正文：谷歌DeepMind最新发布WeatherNext 2，革新天气预报方式。新模型运行速度比上一代快8倍，分辨率提升至小时级，可精确预测如“2-3点小雨”等具体时段天气。其核心是功能生成网络（FGN），通过输入32个随机数字生成全球未来15天的高维天气变化，支持上百种可能情景推演。相比传统超算耗时数小时，WeatherNext 2在单个TPU上仅需1分钟完成预测，且对极端天气（如台风路径）提前24小时达到相同精度。该技术大幅提升能源、农业、物流等领域决策效率，误差更低、空间结构更自然，已具备实用性。

11月18日，Google DeepMind与Google Research推出全新AI天气预报模型WeatherNext 2，运算速度较前代提升8倍，可生成1小时分辨率的预测结果。新模型在99.9%的变量上全面超越前代，包括温度、风速和湿度等，并支持多情境分析。其采用Functional Generative Network（FGN）架构，能在单个TPU上一分钟内完成复杂推演，远快于传统超级计算模型的数小时耗时。WeatherNext 2数据已上线Earth Engine、BigQuery及Google Cloud Vertex AI，并逐步整合至Search、Maps等服务中。谷歌表示，该技术将推动气象研究与实际应用发展，未来还将探索更多数据来源与扩大访问范围。

中国气象局于9月9日宣布，通过人工智能天气预报模型示范计划，推动AI技术与气象业务的创新融合。该计划自2024年6月启动，吸引国内外35家机构参与，包括清华大学、华为等，14个模型进入实时预报示范。今年3月完成迭代更新后，伏羲、璞云、风乌、风清和盘古模型表现优异。目前，9月至10月为总结评估期，将对模型先进性进行评审并强化业务应用。性能优良的模型将获得国家级支持，如业务准入及联合研发机会。

《自然》21日报道称，微软研发的AI模型Aurora在百万小时地球物理数据训练后，实现了对现有地球系统预报技术的超越。Aurora不仅能精准预测高分辨率天气，还能更高效地预报空气质量、热带气旋路径及海浪动力学，其算力成本低于现有技术。研究显示，Aurora在5天气旋路径预测上达成100%目标，在10天天气预报上达到92%，优于7个国际预报中心。此外，Aurora的开发周期仅需4至8周，远短于传统模型所需的数年时间。这一突破性进展得益于大量历史数据的支持，标志着人工智能在气象领域的应用迈入新阶段。

据财联社3月25日报道，由英国剑桥大学、艾伦·图灵研究所及欧洲中期天气预报中心联合研发的人工智能（AI）天气预报系统‘土豚天气’问世。该系统以更低的算力需求实现了比传统数值天气预报模型快数十倍的预测速度，或将彻底改变天气预报行业。目前，这项突破性研究成果已刊载于最新一期《自然》杂志。

剑桥大学研究团队开发的AI天气预报系统Aardvark Weather，以其超高的计算速度和低资源需求引发关注。相比现有方法，Aardvark的速度快数千倍，仅需台式机即可处理多源数据并生成全球及本地天气预报，耗时仅几分钟。该系统由单一机器学习模型驱动，获得多家机构支持，其准确性已接近美国国家气象局水平，并在飓风、野火等极端天气预测上展现出潜力。Aardvark的优势在于灵活性和简洁性，能快速适应不同需求，尤其有助于提升发展中国家的天气预测能力。未来，该系统有望将准确预测范围扩展至8天，较现有模型增加3天。此技术于2023年3月带来革新性突破，可能彻底改变天气预报的传统模式。

**摘要：** 谷歌DeepMind团队于12月4日发布了一款名为GenCast的AI气象模型，该模型能在8分钟内生成未来15天的天气预报，预测准确度超过欧洲中期天气预报中心（ECMWF）的EN系统。GenCast通过学习四十年历史气象数据，生成包含50个以上预测的集合，覆盖全球天气模式。在1320种不同变量和提前时间的组合测试中，GenCast准确率超过97.2%，并在36小时以上的预测中达到99.8%的准确率。此外，GenCast在预测极端天气如高温、低温、强风及台风路径方面表现尤为出色。GenCast使用Google Cloud TPU v5进行高效运算，大幅提升了天气预报的速度与精度。这一突破标志着天气预报技术的新标杆。 此摘要保留了关键信息，符合新闻三要素。

标题：Nature重磅：8分钟预测15天全球天气，DeepMind AI超越顶尖天气预报系统 世界气象组织数据显示，过去50年，每天因天气、气候或水患造成的灾害导致115人死亡及2.02亿美元损失。因此，更准确的天气预报系统意义重大。 传统天气预报依赖数值天气预报算法（NWP），计算复杂、耗时长。基...

11月6日，阿里巴巴达摩院在北京发布八观气象大模型，该模型在关键气象指标预测上超越传统天气预报。八观气象大模型融合多源数据，时空精度达到1公里*1公里*1小时，显著提升了温度、辐照、风速等关键指标的预测性能。该模型已在新能源占比高的新型电力系统中应用，帮助国网山东电力调控中心成功预测多次极端天气，新能源发电功率和电力负荷预测准确率分别达到96%和98%以上。实际数据显示，该模型在区域辐照度、风速、云量及气温等方面的预测精度，较传统天气预报分别提高了40%、27%、24%和11.8%。未来，八观气象大模型将在云量、降水等指标上持续优化，并有望应用于航空预警、农业生产、体育赛事筹备等多个场景。

谷歌公司于7月22日发布的NeuralGCM新型AI天气预报模型，结合机器学习与传统技术，显著提升了预测准确度及降低了运行成本。该模型在《Nature》杂志上公布，相较于基于机器学习的其他模型，NeuralGCM在预报未来1-10天天气方面表现更优。共同作者斯蒂芬·霍耶尔指出，NeuralGCM开源且可在笔记本电脑上快速运行。由谷歌研究院、DeepMind、麻省理工学院、哈佛大学及欧洲中期天气预报中心的科学家共同研发，模型采用大脑神经元作为模型基础，结合全球环流模型、物理密集型方法与人工智能驱动任务。通过保留部分大尺度物理学并用AI取代部分建模工作，NeuralGCM能以较低计算能力实现高质量预测，准确度媲美欧洲中期天气预报中心的1-15天预报。此创新对气象预测领域具有重要意义，有望在未来天气预报服务中发挥重要作用。