Google在9月3日把自家AI天气预报模型WeatherNext升级到了第3版。最大的变化是，模型开始直接读取卫星拼接图像，预报刷新频率从原来的六小时一次提到了每小时一次。Google官方博客给出的数字很亮眼：提前一天以上的降水预报准确性最高提升50%，个别评估口径甚至到60%。但配套发表的技术论文里，同一类精度提升的实测数字只有19%到20%——这中间的落差，比"摄入卫星数据"这句话本身更值得琢磨。
WeatherNext 3到底改了什么
架构上它沿用了WeatherNext 2的FGN mesh transformer，但输入端多了一路每小时刷新的静止卫星拼接图像。值得留意的是，模型并没有丢掉传统的ECMWF HRES分析场——那是经过完整数据同化流程处理过的大气状态估计，WeatherNext 3依然把它当成主力输入之一。
换句话说，卫星数据是"加"进去的，不是"换"进去的。输出端也升级了：地表气温和露点做到约5公里分辨率，多数降水、云图变量约10公里，高空层变量约25公里，运行时用64个集合成员，主周期能拉到15天预报，临时逐小时运行可覆盖48小时。
"摄入原始卫星数据"这句话该打几折
原文标题起了个双关——"Data assimilation is not futile"，数据同化没有失效。这句话点破了整个AI天气预报行业的一个共识：几乎所有主流AI模型，包括Google自己的GraphCast、GenCast，还有ECMWF的AIFS，训练和运行时用的都是已经同化好的分析场，不是卫星传回来的原始辐射值。
真正的卫星原始测量需要经过定标、云检测、辐射传输建模、偏差订正一整套复杂流程才能变成可用的大气状态，这个环节至今仍是传统数值天气预报的地盘。剑桥、图灵研究所和ECMWF合作的Aardvark Weather才是少数真正尝试端到端摄入原始观测、自己完成同化的系统，路线上和Google这套完全不同。
数据同化没有被绕过，只是换了一件外衣。
WeatherNext 3的做法更准确的说法是"增强"：卫星拼接图像是补充信号，用来填补分析场每六小时才更新一次的空档，让模型能感知到更接近实时的天气变化。这也是为什么它敢把预报频率提到每小时——不是靠自己重新做同化，而是靠多了一路低延迟观测。
官方50%和论文19%，该信哪个
差距最大的地方在数字口径。Google官方博客说降水预报准确性最高提升50%，某些对比IMERG数据的评估口径甚至到60%。但同一时间发表的另一篇论文，评估了一个叫Laxmi的观测训练模型，得出的24小时累积降水CRPS指标，比AIFS-CRPS低19.3%，比ECMWF IFS低20.1%。
这不是同一件事情说了两次，而是两套评估口径。企业公告习惯挑最有利的对比基准和指标，同行评审论文更保守，还老实承认在最极端的降水事件上，物理模式IFS依然比AI模型可靠。读数字的时候，公司博客和论文实测不能划等号。
- 风险.AI天气模型普遍存在把极端事件"抹平"的倾向，集合成员产生的全球平均温度本该稳定却出现波动，说明不确定性校准还不成熟。
谁该盯着这件事
对气象局和ECMWF来说，WeatherNext 3的每小时更新是直接的竞争压力，是否把它纳入业务预报体系是个现实问题。对航空、保险、可再生能源调度这些依赖短期降水预报的行业，更新频率提升是实打实的好处，但极端天气下的可靠性还没有独立验证。
对普通用户，WeatherNext 3已经接入Search、Gemini和Maps，体验上大概率会更顺滑一点，只是这不等于气象学本身被颠覆了。接下来最该看的，是ECMWF、NOAA之类的独立机构会不会拿真实台风、暴雨事件去交叉验证Google这套数字——那才是检验的时候。