưởng lớn nhất ở những khu vực mà các dự đoán trước đây vốn ít tin cậy hơn.

Google thừa nhận rằng khí quyển sẽ luôn có phần khó dự đoán. Đối với các dự báo chính thức, cảnh báo thời tiết khắc nghiệt và khuyến cáo an toàn, công ty hướng người dùng đến các cơ quan khí tượng quốc gia.

Google DeepMind đã giới thiệu WeatherNext 2 vào tháng 11 năm 2025. Mô hình đó đã vượt qua thế hệ WeatherNext đầu tiên trên 99,9% tất cả các biến số khí tượng và khung thời gian dự báo trong khi chạy nhanh hơn tám lần, xử lý hàng trăm kịch bản thời tiết trong chưa đầy một phút trên một TPU duy nhất. Nó được xây dựng trên Functional Generative Network, nền tảng cũng hỗ trợ cho WeatherNext 3. WeatherNext 2 đã cung cấp năng lượng cho Google Search, Gemini, Pixel Weather và Weather API.

Vào tháng 8 năm 2026, DeepMind đã phát hành WeatherNext 2 và WeatherNext Cyclones theo giấy phép mở. Mô hình bão nhiệt đới dự đoán đường đi và cường độ của bão trong một hệ thống duy nhất và nhìn xa hơn khoảng một ngày so với các mô hình vận hành hàng đầu, mặc dù sử dụng lưới thô hơn khoảng một trăm lần. Vào cuối năm 2024, DeepMind đã phát hành GenCast, mô hình thời tiết AI xác suất đầu tiên vượt qua hệ thống tập hợp của ECMWF.

Tin tức AI không thổi phồng – Được tuyển chọn bởi con người

Đăng ký THE DECODER để đọc không quảng cáo, nhận bản tin AI hàng tuần, báo cáo chuyên sâu "AI Radar" độc quyền sáu lần một năm, quyền truy cập toàn bộ kho lưu trữ và tham gia phần bình luận của chúng tôi.

Đăng ký ngay