Google DeepMind представила WeatherNext 3: ИИ-модель для прогноза погоды стала точнее, локальнее и вошла в Search, Gemini и Maps

Google DeepMind выпустила WeatherNext 3 — новую флагманскую AI-модель для глобального прогноза погоды. Это не косметическое обновление: модель теперь использует спутниковые данные в реальном времени, обновляет прогноз каждый час, работает с разрешением до 5 км и уже начинает встраиваться в Google Search, Gemini, Google Maps, Google Maps Platform и Cloud.

Что произошло

По данным Google DeepMind и Google Research, WeatherNext 3 стала самой точной глобальной погодной AI-моделью компании на данный момент. Главное отличие от предыдущего поколения в том, что модель больше опирается не только на исторические и расчётные данные, но и на живые наблюдения со спутников.

Ключевые изменения:

• прогноз обновляется каждый час, а не с более редким шагом;
• часть поверхностных параметров строится с детализацией до 5 километров;
• модель лучше учитывает локальные особенности местности — побережья, долины, горные районы;
• добавлен более сильный прогноз осадков, где у погодных моделей традиционно много проблем;
• появились специальные переменные для ветровой и солнечной энергетики — например, скорость ветра на высоте турбин и параметры облачности/солнечной радиации.

Google также заявляет о заметном приросте качества именно в прогнозе осадков. В материале компании приводятся результаты оценок, где качество среднесрочного прогноза дождя улучшается до 60% по CRPS против IMERG, а также показывает преимущество на других эталонных наборах.

Отдельно важно, что это не лабораторный демо-проект. Google сразу выводит WeatherNext 3 в рабочую экосистему: данные уже можно использовать через BigQuery, Earth Engine и выгрузки из Google Cloud Storage, а пользовательские погодные сценарии начинают получать апгрейд в Search, Gemini и Maps.

Почему это важно

Самое интересное в этом релизе — не просто слово “точнее”. WeatherNext 3 показывает, как ИИ уходит из формата “умного помощника” в инфраструктурный слой, который влияет на повседневные решения и на большие отрасли сразу.

Во-первых, погода — это один из самых массовых и прикладных рынков для ИИ. Более точный локальный прогноз полезен не только человеку, который решает, брать ли зонт. Он важен для:

• логистики и транспорта;
• авиации;
• сельского хозяйства;
• городских служб;
• страхования;
• операторов энергосетей и renewable-проектов.

Во-вторых, Google делает ставку на оперативность. Для быстро меняющихся явлений вроде ливней, фронтов и штормовых систем именно частота обновления и близость к реальным наблюдениям часто важнее красивых общих графиков. Почасовой цикл и работа со спутниковыми данными здесь выглядят как очень практичный шаг.

В-третьих, релиз важен для регионов, где качественный локальный прогноз historically был слабее из-за высокой стоимости традиционных вычислительных моделей. Google прямо подчёркивает, что новая система может улучшить ситуацию для частей Латинской Америки, Африки и Азиатско-Тихоокеанского региона.

Наконец, это ещё один сильный сигнал, что крупные AI-компании всё активнее борются не только за чат-интерфейс, но и за реальные отраслевые workflow. Если модель влияет на планирование энергии, транспорта и погодных рисков, это уже не “контентный ИИ”, а продукт, встроенный в базовую экономику.

Что дальше

Скорее всего, следующий этап — не просто расширение охвата, а рост числа прикладных сервисов вокруг WeatherNext 3. Тут есть сразу несколько направлений.

1. Больше интеграций внутри Google. Если модель уже идёт в Search, Gemini и Maps, логично ждать, что погодные сценарии станут глубже связаны с маршрутами, путешествиями, outdoor-активностями и бизнес-инструментами.

2. Рост B2B-использования. Доступ через BigQuery, Earth Engine и Cloud Storage делает WeatherNext 3 удобной не только для пользователей, но и для компаний, которые строят свои продукты на погодных данных.

3. Усиление конкуренции AI-моделей в науке и инфраструктуре. Большие игроки давно соревнуются в чатах и генерации медиа, но именно научные и отраслевые модели вроде WeatherNext могут стать следующей большой зоной конкуренции.

4. Проверка в реальном мире. Самый честный тест для любой погодной модели — не пресс-релиз, а стабильная работа на длинной дистанции: в экстремальных осадках, локальных аномалиях и сложных регионах. Если заявленное качество подтвердится на практике, это будет один из самых полезных AI-релизов года вне классического LLM-рынка.

Итог простой: WeatherNext 3 — это хороший пример ИИ, который не просто “умеет говорить”, а помогает точнее видеть физический мир. И именно такие системы обычно оказываются важнее для реальной экономики, чем очередной декоративный апдейт чат-бота.