台风是气象预报里最难的一道题。
路径飘忽，强度变化又快。报早了没人用，报晚了更没人用。眼下主流的办法是跑数值天气预报，靠超级计算机硬算物理方程。算得准，但很贵，也很慢。
最近谷歌联合多家气象机构，放出一个专门盯热带气旋的模型。名字叫 WeatherNext Cyclones，简称 WN-C。相关论文登上了最新一期《自然》杂志封面。
先给结论。这套模型能给出台风未来 15 天的路径和强度，而且是多种可能情景。
突破点：分辨率更粗，强度反而报得更准
AI 天气模型这几年进步很快。但一直有个短板。
它们的输入分辨率大多在 25 公里上下，数据本身是 0.25 度网格。强度信号被抹平了一部分。路径报得不错，强度却总偏弱。这个问题业内早知道，只是没好的解法。
这次团队换了条路。他们先用一个确定性映射，把表格形式的台风轨迹数据，转成 0.25 度网格上的张量。模型在网格上学习，学完再让追踪算法把结果映射回轨迹空间。
好处很直接。台风存不存在，在哪儿，有哪些物理属性，全由同一套学到的表示来管。不用几个模块各管一段。
效果摆在数字上。WN-C 的路径预报，比最好的全球模型多出一天以上的预报时效。强度预报则超过了 HAFS 这类专用区域模型。这是全球 AI 系统以前做不到的事。
更值得看的是输入。它的分辨率比全球模型还粗，比区域模型的细网格粗好几个数量级。
也就是说，高分辨率不是报准强度的必要条件。大尺度大气数据里的强度信号，比过去认为的要多。这对整个领域既是挑战，也是机会。
与其把网格画得更细，不如先把数据里已有的信号吃透。
实测：和两个老牌对手比过
团队把这套模型和 ENS、GenCast 放在一起比。前者是这项任务里全球领先的业务化系统，后者是顶尖的全球天气 AI 模型。
比下来，它在预报误差和预报时效上都更优。
它还顺手解决了一个老问题。那就是不确定性。
它的集合预报能给出校准良好的概率分布。不同情景下台风会往哪走，置信度有多高，都看得见。做风险评估的人最需要这个。
另一组数字来自经济价值。研究人员算了 2023 到 2024 年全球范围的风速概率预报。在不同成本损失比下，相对经济价值都有明显提升。
集合规模也有讲究。从 50 个样本加到 1000 个，经济价值还会再涨。预测提前期拉到 7 天时，这个差距最明显。
2025 年 6 月起，WN-C 已经投入实时运行。它的预报被美国国家飓风中心等多家气象预报机构采用。
对普通人来说，这意味着台风预警可能来得更早一点，也更准一点。这类 AI 工具 的价值，往往就藏在这种看不见的地方。它们平时很少出现在大众视野里，也很少上 AI 工具排行榜。至于国内什么时候能用上这类模型，还得看后续落地。
