Google 推出 WeatherNext 3：全球每小時更新，5 公里預報讓亞太供應鏈更早應變

2026 年 9 月 3 日，Google DeepMind 與 Google Research 正式公布 WeatherNext 3。本文已核對 Google 官方公告、Google DeepMind 官方新聞頁及開發者文件，來源真實性已驗證：新模型直接吸收即時衛星拼圖與地面氣象站觀測，每小時產生一次全球預報；溫度、濕度等主要地表變數可細至 5 公里，較 WeatherNext 2 的 25 公里、每 6 小時更新大幅提升。Google 同日把模型接入 Search、Gemini、Google Maps、Google Maps Platform Weather API 與 Earth Engine，企業亦可經 BigQuery、Earth Engine 或 Google Cloud Storage 取用資料。

這不只是一項氣象科研更新。對航空、物流、保險、零售、農業、建築及再生能源營運者而言，「多久更新一次」與「能否看見局部差異」直接影響航線、庫存、人手及設備調度。WeatherNext 3 把全球 AI 氣象預報由六小時一格，推進到每小時重算及最高 5 公里格網，令亞洲沿岸、山谷與城市微氣候更有機會被看見。

一、核心事件：從六小時、25 公里走到每小時、5 公里

WeatherNext 2 主要以數值天氣預報（NWP）分析資料訓練，標準輸出約為 25 公里格網及 6 小時間隔。WeatherNext 3 加入全球地球同步衛星的每小時即時拼圖，配合傳統歷史分析及稀疏氣象站觀測，形成持續更新的全球視圖。

官方列出的原生輸出分成多個尺度：

溫度、濕度等關鍵地表變數：最高 5 公里；
其他地表變數：10 公里；
風速等大氣變數：25 公里；
預報更新：全球每小時一次，而非每 6 小時一次；
輸出：密集格網、離散熱帶氣旋路徑，以及氣象站級稀疏座標預測。

Google 引述 Brightband 的獨立即時評估，稱 WeatherNext 3 是其至今最先進、最準確的全球氣象模型。不過「最準確」必須連同評測資料與指標理解，不能簡化成任何地點、任何時段都準確。

技術細節

官方架構圖顯示，系統以單一、可彈性調整的 Functional Generative Network（FGN）mesh transformer 為核心。輸入包括每小時地球同步衛星拼圖及歷史分析；同一網絡再按不同空間尺度輸出多種變數。這個設計的價值，是讓全球風場與局部地形保持物理一致，而不是各自獨立生成互相矛盾的天氣圖。

二、技術原理深度解析

1. 為何即時衛星資料可縮短六小時落差

傳統 NWP 依靠超級電腦求解大氣物理方程，分析場雖然完整，整理、同化與運算卻會帶來時間差。對快速生成的雨帶、鋒面或地表溫度，六小時已足以令狀況轉向。WeatherNext 3 直接讀入最新衛星觀測，每小時重新初始化預報，重點不是把舊預報「補幀」，而是用新觀測重算未來分布。

2. 為何氣象站資料可補回微氣候

衛星擅長廣域、連續觀測，但沿岸、山谷、城市熱島等局部變化仍受地形與地表條件影響。WeatherNext 3 直接以稀疏氣象站觀測訓練站點級輸出，再映射至 5 公里格網，減少舊模型把複雜地形平均成一大片平滑色塊的問題。對香港這類海岸線密集、山地與高樓並存的城市，這種空間解析度尤其有實務意義。

3. 雨量預測為何另設資料路徑

降雨由細尺度雲物理過程驅動，全球模型容易把強對流邊界「抹平」。Google 以 NASA Integrated Multi-satellite Retrievals for GPM（IMERG）及自家的衛星雷達全球降雨再分析資料訓練。官方報告以 Continuous Ranked Probability Score（CRPS）衡量機率預報：中期全球預報相對基準，對 IMERG 最多改善 60%、對美國 MRMS 改善 30%，短期對雨量計改善 10%。另在 Google 消費者產品內，計劃一日或以上行程時，降雨預報最高可提升 50% 準確度，改善在過往預報較弱的地區最明顯。

