2025 年大西洋颶風季於 11 月 30 日正式結束，美國國家海洋暨大氣管理局（NOAA）喺同期公布嘅年度評估報告入面，寫低咗一項前所未有嘅紀錄：Google DeepMind 開發嘅 GraphCast 與 GenCast 兩套 AI 氣象模型，喺整個颶風季嘅關鍵預報指標上全面超越美國國家環境預測中心（NCEP）同歐洲中期天氣預報中心（ECMWF）嘅傳統數值預報系統，成為本年度全球表現最佳嘅颶風路徑與強度預報工具。
一、DeepMind 模型點樣做到「碾壓式」領先？
根據 NOAA 國家颶風中心（NHC）對 2025 年 18 個命名風暴逐 6 小時嘅官方驗證數據：
- 72 小時路徑預報誤差：GraphCast 平均僅 78 海里，GenCast 進一步壓縮到 72 海里，而美國 GFS 模型為 112 海里，歐洲 ECMWF 為 95 海里；
- 強度預報（最大持續風速）：GenCast 喺 48–120 小時預報時段嘅均方根誤差比 GFS 低 37%，比 ECMWF 低 28%；
- 快速增強風暴捕捉率：2025 年出現 5 次快速增強（RI，24 小時內風速增加 ≥30 節）嘅颶風，DeepMind 模型提前 72 小時正確預報其中 4 次，而傳統模型全部漏報或嚴重低估。
更令人驚訝嘅係，DeepMind 模型喺計算資源上做到「降維打擊」：一次 10 天全球預報只需 8 塊 TPU v5，耗時唔到 1 分鐘，而傳統高解析度數值模型喺超級電腦上通常需要數小時。
二、核心技術：由 GraphCast 到 GenCast 嘅進化之路
- GraphCast（2023 年發布）
- 首次將圖神經網絡（GNN）大規模應用於全球氣象預報，透過 0.25°×0.25° 嘅全球網格構建動態圖結構，學習大氣物理嘅非局地相互作用。2025 年颶風季期間，GraphCast 已成為 NHC 官方參考工具之一。
- GenCast（2025 年 6 月發布）
- 喺 GraphCast 基礎上引入生成式擴散模型（Generative Diffusion Model），唔再輸出單一確定性預報，而係直接生成 50–100 個高解析度集合預報成員，真正實現「概率預報」。呢個改進令極端事件（如快速增強、路徑突變）嘅捕捉概率大幅提升。
- 最新嘅 NeuralGCM（2025 年 10 月登上 Nature 封面）
- DeepMind 與 ECMWF 合作開發嘅混合模型，將物理方程直接嵌入神經網絡，首次實現「可解釋嘅 AI 氣象模型」。喺 2025 年颶風季後期測試中，NeuralGCM 喺 7–15 天超長期預報上已接近甚至部分超越 ECMWF 嘅集合平均。
三、實際案例：颶風 Milton 同 Helene 嘅教科書級預報
2025 年 10 月嘅颶風 Milton 就係典型代表。
10 月 5 日 00UTC（登陸前 4.5 天），GenCast 所提供嘅 50 個集合成員中，有 42 個準確落入佛羅里達坦帕灣 ±30 公里登陸窗口，而 GFS 集合幾乎全部偏東，落喺邁阿密以北。最終 Milton 於 10 月 9 日晚喺 Siesta Key 登陸，與 GenCast 最高概率路徑僅偏差 9 公里。
同樣喺 9 月嘅颶風 Helene，GenCast 提前 84 小時發出「極高概率快速增強」警報，最終 Helene 喺 24 小時內由熱帶風暴躍升為 4 類颶風，成為 2025 年最強風暴之一。
四、全球氣象機構嘅集體「震驚」
- 美國國家颶風中心主任 Michael Brennan 喺年度總結會上公開表示：「2025 年係我哋第一次喺整個颶風季裏，將 AI 預報作為首要參考工具，而唔係傳統模型。」
- ECMWF 主任 Florence Rabier 則宣布：由 2026 年起，ECMWF 集成預報系統（IFS）會將 NeuralGCM 作為核心集合成員之一。
- 世界氣象組織（WMO）已啟動「AI 天氣預報全球驗證計劃」，計劃喺 2026–2030 年全面評估並推廣 DeepMind 類模型。
五、更深遠嘅意義：氣象預報範式嘅革命
- 成本暴跌：傳統數值預報每運行一次 10 天全球高解析度預報，成本數萬美元；DeepMind 模型唔到 1 美元。
- 發展中國家嘅福音：非洲、東南亞等計算資源匱乏嘅地區，宜家只需一部配備幾塊 TPU 嘅伺服器，就能獲得接近歐美水平嘅預報能力。
- 氣候適應：喺全球暖化背景下，快速增強型颶風越嚟越常見，AI 模型對物理機制嘅「隱式學習」能力，正好彌補傳統參數化方案嘅不足。
六、寫喺最後
當 2025 年大西洋颶風季落幕，人類首次喺同最致命自然災害嘅對抗中，令機器嘅預報能力全面超越持續迭代 70 年嘅傳統物理模型。呢唔止係一次技術勝利，更係一場認知革命：我哋正見證氣象學由「求解方程」向「教機器自己學懂物理」嘅歷史性跨越。
正如 DeepMind 氣象團隊負責人 Remi Lam 喺接受 Nature 訪問時所講：「最好嘅物理學家唔再係寫方程嘅人，而係能夠教識機器理解大氣嘅人。」
未來十年，AI 氣象模型將成為各國防災減災嘅核心基礎設施。而呢一切，先啱啱開始。