Google DeepMind ra mắt WeatherNext 3 với dự báo hàng giờ độ phân giải 5 km

Google DeepMind và Google Research vào ngày 3 tháng 9 năm 2026, giới thiệu WeatherNext 3, một mô hình dự báo thời tiết AI toàn cầu tạo ra các dự báo hàng giờ với độ phân giải lên tới 5 km và đang được tích hợp vào Google Search, ứng dụng Gemini, Google Maps, Google Maps Platform Weather API và Google Earth Engine.

Các nhóm mô tả WeatherNext 3 là mô hình thời tiết toàn cầu tiên tiến và chính xác nhất của họ cho đến nay, chỉ ra các đánh giá trực tiếp độc lập của Brightband. Một bài báo kỹ thuật do các nhà nghiên cứu tại Google DeepMind, Google Research và Google đồng tác giả kèm theo bản phát hành và cho biết mô hình đang hoạt động thực tế.

Dự báo hàng giờ với độ phân giải cao hơn

WeatherNext 3 tạo ra các dự báo hàng giờ ở nhiều độ phân giải không gian khác nhau. Các biến bề mặt quan trọng như nhiệt độ và độ ẩm được tạo ra với độ phân giải 5 km, các biến bề mặt khác ở độ phân giải 10 km, và các biến khí quyển như tốc độ gió ở độ phân giải 25 km. Google cho biết điều này tạo nên một bức tranh thời tiết toàn cầu sắc nét khoảng năm lần so với mô hình trước đó, WeatherNext 2, vốn tạo dự báo trên lưới 25 km với khoảng thời gian sáu giờ.

Theo bài báo, WeatherNext 3 dựa trên phương pháp Functional Generative Network đã hỗ trợ WeatherNext 2 và tạo ra các dự báo hợp nhất 15 ngày, gồm 64 thành viên, được huấn luyện để giảm thiểu chỉ số Continuous Ranked Probability Score (CRPS), một thước đo tiêu chuẩn về kỹ năng dự báo xác suất. Mô hình tăng kích thước ẩn từ 768 lên 1024 và độ sâu của mesh transformer từ 24 lên 32 lớp so với WeatherNext 2, và phiên bản sản xuất đã được huấn luyện trên dữ liệu đến ngày 30 tháng 6 năm 2026. Hệ thống tiếp nhận các mô-đê vệ tinh địa tĩnh sống mỗi giờ cùng với phân tích lịch sử truyền thống, đưa vào một mesh transformer duy nhất để xuất ra các trường lưới dày đặc, các đường đi của bão rời rạc và dự báo cấp độ trạm.

Được huấn luyện trên dữ liệu quan sát thô

Hầu hết các mô hình thời tiết AI, bao gồm WeatherNext 2, được huấn luyện trên dữ liệu từ các mô hình dự báo thời tiết số, là các mô phỏng vật lý có độ trễ dữ liệu sáu giờ. Google cho biết độ trễ này có thể gây ra sai lệch đối với các biến thay đổi nhanh như mưa và nhiệt độ bề mặt. Thay vào đó, WeatherNext 3 tiếp nhận một mô-đê dữ liệu vệ tinh địa tĩnh toàn cầu sống, cung cấp cho nó một góc nhìn liên tục cập nhật về khí quyển và cho phép dự báo mới mỗi giờ, mỗi dự báo dựa trên các quan sát vệ tinh mới nhất có sẵn.

Bài báo cho biết mô-đê vệ tinh bao phủ 11 kênh với độ phân giải 0,1 độ và độ trễ hoạt động khoảng một giờ. WeatherNext 3 cũng được huấn luyện trực tiếp trên các quan sát thưa thớt của trạm thời tiết, kết hợp ba bộ dữ liệu bề mặt — các trạm sân bay METAR, mạng lưới Mesonet khu vực và các đo đạc tàu và bơm ICOADS — bắt đầu từ năm 2001. Bài báo báo cáo rằng phần đầu ra của trạm này dự đoán nhiệt độ và điểm sương ở độ cao 2 mét tại bất kỳ vị trí và thời gian nào, dựa trên các đặc điểm địa lý địa phương như độ cao.

Đối với lượng mưa, mô hình được huấn luyện trên hai nguồn: sản phẩm IMERG (Integrated Multi-satellite Retrievals for GPM) dựa trên vệ tinh của NASA và phân tích lại lượng mưa toàn cầu do nhóm thực hiện, gọi là PARDIG, mà bài báo mô tả là một ước tính thử nghiệm được tạo ra bởi một mô hình AI riêng biệt được huấn luyện để dự đoán dữ liệu radar không gian thưa thớt từ quan trắc lõi GPM.

