AI辅助整理：本文基于下方列出的公开原始来源改写，不代替原文。
核心摘要： Google DeepMind 与研究团队推出 WeatherNext 3，称其为迄今最先进、最准确的气象 AI 模型：直接学习实时卫星观测，每小时在 5 公里网格上生成全球预报，空间清晰度约为上一代 WeatherNext 2 的五倍。当天起它开始支撑 Google 搜索、Gemini、地图与地图平台天气 API，并把数据开放到 BigQuery、Earth Engine 与云存储，供企业与开发者调用。
事件背景
9 月 3 日前后，Google DeepMind 与研究团队发布 WeatherNext 3。传统气象 AI 多训练自数值天气预报（NWP）模型，NWP 依赖超算模拟且通常有约 6 小时数据滞后，在降水与地表温度这类快变要素上容易产生偏差，空间网格也较粗。WeatherNext 3 改为直接学习全球实时静止卫星影像拼图，实现小时级更新。
技术变化
新模型输入每小时的静止卫星观测与历史再分析数据，经功能生成网络（FGN）网格 transformer 输出稠密格点场、气旋路径与站点稀疏坐标。官方称其可同时输出地表约 5 公里、部分要素 10 公里、风等大气变量 25 公里的多尺度预报，整体空间清晰度约为上一代五倍，并原生预测 100 米高度的风机风速与云量、日照。
数据与接入
模型在降水上用了 NASA 卫星 IMERG 与自建全球再分析两套高质量数据源。落地层面，WeatherNext 3 当天起进入 Google 搜索、Gemini、地图、地图平台天气 API 与 Earth Engine，并把高分辨率数据放进 BigQuery、Earth Engine 与云存储，供研究者、开发者与企业直接查询或批量下载，无需自行搭建模型。
业务影响与边界
官方称其显著利好此前缺少高分辨率预报的拉美、非洲与亚太地区，也面向农业、供应链、清洁能源等场景。评价方面，谷歌引用独立评估机构 Brightband 的实时榜单称其为当前最准确模型，并披露降水 CRPS 相对 IMERG 最高改善约 60%。边界也很明确：页面声明正式气象预警仍应以各国气象机构为准，WeatherNext 3 更适合作为预报参考与业务决策辅助信号。
可复制动作
对农业、零售、物流、能源等易受天气影响的企业，可用它做三件事：把小时级局地降水接入补货与配送调度；把风机高度风速与日照数据用于发电预测；把公开预报数据作为自有风控与需求模型的输入特征。起步不必自建模型，先通过 BigQuery/Earth Engine 查询验证与自有业务的相关系数，再决定是否产品化。
证据与边界
- 官方博客自报中期降水预报 CRPS 较 IMERG 基准最高改善约 60%。
- 官方博客自报空间分辨率由 25 公里提升到 5 公里（地表），约为上一代五倍清晰。
- 官方博客自报可预报约 100 米风机高度风速与高分辨率云量/日照。
- 官方博客引用独立评估机构 Brightband 的实时榜单称其为当前最准确模型。
- 官方博客声明正式气象预警仍应以各国气象机构为准。
企业今天可以做什么
对依赖天气的业务，可优先在三个场景试数据价值：一是把 5 公里小时级降水预报接入供应链与门店备货预警；二是新能源场站用它做发电量预测与调度；三是用 BigQuery/Earth Engine 查询其公开的高分辨率预报数据，做自有模型的输入特征。由于官方提示该模型用于预报参考、正式预警仍以当地气象机构为准，企业应把它当作决策辅助信号，而非唯一依据。