CRPS 評估的是機率分布整體質素，並非「落雨機率永遠準六成」。企業做採購或風險模型時，應保留指標、基準、地區及預報時效，避免把不同數字混為一談。

4. 再生能源變數直接對準商業決策

WeatherNext 3 新增 100 米高度風速，接近風力發電機輪轂高度；亦提供高解析度雲量與地面太陽輻射。電網及新能源營運者可據此估算短期發電量，再與需求、儲能及批發電價配對。這反映氣象 AI 已由「看天氣」轉向可直接餵入排程與風險系統的營運資料層。

三、日常與企業應用場景

1. 開發者與技術團隊

開發者毋須自行部署模型，便可在 BigQuery 查詢每小時全球資料、在 Earth Engine疊加土地與遙感圖層，或由 Google Cloud Storage 批量下載。實作上應先做歷史回測，記錄地區、變數、lead time 與版本，再把模型輸出轉成內部 API；不要把單次預報直接寫成不可逆的自動指令。

2. 物流、零售與建築企業

港口與跨境物流可把雨帶、側風與高溫風險映射至航線及倉庫；零售可按區域調整雨具、飲品及外送人手；建築與活動營運可用小時級更新重排戶外工序。真正商業價值來自「預報—門檻—行動」的閉環，例如當指定區域在未來三小時超過風雨門檻，先提示值班人員覆核，而非由模型直接停運。

3. 一般用戶

Search、Gemini 及 Google Maps 由 9 月 3 日起逐步使用 WeatherNext 3，規劃週末或戶外活動時可獲較細緻的中長期降雨資訊。然而 Google 明確聲明：官方惡劣天氣警告及公共安全指示，仍須以所在地氣象部門為準。香港用戶應以香港天文台發出的熱帶氣旋、暴雨及雷暴警告作最終依據。

4. 香港與亞洲市場視角

Google 特別指出，拉丁美洲、非洲及亞太過往常因區域高解析度 NWP 的超級電腦成本而服務不足。統一的全球 5 公里地表格網，降低了企業取得地區級預報的門檻。香港及大灣區企業可優先評估三類用途：颱風季供應鏈、戶外工程安全，以及太陽能與電力需求預測。

但香港企業仍要處理資料治理：外部氣象資料可上雲，不代表客戶名單、車隊位置或營運排程也應無限制送往第三方。較穩妥的架構是把公開氣象層與內部敏感層分開，以最小權限 API 在企業環境內做融合，並保留香港天文台警告作硬性安全閘門。

四、專業評價與潛在考量

優勢

每小時吸收最新衛星觀測，較六小時分析落差更適合快速變化天氣；
地表最高 5 公里解析度，能呈現沿岸、山谷及地形造成的局部差異；
雨量、100 米風速、雲量及太陽輻射直接對應物流與能源場景；
BigQuery、Earth Engine、Cloud Storage 及 Google Maps Platform 提供多種接入路徑，縮短產品化時間。

需要留意的地方

5 公里是部分地表變數的最高解析度，不代表所有大氣變數均達 5 公里；
「最多改善 60%」是特定 CRPS 基準結果，不應外推到每個城市與每場暴雨；
AI 預報仍有不確定性，不能取代香港天文台或其他法定氣象警告；
企業把預報接入自動決策前，必須做本地回測、版本監控、人工覆核及失效回退；
上游雲端或 API 中斷時，關鍵營運仍要有快取、備援資料與災難復原方案。

結語

WeatherNext 3 最重要的進步，不只是把地圖畫得更細，而是把即時衛星、站點觀測、機率預報與雲端分發連成每小時更新的全球資料產品。對香港企業，下一步應是以真實營運資料做回測，建立可覆核的預警門檻，並把公開天氣資料與敏感內部資料分層。

如企業需要把 BigQuery、Google Cloud Storage 或氣象 API 接入高可用營運系統，可參考 YSK Limited 的香港雲端遷移與網絡安全服務：涵蓋 AWS／GCP 遷移、零信任、防火牆、異地備份與災難復原，高可用架構以 99.99% 服務可用率為目標。這類氣象決策系統尤其需要在上游資料延遲或服務中斷時仍可安全回退。

參考來源

Google 官方公告〈Introducing WeatherNext 3, our most advanced and accurate global weather AI model〉（2026-09-03）：https://blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-weathernext-3/
Google DeepMind 官方新聞頁：https://deepmind.google/blog/
Google WeatherNext 開發者入口：https://developers.google.com/weathernext
NASA IMERG 資料說明：https://gpm.nasa.gov/data/imerg
香港天文台警告及信號資料庫：https://www.hko.gov.hk/tc/wservice/warning.htm