WeatherNext AI 氣象預測：DeepMind 颱風突破，台灣企業怎麼用
能，但限定範圍。WeatherNext 在颱風路徑、強度、風場結構上達到最先進準確度，平均多給一天預警。
它的位置在氣象署旁邊，多提供一份可交叉驗證的來源。DeepMind 在 2026 年 8 月 6 日公布這項成果，論文發表於《Nature》（Google DeepMind 官方公告）。本文寫於 2026 年 8 月 10 日，距離公告四天，也正值台灣颱風季——這是一年當中，台灣中小企業最需要把預報準確度換算成新台幣的時候。
WeatherNext 是什麼？DeepMind 這次到底突破了什麼？
WeatherNext 是 Google DeepMind 開發的 AI 氣象預測模型，這次的突破在於用單一模型同時預測颱風的路徑、強度與風場結構，三項都達到最先進準確度。過去這需要兩套不同的模型分工。
拆開來看，突破點有三個，每一個都可以被驗證：
第一，提前量。 DeepMind 表示，平均而言模型多給預報員一天的預測準確度——它的三日預報，品質相當於先前模型只能做到的兩日預報。依他們對過去 20 年趨勢的估算，這個幅度大約等於十年份的氣象學進展（來源）。
第二，把兩件難事合在一起做。 颱風「往哪走」由大尺度的全球大氣環流決定，過去用解析度較粗的全球模式算最準；颱風「會多強」則由風暴核心附近細尺度的熱力過程決定，過去要靠專門的高解析度區域模式。WeatherNext 用同一個模型跨過這道分界。
第三，開源。 DeepMind 宣布把颶風季實際使用的 WeatherNext 2 與 WeatherNext Cyclones 兩個模型開源。這件事對台灣的意義，比準確度數字本身還大，後面會專門講。
它是怎麼訓練出來的？
模型用兩種資料共同訓練：全球天氣動力資料，以及專家整編的歷史颱風觀測。規模是近 20 TB 的全球大氣資料，加上 IBTrACS 資料庫中將近 5,000 個歷史風暴。IBTrACS 是國際間彙整各國氣象機構颱風最佳路徑的公開資料庫，由美國 NOAA 維護——這一句的依據來自 IBTrACS 官方頁面，不在 DeepMind 的公告內容裡。換句話說，模型學的是全世界近幾十年真實發生過的颱風。
技術上，DeepMind 使用一種叫 Functional Generative Networks（FGN，函數式生成網路）的方法來產生系集預報。系集預報的白話解釋：同一個起始時間跑很多次，每次把條件稍微擾動一下，得到一整叢可能的未來，用來表達天氣本身無法消除的不確定性。今年他們對每個颱風產生 1,000 種可能情境，畫成各地出現熱帶風暴至颶風等級強風的機率圖。以 2024 年 10 月的颶風 Milton 為例，模型可以一路往前推到 15 天。
AI 現在真的能比氣象局更準確預測颱風路徑嗎？
在特定的比較條件下，是的：DeepMind 用 2023 到 2024 年的歷史颱風做評估，WeatherNext Cyclones 在路徑、強度、風場結構三項上，平均比對照的頂尖模式多出超過 24 小時的提前量。但這句話不等於「AI 比氣象局準」。
差別在於「模型」和「機構」是兩件事。氣象機構的產品是警報，包含在地化的警戒標準、雨量分級、疏散連動與責任歸屬；模型的產品是預報場。準確度更高的模型，最後仍然要進到機構的作業流程裡才會變成對民眾有效的訊息。
DeepMind 自己就是這樣做的。這項研究由 DeepMind 與 Google Research 的 AI 研究者，聯合美國國家颶風中心（NHC）、大氣研究合作機構（CIRA）、英國氣象局（Met Office）以及各國氣象單位的專家預報員共同完成。
已經有真實戰績了嗎？
