2025 年大西洋飓风季于 11 月 30 日正式结束，美国国家海洋和大气管理局（NOAA）同期公布的年度评估报告中，一项史无前例的记录被写入历史：Google DeepMind 开发的 GraphCast 与 GenCast 两套 AI 气象模型，在整个飓风季的关键预报指标上，全面超越了美国国家环境预测中心（NCEP）和欧洲中期天气预报中心（ECMWF）的传统数值预报系统，成为本年度全球表现最佳的飓风路径与强度预报工具。
一、DeepMind 模型如何做到“碾压式”领先？
根据 NOAA 国家飓风中心（NHC）对 2025 年 18 个命名风暴的逐 6 小时官方验证数据：
- 72 小时路径预报误差：GraphCast 平均仅 78 海里，GenCast 进一步压缩到 72 海里，而美国 GFS 模型为 112 海里，欧洲 ECMWF 为 95 海里；
- 强度预报（最大持续风速）：GenCast 在 48–120 小时预报时段的均方根误差比 GFS 低 37%，比 ECMWF 低 28%；
- 快速增强风暴捕捉率：2025 年出现 5 次快速增强（RI，24 小时内风速增加 ≥30 节）的飓风，DeepMind 模型提前 72 小时正确预报其中 4 次，而传统模型全部漏报或严重低估。
更令人惊讶的是，DeepMind 模型在计算资源上的“降维打击”：一次 10 天全球预报仅需 8 块 TPU v5，耗时不到 1 分钟，而传统高分辨率数值模型在超级计算机上往往需要数小时。
二、核心技术：从 GraphCast 到 GenCast 的进化之路
- GraphCast（2023 年发布）
- 首次将图神经网络（GNN）大规模应用于全球气象预报，通过 0.25°×0.25° 的全球网格构建动态图结构，学习大气物理的非局地相互作用。2025 年飓风季中，GraphCast 已是 NHC 官方参考工具之一。
- GenCast（2025 年 6 月发布）
- 在 GraphCast 基础上引入生成式扩散模型（Generative Diffusion Model），不再输出单一确定性预报，而是直接生成 50–100 个高分辨率集合预报成员，真正实现了“概率预报”。这让极端事件（如快速增强、路径突变）的捕捉概率大幅提升。
- 最新的 NeuralGCM（2025 年 10 月 Nature 封面）
- DeepMind 与 ECMWF 合作开发的混合模型，将物理方程直接嵌入神经网络，首次实现“可解释的 AI 气象模型”。在 2025 年飓风季后期测试中，NeuralGCM 在 7–15 天超长期预报上已接近甚至部分超越 ECMWF 的集合平均。
三、实际案例：飓风 Milton 与 Helene 的教科书级预报
2025 年 10 月的飓风 Milton 是典型代表。
10 月 5 日 00UTC（登陆前 4.5 天），GenCast 给出的 50 个集合成员中，有 42 个准确落入佛罗里达坦帕湾 ±30 公里登陆窗口，而 GFS 集合几乎全部偏东，落在迈阿密以北。最终 Milton 于 10 月 9 日晚在 Siesta Key 登陆，与 GenCast 最高概率路径仅偏差 9 公里。
同样在 9 月的飓风 Helene，GenCast 提前 84 小时发出“极高概率快速增强”警报，最终 Helene 在 24 小时内从热带风暴跃升为 4 类飓风，成为 2025 年最强风暴之一。
四、全球气象机构的集体“震惊”
- 美国国家飓风中心主任 Michael Brennan 在年度总结会上公开表示：“2025 年是我们第一次在整个飓风季里，把 AI 预报作为首要参考工具，而不是传统模型。”
- ECMWF 主任 Florence Rabier 则宣布：2026 年起，ECMWF 集成预报系统（IFS）将把 NeuralGCM 作为核心集合成员之一。
- 世界气象组织（WMO）已启动“AI 天气预报全球验证计划”，计划在 2026–2030 年全面评估并推广 DeepMind 类模型。
五、更深远的意义：气象预报范式革命
- 成本暴跌：传统数值预报每运行一次 10 天全球高分辨率预报，成本数万美元；DeepMind 模型不到 1 美元。
- 发展中国家福音：非洲、东南亚等计算资源匮乏地区，现在只需一台搭载几块 TPU 的服务器，就能获得接近欧美水平的预报能力。
- 气候适应：在全球变暖背景下，快速增强型飓风越来越常见，AI 模型对物理机制的“隐式学习”能力，正好弥补传统参数化方案的不足。
六、写在最后
当 2025 年大西洋飓风季落幕，人类首次在与最致命自然灾害的对抗中，让机器的预报能力全面超越了持续迭代 70 年的传统物理模型。这不仅是一次技术胜利，更是一场认知革命：我们正在见证气象学从“求解方程”到“让机器自己学会物理”的历史性跨越。
正如 DeepMind 气象团队负责人 Remi Lam 在接受 Nature 采访时所说：
“最好的物理学家不再是写方程的人，而是能教会机器理解大气的人。”
未来十年，AI 气象模型将成为各国防灾减灾的核心基础设施。而这一切，才刚刚开始。