AI預測颱風？|準到嚇死人！
Google DeepMind 上週無預警開源了 WeatherNext 2 與 WeatherNext Cyclones 兩款天氣預測模型的程式碼及權重。這不是普通的學術發布——這是氣象預測產業的「ChatGPT時刻」。
消息一出，Hacker News 上立刻衝上 397 分、121 則留言，全球氣象學界和防災產業一片沸騰。為什麼？因為 DeepMind 宣稱這套 AI 模型在相同準確度下，比傳統數值天氣預報模型多出超過 24 小時的熱帶氣旋預警時間。
對香港和台灣讀者來說，這不是遙遠的矽谷新聞——這是直接影響我們每年颱風季生死存亡的技術突破。
24小時的差距｜颱風預測的生死線
先講結論：24小時的預警時間，可能就是疏散一個社區和來不及疏散的差別。
傳統天氣預報依賴「數值天氣預報」（NWP），本質上是超級電腦用物理方程式模擬大氣層的演變。這個方法有效，但極度耗費運算資源——全球頂尖氣象中心如 ECMWF（歐洲中期天氣預報中心）動輒使用數萬核心的超級電腦，跑一次全球預測需要數小時。
DeepMind 的 WeatherNext 走的是完全不同路線。它用過去 40 年的氣象再分析資料訓練深度學習模型，讓 AI 直接「學習」大氣運動的規律，而不是從零開始計算物理方程式。
結果呢？根據 DeepMind 發布的論文數據：
- WeatherNext 2：全球天氣預測準確度與 ECMWF 最先進的 ENS 系集預報系統相當，但運算速度快了 4 到 5 個數量級
- WeatherNext Cyclones：專門針對熱帶氣旋設計，在同樣準確度下，預警時間比傳統模型多出 24 小時以上
白話文翻譯：傳統模型要跑 6 小時才能算出的結果，AI 只要幾分鐘。而且對於颱風路徑和強度的預測，AI 在「同樣可靠」的前提下，可以更早告訴你颱風會去哪裡。
香港天文台與台灣氣象署｜會用嗎？
這是香港和台灣讀者最關心的問題：我們的氣象單位會採用這套開源模型嗎？
先說香港。香港天文台近年已在內部測試機器學習天氣預測技術，2025 年起更與本地大學合作研究 AI 颱風預測。WeatherNext Cyclones 開源後，天文台理論上可以直接下載模型權重，用香港區域的歷史氣象資料進行微調（fine-tune），打造專屬於華南地區的颱風預測系統。
台灣氣象署同樣有採用 AI 輔助預報的計畫。2025 年颱風季，氣象署已開始參考多個 AI 模型的預測結果作為「AI 系集」的一員。WeatherNext Cyclones 開源後，台灣氣象署可以無償取得一個世界級的天氣預測模型，不需要再花費巨資採購商業氣象 AI 服務。
但這裡有個關鍵問題：開源模型不是裝了就能用。
WeatherNext 的訓練資料以全球尺度為主，對於香港和台灣這種地形複雜、海陸交界明顯的地區，需要大量的本地化微調。這需要三個條件：高品質的本地氣象觀測資料、具備深度學習能力的技術團隊、以及足夠的 GPU 運算資源。
香港天文台和台灣氣象署都有氣象超級電腦，GPU 資源不是問題。真正的瓶頸在於人才——懂得氣象科學又懂深度學習的跨領域專家，在全世界都是稀缺資源。
企業防災｜AI預測的商業價值
氣象預測不只是政府的事。對於物流、能源、保險、零售等產業，精準的天氣預測直接影響營收和成本。
舉例來說，香港的貨櫃碼頭在颱風來襲前需要決定是否停止吊櫃作業。提前 24 小時的準確預測，可能讓碼頭多運作一個班次——以香港國際貨櫃碼頭每天處理約 1.5 萬個標準箱計算，多運作 12 小時就價值數百萬港幣。
台灣的台積電等半導體廠對天氣同樣敏感。颱風期間的停電、淹水風險，以及物流延誤，都可能造成數億台幣的損失。更精準的颱風路徑預測，能讓晶圓廠更精確地決定何時啟動備用電力系統、何時暫停部分產線。
保險業更是直接受益者。天氣預測越準，保險公司的風險定價就越精準。一家台灣產險公司內部人士透露，他們正在評估將 WeatherNext 開源模型整合進颱風風險評估系統，用 AI 預測的颱風路徑和強度，取代傳統的歷史統計模型。
開源的意義｜氣象預測民主化
WeatherNext 開源的最大意義，在於打破了氣象預測的「貴族俱樂部」。
過去，擁有頂尖天氣預測能力的只有少數國家級氣象中心——ECMWF、美國 NOAA、日本氣象廳。這些機構投入數十億美元建置超級電腦，開發專有的預測系統。其他國家和企業只能購買它們的預測結果，沒有能力自行開發同等級別的模型。
DeepMind 開源 WeatherNext 後，任何有 GPU 伺服器和資料科學團隊的組織，都能取得世界級的天氣預測能力。
這對開發中國家尤其重要。許多東南亞、非洲國家根本沒有氣象超級電腦，颱風、洪水來襲時只能依賴國際組織的預警。開源 AI 模型讓這些國家能以極低成本建立自己的預警系統，可能每年挽救數千條人命。
但開源也有風險。氣象預測涉及公共安全，錯誤的預測可能導致錯誤的疏散決策。DeepMind 在論文中也強調，WeatherNext 目前定位為「輔助工具」，而非取代傳統模型的獨立系統。最好的做法是將 AI 預測與傳統數值預報並行運作，互相校驗。
延伸閱讀
香港台灣的下一步｜機會與挑戰
對香港和台灣而言，WeatherNext 開源既是機會也是挑戰。
機會在於：我們終於有機會用世界最先進的 AI 天氣模型，打造在地化的預警系統。香港天文台和台灣氣象署都應該立即組織團隊，評估 WeatherNext 在本地的表現，並開始收集微調所需的訓練資料。
挑戰在於：我們的氣象單位是否準備好擁抱 AI 轉型。傳統氣象學家對 AI 模型的「黑箱」特性仍有疑慮——AI 說颱風會登陸，但無法解釋為什麼。在公共安全領域，「可解釋性」和「信任」是無法迴避的問題。
我的建議是：不要等，先試。下載模型、跑跑看、和現行預報系統比較。用數據說話，讓 AI 證明自己的價值。就像 DeepMind 用 24 小時的預警時間優勢證明了一樣——最好的質疑，是用結果來回應。
颱風季節即將來臨。今年，香港和台灣的氣象預報螢幕上，會不會出現 AI 模型的預測結果？讓我們拭目以待。