有一次公開紀錄。DeepMind 表示，在 2025 年颶風季，模型協助 NHC 對颶風 Melissa 做出一次歷史性的預報：模型預測到該風暴的快速增強與在牙買加登陸。快速增強指颱風強度在短時間內急遽躍升，業界普遍認為這是傳統預報最容易失手的情境（此為氣象領域的一般認知，DeepMind 公告未做此評論）。這讓 NHC 得以提早發布警告，地面應變團隊多爭取到準備時間。
一個案例的說服力有限。判斷一個模型該不該進入你的決策流程，標準是它在多個颱風季的穩定表現；單一次漂亮的命中，只能算軼事。台灣目前尚無 WeatherNext 在西北太平洋颱風上的公開驗證結果，官方未公布相關數據。
WeatherNext 跟傳統數值氣象模式差在哪？
數值氣象模式的白話解釋：把大氣切成三維格點，用流體力學與熱力學方程式一步步往前推算未來狀態，是過去半世紀氣象預報的主力方法。AI 模型換了一條路：跳過方程式，直接從歷史資料學習大氣如何演變。
下表整理 DeepMind 公告中可查證的對照。要先講清楚對照組是誰：公告的原話只說「其他頂尖模式」（other top weather models），並沒有逐項列出是哪些模式。唯一具名的地方是那組「近 20 年進展」的圖說——路徑用 ECMWF-ENS（歐洲中期天氣預報中心的系集模式）、強度用 HWRF（美國颶風專用高解析度模式）。所以下表只在路徑與強度兩列標出具名對照，其餘欄位不掛這兩個模式的名字。
| 比較項 | WeatherNext Cyclones（AI 模型） | 其他頂尖模式（公告原話 other top weather models） |
|---|---|---|
| 路徑預報 | 2023–2024 歷史颱風評估達最先進準確度 | 長期基準；公告圖說具名對照 ECMWF-ENS 三日路徑預報 |
| 強度預報 | 與路徑由同一個模型一起輸出 | 需另接高解析度區域模式；公告圖說具名對照 HWRF 三日強度預報 |
| 風場結構 | 同一模型輸出，達最先進準確度 | 公告未指名對照模式 |
| 平均提前量 | 三項指標皆多出超過 24 小時 | 對照基準，公告未逐項指名 |
| 三日預報品質 | 相當於先前模型的兩日預報 | 兩日 |
| 系集規模 | 每個颱風產生 1,000 種情境 | 公告未提供對照數字 |
| 最長預報時距 | 示範案例推至 15 天 | 公告未提供對照資訊 |
| 取得方式 | WeatherNext 2 與 Cyclones 已開源 | 公告未提供對照資訊 |
這張表最值得注意的一列是「取得方式」。準確度的躍進會隨時間被追上，開源不會倒退——它把一個原本只有國家級機構玩得起的能力，放到了任何人都能下載的位置。
多出來的「一天預警時間」到底值多少錢？
先看這件事的量體。DeepMind 引述的數字：過去 50 年，熱帶氣旋在全球造成超過 70 萬人死亡與 1.4 兆美元經濟損失。一天的預警時間，換算的是撤離、加固、改單、改航的可用視窗。
對企業而言，這一天的價值因公司而異，取決於你的決策前置時間有多長。判斷方法很簡單：從「決定要應變」到「應變真的完成」需要幾小時？
以下這張表不是官方統計，也不在 DeepMind 公告裡。 時間區間是作者依產業經驗抓的粗略估計，只用來說明「前置時間越長、多一天預警越值錢」這個邏輯，不能拿去當查證過的數據引用。請用你自己公司的實際流程重算一次。
| 決策類型 | 典型前置時間（作者粗估） | 多一天預警的價值 |
|---|---|---|
| 貨櫃改港、船期調整 | 24–72 小時 | 高，原本常常來不及改 |
| 農漁採收、養殖收成 | 12–48 小時 | 高，直接對應可搶收的批量 |