WeatherNext 3 cũng giới thiệu các dự đoán hướng tới sản xuất năng lượng tái tạo. Google cho biết mô hình dự báo tốc độ gió ở độ cao 100 mét, tương đương chiều cao tua-bin, để tính năng lượng gió, cùng với độ phủ mây và mức bức xạ mặt trời có độ phân giải cao, giúp các trang trại năng lượng mặt trời ước tính ánh sáng mặt đất.

Kết quả đánh giá được báo cáo

Trong các dự báo lượng mưa toàn cầu trung hạn, Google báo cáo mức cải thiện CRPS lên tới 60 % so với IMERG, 30 % so với sản phẩm radar MRMS, và 10 % so với các đo đạc bằng thước mưa cho các thời gian dự báo sớm. Bài báo bổ sung rằng, trong các đánh giá so với các trạm thời tiết không được dùng trong quá trình huấn luyện, phần đầu ra của trạm cải thiện CRPS cho nhiệt độ 2 m lên tới 30 % so với WeatherNext 2 và 40 % so với hệ thống ECMWF ENS ở các thời gian dự báo ngắn.

Bài báo cũng mô tả một đánh giá gần thời gian thực trong khoảng thời gian sáu tuần từ ngày 1 tháng 7 đến 11 tháng 8 năm 2026, sử dụng các nguồn dữ liệu hoạt động. Trong đánh giá đó, các tác giả báo cáo rằng WeatherNext 3 đã vượt trội hơn AIFS ENS v2 của ECMWF trên tất cả các biến ở tầng trên, với mức cải thiện trung bình khoảng 10 % trong tuần dự báo đầu tiên, và cho thấy những cải thiện nhỏ nhưng ổn định so với WeatherNext 2 về lỗi trung bình đường đi và cường độ của bão nhiệt đới trong hợp nhất.

Bài báo cũng ghi lại các hạn chế. Các tác giả nhận thấy các hiện tượng không gian và thời gian có thể nhìn thấy trong các mẫu dự báo cá nhân, bao gồm các mẫu lục giác phản ánh cấu trúc lưới của mô hình, các gián đoạn thời gian qua ranh giới sáu giờ trong một số phần đầu ra, và độ lệch ấm hoặc lạnh toàn cầu cho mỗi thành viên trong phần đầu ra của trạm. Họ cho biết các thống kê biên như các phần tư hợp nhất phần lớn không có hiện tượng nhiễu ngoại trừ ở Nam Cực, nơi dữ liệu trạm thưa thớt.

Khả dụng trên các sản phẩm của Google

WeatherNext 3 bắt đầu cung cấp các trải nghiệm thời tiết trong Google Search, ứng dụng Gemini, Google Maps, Google Maps Platform Weather API và Google Earth Engine từ ngày 3 tháng 9 năm 2026. Google cho biết khi người dùng lên kế hoạch cho một ngày hoặc lâu hơn, họ sẽ thấy các dự báo lượng mưa chính xác hơn tới 50 % , với những cải thiện lớn nhất ở các khu vực mà dự báo trước đây ít đáng tin cậy.

Các nhà nghiên cứu, nhà phát triển và doanh nghiệp có thể truy vấn dữ liệu trong BigQuery và Earth Engine hoặc tải xuống hàng loạt từ Google Cloud Storage ở định dạng Zarr. Tài liệu dành cho nhà phát triển của Google mô tả mô hình cung cấp các dự báo xác suất toàn cầu 15 ngày, khởi tạo hàng giờ trên 64 thành viên hợp nhất, và liệt kê một tùy chọn suy luận tùy chỉnh trên Google Cloud cho phép khách hàng tạo ra các dự báo được điều chỉnh trên các bộ tăng tốc chuyên dụng với khả năng kiểm soát kích thước hợp nhất và khoảng thời gian dự báo. Các dự báo cũng có thể được xem theo thời gian thực qua Weather Lab, trang web trực quan tương tác của Google DeepMind.

Thông báo của Google kèm theo tuyên bố rằng WeatherNext là một hệ thống AI tự động, thử nghiệm và người dùng nên tham khảo các cơ quan khí tượng địa phương hoặc dịch vụ thời tiết quốc gia để có dự báo chính thức, cảnh báo thời tiết nguy hiểm và các khuyến cáo an toàn công cộng.