Google DeepMind 與 Google Research 的 WeatherNext Cyclones（WN-C），是專為熱帶氣旋設計的 AI 作業天氣模型，在 2025 年大西洋颶風季期間實際上線、協助美國國家颶風中心（NHC）預報。根據 2026 年 8 月 6 日發表於《Nature》的論文，WN-C 在氣旋路徑、強度與風場範圍的預測上，平均比頂尖作業模型多出「一天以上」的預警領先；Google DeepMind 官方說明補充，其三天預測的準確度約等同於過去模型兩天才達到的水準，改善幅度相當於過去十年的作業進展。
多搶一天：3 天準度抵過去的 2 天
這組數字是整篇論文的核心。研究團隊以 2023 至 2025 年的熱帶氣旋樣本評估 WN-C，發現其路徑、強度與風場半徑預測，平均較領先的作業模型多出「一天以上」的預警領先。換句話說，要拿到同一個準確度，舊模型得等到風暴逼近、預警窗口所剩無幾時才辦得到，WN-C 卻能更早抵達同一個水準。
更具體的對照來自官方說明：WN-C 的三天預測，約等同於過去模型兩天才能提供的準確度。論文把這個幅度類比為「過去十年作業發展累積的進步」——等於把十年的氣象預報進展壓縮進單一模型的這次升級。對第一線防災而言，多出來的這 24 小時，正是疏散、物資調度與沿海撤離最稀缺的緩衝。
低解析度也能預報強度：28×28 公里就夠
論文裡一個反直覺的發現，挑戰了氣象界長期的假設。一般認為，要精準預測氣旋這種中小尺度的劇烈系統，非得餵入高解析度的區域模型資料不可；但 WN-C 用的是比區域模型「粗糙數個數量級」的輸入。官方說明指出，模型只需 28×28 公里解析度的資料，比傳統模型粗約 100 倍。論文據此主張，高解析度並非頂尖強度預報的嚴格前提，「這些較粗的大氣資料，蘊含的強度訊號比過去所以為的更多」。
這個發現的實務意義在於：高解析度區域模型運算成本極高、產出也慢；若粗解析度的全球資料就足以支撐頂尖強度預報，意味著 AI 模型能用更低廉、更即時的方式，把強度預測推到作業水準。對資源有限、卻面對氣旋威脅的地區而言，這是讓預警能力普及的關鍵。
從 50 到 1000：機率集合如何掌握罕見事件
WN-C 不是給出單一確定預測，而是輸出「機率集合」（ensemble）——同時生成大量可能的天氣與氣旋劇本，再用統計分布呈現不確定性。這點對防災尤其關鍵：氣旋會否快速增強、會否登陸，往往不是非黑即白，而是一組機率；決策者需要的是分布的尾部，而非單一數字。
規模是這次升級的另一個重點。官方說明指出，去年其系統一次產出 50 個預測、與全球物理模型相當，今年則把集合成員擴充到 1000 個。論文說明，這種擴充性讓 WN-C 能支援最多 1000 成員的集合，較傳統 50 成員集合「更能掌握罕見事件」。換言之，那些發生機率低、一旦發生卻最具破壞性的極端情境，在更大的集合裡才有機會被看見。
實戰驗證：協助 NHC 預測五級颶風 Melissa
論文與官方說明都點名同一個實戰案例。Google DeepMind 指出，WN-C「協助 NHC 對颶風 Melissa 做出歷史性預測，成功預測這場風暴的快速增強與牙買加登陸」。Melissa 是 2025 年大西洋第 13 號熱帶氣旋（AL132025），NHC 自 10 月 21 日起發布警報、至 10 月 31 日結束，共 41 號預報警報。
世界氣象組織（WMO）的報導記載，Melissa 在登陸牙買加前達薩菲爾—辛普森量表上的五級強度，風速接近每小時 300 公里，是「自 1988 年吉爾伯特颶風以來侵襲牙買加的最強颶風」；NHC 的正式報告則認定，Melissa 於 10 月 28 日以約 160 節（五級）強度登陸牙買加 New Hope。牙買加總理並於 10 月 28 日宣布全島為災區。對一個仍在驗證階段的 AI 模型而言，能在這場創紀錄風暴中實際貢獻預報判斷，是其作業價值的具體佐證。
開源與下一步：15 天預測、TPU 不到一分鐘
除了預警領先，WN-C 在工程規格上也把門檻拉低。這個屬於 WeatherNext 2 家族的模型，可向前預測最長 15 天，反覆推演全球天氣型態與細尺度的氣旋路徑；官方說明表示，如今能在單張 TPU 上以不到一分鐘生成一份 15 天預測。論文另指出，把 WN-C 的預測納入加權平均的「共識集合」後，可顯著提升整體預報技巧——它不是要取代人類預報員或既有模型，而是作為共識的一環放大效果。
Google DeepMind 也已將 WeatherNext 2 與 WeatherNext Cyclones 的程式碼與預訓練權重以開放權重形式開源，放在 google-deepmind/weathernext 倉庫，供研究社群下載與運行。從作業上線、登上 Nature，到開源釋出，這套氣旋預報模型走完了一條從實驗室到第一線防災的完整路徑；下一個觀察重點，會是各國氣象作業單位把這類 AI 集合正式納入預報流程的速度與方式。