| 展會活動取消或延期 | 48 小時以上 | 高，退票與場租條款多有時限 |
| 工地停工、塔吊與鷹架拆除加固 | 24–48 小時 | 高，拆除本身耗時且需調人力機具 |
| 露天堆置貨品搶運入庫 | 8–24 小時 | 中高，看倉容與車輛調度 |
| 門市加固、停業公告 | 4–12 小時 | 中，原本的預警已大致夠用 |
前置時間越長的決策，越吃預警的提前量。如果你的應變四小時內做得完，準確度提升對你的邊際效益有限；如果你要調整跨國船期、拆一座塔吊或決定一場千人展會辦不辦，多出來的 24 小時就是實打實的錢。
這對台灣中小企業意味著什麼？
台灣每年直面颱風，這件事對我們的實際影響比對歐美更直接。但影響方式跟多數人的直覺不同——真正會改變的是你的風險決策結構：從單一來源，變成官方加模型的雙來源。
我的判斷，具體到可執行：
第一，把「交叉驗證」寫進 SOP，不要只在心裡想。 中央氣象署的警報仍然是決策主軸，這一點不會變，也不該變。但當第二來源顯示的路徑機率分布與官方明顯分歧時，這是一個明確訊號：不確定性偏高，你的緩衝時間應該往上加。平常的節奏在這種時候不適用。分歧本身就是資訊。
第二，物流、營造與農漁業先動，服務業不急。 前一節的表已經給了排序。做貨運承攬、冷鏈、工地、養殖、露天採收的，這一天有明確的貨幣價值，值得現在就開始建立資料流程。開餐廳、開門市的，先把力氣花在別的地方。
第三，現在最該做的不是接模型，是建紀錄。 絕大多數台灣中小企業目前的颱風應變，靠的是老闆的經驗值，沒有留下可分析的紀錄。從這個颱風季開始，每次颱風存三樣東西：當時的官方預報快照、你做決策的時間點、實際發生的損失與損失原因。兩三個颱風季之後，你會第一次擁有自己的風險基準線——這件事不需要任何 AI 就能開始做，而且沒有它，你之後接再好的模型也不知道有沒有變好。
第四，保險與合約談判會慢慢改變。 當延誤索賠、不可抗力主張的舉證，從「官方發了警報」變成「官方警報加上可重跑的機率模型加上我方決策時間戳」，籌碼結構會移動。這不會在今年發生，但累積紀錄的人會先站上位置。
要講清楚的界線： 我不會建議任何台灣企業拿 AI 模型的輸出取代官方警報做人身安全決策。疏散、停工、停班停課，照官方走。AI 模型的位置在營運與商業決策這一層——什麼時候改單、什麼時候搶收、什麼時候通知客戶延期。
模型開源了，中小企業自己跑得動嗎？
幾乎都跑不動，也不需要跑。開源的意義在於供給端會變多。每家公司自己架一套，既沒必要也划不來。
自己運行 WeatherNext 需要三樣東西同時到位：全球大氣初始場資料（每天持續取得、格式正確）、足夠的運算資源（跑 1,000 成員系集不是一台工作站的量級）、以及看得懂系集輸出的人（機率場不是一條路徑線，誤讀比不用更危險）。三樣缺一樣，你拿到的就是一堆無法行動的數字。
真正會發生的事是：氣象加值業者、保險科技公司、物流系統商會把開源模型包成 API 或訂閱服務。台灣中小企業合理的位置是當這波服務的第一批客戶；自建這件事，留給有氣象團隊的機構。現在該做的準備是把自家的決策紀錄整理好，等服務出來時，你能立刻拿它跟自己的歷史損失對照，判斷值不值得付這筆錢。
現在該做什麼、不該做什麼？
該做
- 建立颱風決策紀錄表，本季就開始，欄位只要四個：預報快照、決策時間、實際結果、損失金額。
- 算出你自己的決策前置時間，知道多一天預警對你到底值不值錢。
- 在應變 SOP 加一行：當多來源預報分歧擴大時，緩衝時間往上調。
- 追蹤 WeatherNext 在西北太平洋的驗證結果——目前尚未有公開的台灣區域評估。
不該做
- 不要用任何 AI 模型輸出取代官方警報做人身安全決策。
- 不要現在就投資自建氣象推論環境。
- 不要因為一次命中就信任一個模型，也不要因為一次失準就否定它。
