AREX Feed Article
Google DeepMind 宣布与英国气象局建立研究合作伙伴关系，WeatherNext 3 将在试验沙盒中接受评估
北京时间 11 月 14 日凌晨（英国时间 11 月 13 日），，Google DeepMind 与英国气象局（Met Office）建立研究合作伙伴关系。他写道，Met Office 的气候科学专长「一直是评估 Google WeatherNext 模型的关键」，期待与其科学家以及 Google DeepMind、Google Research 两个团队继续合作，推进 AI 天气预报。约一小时后，@GoogleDeepMind 官方账号转发了这条帖子。
合作并非只有 Google 一方的口径。11 月 12 日，披露：继此前围绕热带气旋预测的合作研究之后，Met Office 与 Google 已签署一份新的多年期协议，Met Office 科学家将在试验沙盒（experimental sandboxes）中评估 WeatherNext 3——Google 今年 9 月发布的全球天气 AI 模型。
Google 2026 年 9 月 3 日发布 WeatherNext 3 时的官方题图（图片来源：Google 官方博客）。
一条推文，和先一天露面的多年期协议
Battaglia 的帖子发布于 11 月 13 日 16:35（UTC）。他的 X 账号简介自述为 DeepMind 研究科学家，Met Office 的博客则将其署名为 Google DeepMind 可持续发展研究高级总监（Senior Director, Sustainability research）。帖子写道：
很高兴宣布我们与英国气象局的研究合作伙伴关系。他们的气候科学专长一直是评估 Google WeatherNext 模型的关键。期待与他们的科学家、以及我们在 Google DeepMind 和 Google Research 的团队继续合作，推进 AI 天气预报。
@GoogleDeepMind 官方账号于 17:32 转发了这条帖子。截至北京时间 14 日凌晨检索时，它获得 26 个点赞、5 次转发和约 7,800 次浏览。
Met Office 侧的披露早一天。11 月 12 日，这家有 170 多年历史的英国国家气象服务机构在官方博客《Exploring future forecasting: how the Met Office is supporting AI innovation》中写明，这份多年期协议延续自双方此前围绕热带气旋预测的合作研究。
沙盒里先试：不进业务预报，只当补充
按 Met Office 的说法，它正在与 Google 的最新机器学习模型（包括 WeatherNext 3）合作，探索它们「对业务预报员在实验性研究工作流中的实际可用性」。
博客把边界划得很清楚：基于物理的数值天气预报（numerical weather prediction，NWP）仍是全球气象学的基础，支撑着 Met Office 的预报和国家恶劣天气预警服务（National Severe Weather Warning Service）；AI 模型「不被视为物理模型的替代，而是补充」。把现有系统的物理一致性与机器学习的快速情景生成配对，可能让气象学家探索更宽的概率区间、追踪快速移动的天气系统、更早拿到高影响事件的前兆信号。
进入业务预报前还有一道门槛：博客写明，新出现的 AI 技术必须先通过现有的严格验证流程，而专家预报员仍然不可或缺——他们负责解读细微的大气信号、处理不同模式之间的分歧，并给出英国公众每天依赖的可操作建议与预警。Met Office 科学战略主管（Science Strategic Head）Caroline Bain 博士在博客中说：
我们的核心优先事项，是提供让公众安全的可信天气情报。像 WeatherNext 3 这样的 AI 模型，可以在我们的物理预报业务系统之外增加价值，为气象学家提供探索大气不确定性的新方式，确保创新科学转化为实际影响，并直接强化可靠的公共建议。
WeatherNext 3：每小时更新，分辨率最细 5 公里
双方要评估的模型在 9 月 3 日上线。当天，Google DeepMind 与 Google Research 在发布 WeatherNext 3，并依据 Brightband 的独立实时评估称其为「迄今最先进、最准确的全球天气模型」，同步发布在 arXiv 上。
WeatherNext 3 与上一代的关键差别在数据源。大多数 AI 天气模型（包括 WeatherNext 2）都在 NWP 数据上训练，而这类数据带着 6 小时滞后；WeatherNext 3 则直接读入每 1 小时更新的静止卫星拼图和传统历史分析，送入单个 FGN（Functional Generative Network）mesh transformer，每小时都基于最新卫星观测出一版新预报。它还直接用稀疏的地面气象站观测数据训练，让 5 公里网格的预报保留地形细节。
分辨率上，温度、湿度等关键地面变量达到 5 公里，其他地面变量 10 公里，风速等大气变量 25 公里；对比 WeatherNext 2 的 25 公里网格、6 小时步长，整体精细约五倍。降水是 Google 着重强调的改进：中期全球预报中，对 NASA 的 GPM 计划多卫星降水反演数据（IMERG）的 CRPS（连续排序概率评分）最高改善 60%，对 MRMS 数据改善 30%，对雨量计观测改善 10%（早期时效）。
同一降水过程的 +24 小时降水概率（PoP > 1 mm）预报：左为 WeatherNext 2，中为 WeatherNext 3，右为 MRMS 观测（图片来源：Google 官方博客）。
这套模型已经不只在实验室里运行：9 月 3 日起，它接入 Google Search、Gemini 应用、Google Maps、Google Maps Platform Weather API 和 Google Earth Engine，Google 称其让一天以上时效的降水预报准确度最多提高 50%。预报数据可在 ，或从 Google Cloud Storage 批量下载。
落到英国：地形、海岸线、强对流与风电
Met Office 的博客列出了沙盒评估关注的具体场景：WeatherNext 3 的高分辨率空间输出「可以」帮助预报员分析英国局地地形和海岸带；先进的概率技术用于识别强对流降雨的早期信号；精细的地表风与光照指引则面向可再生能源伙伴。这与 Google 给模型的规格对应——它能预报 100 米高度（约风机叶轮高度）的风速，以及高分辨率的云量和太阳辐射。
评估之前，Met Office 在机器学习上已有布局：其《数据科学框架》（2022～2027）承诺与国内外伙伴合作开发新的机器学习模型，例如与 The Alan Turing Institute 共同开发的 FastNet 天气预报模型；博客还提到，Met Office 也在帮助外部伙伴理解预报员到底需要模型提供什么，以加速整个行业的创新。
条款未公开，评估结果也还没有
除了「多年期」这个说法，Met Office 的博客和 Battaglia 的帖子都没有说明协议的具体期限、资金安排，或沙盒评估之外还有哪些合作内容。两份材料也都没提评估何时出结果。
Battaglia 在 Met Office 博客中的引语补上了他的理由：
国家气象服务为大气科学与公共安全设定了基准。与 Met Office 一起评估 WeatherNext 3，能确保前沿 AI 立足真实的业务需求，支撑国家韧性与早期预警。
眼下能确认的事实是：WeatherNext 3 已经接入 Google 面向公众的产品，但双方公开描述的英国工作目前限于沙盒评估；它能否进入 Met Office 的业务预报和国家恶劣天气预警服务，要先过现有验证流程这一关。