結論：這是預報產業的分水嶺，但你的動作要慢一拍
WeatherNext 這次的成果是真的，而且分量夠重——單一模型同時做好路徑與強度、平均多一天提前量、還把模型開源出來。從技術史的角度看，2026 年 8 月 6 日會是氣象預報從「解方程式」轉向「解方程式加上學資料」的一個標記點。
但對台灣中小企業，我的建議明確：技術跑得快，你的動作要慢一拍，慢在對的地方。 現在花錢接模型是浪費。現在開始存決策紀錄，累積兩三個颱風季就會發揮作用。當包裝好的服務在一兩年內出現時，有紀錄的人能在一週內算出投報率，沒紀錄的人只能憑感覺買。
這整篇的核心其實只有一句：你手上有沒有自己的決策資料。有紀錄，你跟保險公司談延誤理賠、跟客戶談不可抗力、跟供應商談交期彈性，講的都是數字；沒紀錄，講的是感覺，感覺在談判桌上換不到條件。我們平常在幫創業者看的就是這一層——你的每個判斷底下，有沒有資料撐著。想拿同一組問題檢查自己的營運，可以從 AIRUN 的對抗式創業體檢開始。
常見問題
WeatherNext 可以取代中央氣象署的颱風預報嗎？
不行，也不該這樣用。中央氣象署是台灣颱風警報的官方發布單位，WeatherNext 是一個研究模型，沒有台灣在地的警戒標準、雨量分級與疏散連動。合理用法是把它當第二意見：官方路徑是決策主軸，AI 模型輸出拿來看「有沒有明顯不一樣的可能性」。兩邊分歧變大時，把你的緩衝時間拉長。
DeepMind 說多爭取一天預警，這個「一天」是怎麼算出來的？
依 DeepMind 2026 年 8 月 6 日的公告，他們用 2023 到 2024 年的歷史颱風做評估，比較路徑、強度與風場結構三項指標，結論是 WeatherNext Cyclones 的三日預報品質，相當於先前模型的兩日預報品質，平均取得超過 24 小時的提前量。這是回溯測試得出的平均值，套到任何單一颱風上都不構成保證。
WeatherNext 開源了，我的公司自己架得起來嗎？
DeepMind 已開源 WeatherNext 2 與 WeatherNext Cyclones 兩個模型。但能下載不等於能營運：你要有全球大氣初始場資料、足夠的運算資源、以及看得懂系集輸出的人。對絕大多數中小企業，自建一套推論環境划不來，理性做法是等雲端服務或氣象加值業者包裝好再用。
什麼是「系集預報」？1,000 種情境是什麼意思？
系集預報就是同一個時間點跑很多次預測，每次把初始條件或模型隨機性稍微擾動，得到一整叢可能的未來。DeepMind 表示今年對每個颱風產生 1,000 種可能情境，用來畫出各地出現熱帶風暴至颶風等級強風的機率圖。對企業的意義是：你拿到的是一整片機率分布，可以照自己的風險胃納選門檻，不會被單一條路徑線綁死。
這件事對保險與供應鏈合約有什麼實際影響？
最直接的是舉證能力。當你的預警依據從單一官方公告，變成官方加上可重跑的機率模型，延誤索賠、不可抗力主張、活動取消判斷都多了一份時間戳明確的紀錄。實務上先做一件事就好：把每次颱風的預報快照、內部決策時間與實際損失存成同一份檔案，累積兩三個颱風季，談判籌碼就出來了。
AI 氣象模型會不會在極端個案上大失準？
會，而且這正是它最需要被監督的地方。這類模型從歷史資料學習，遇到罕見型態時外推風險最高。DeepMind 公告寫的是這項研究與美國國家颶風中心、CIRA、英國氣象局等單位的專家預報員協作完成，並提到模型協助 NHC 做出預報；公告沒有描述完整的作業流程。從這個協作模式可以推論（此為推論，非公告明述）：對外警報仍由氣象機構的人類預報員拍板，模型不直接對民眾說話。企業端照抄這個原則：模型給訊號，人做決定。
AIRUN 對抗式創業體檢 AgentFlow Solutions（双云行銷試運行）