要点概览
Google DeepMind 发布 WeatherNext 3，为能源基础设施运营方提供 AI 气象预测
模型按小时更新，可预报最高 100 米高度的风速
同时预测太阳辐射水平，用于估算光伏发电量
核心用户是承担电网平衡职责的调度机构与运营商
DeepMind 将该工具定位为加速清洁能源转型的关键基础设施
Google DeepMind 推出全新气象预测模型 WeatherNext 3，主要面向风电场、光伏发电企业以及电网运营和调度机构。
公司表示，该模型按小时滚动更新，专注预测影响可再生能源发电出力的关键气象要素。
DeepMind 在 9 月 14 日通过一则 帖子 介绍了这款工具，并在其博客 发布了更详细的技术说明。
WeatherNext 3 主要测什么
WeatherNext 3 提供两条核心预测数据流：
第一条聚焦风能：覆盖最高 100 米高度的风速与风向。这一高度基本对应当前主流陆上风电场风机叶轮的工作区间。
第二条则面向光伏：预测云量与到达地表的太阳辐射强度。电网调度方和电力交易员可据此估算未来数小时内光伏组件的发电输出。
两条数据流均以小时为节奏刷新。DeepMind 指出，这一频率至关重要——在电力现货与中短期市场中，影响出力的天气变化往往就发生在单一交易时段内部。
公司将 WeatherNext 3 定位为能源转型的“底层设施”：通过提前感知天气变化，电力系统可以更好地把清洁电源出力与终端用电需求匹配，同时在可再生能源波动较大的情况下，辅助维持电网稳定。
延伸阅读：Bitget Says Non-Crypto Trades Hit 40% As It Pushes Past Digital Assets
电网平衡为何需要更好的预测
传统电力系统长期依赖“可调度电源”——即可以按需启停或调节出力的机组，如燃煤、燃气与核电站。
风电和光伏不具备这一特性，其出力高度依赖不可控的自然条件。随着新能源占比不断上升，电网调度模式也必须从“事后调节”转向“事前预判”。
预测误差在大电网中会被放大：
- 风电场若高估出力，可能导致负荷高峰时段电力供应不足；
- 低估出力则会造成可再生能源被迫弃电，并推高备用电源的使用与成本。
具备小时分辨率的 AI 预测模型可以直接填补这一缺口。在未来 1 至 12 小时这一关键窗口提升预测精度，能够为调度机构争取时间，以较低成本安排储能调度、需求响应或备用机组启停。
DeepMind 已在气象建模领域深耕多年，此前发布的 GraphCast 全球气象模型，在多个指标上超过了欧洲中期天气预报中心（ECMWF）的基准表现。
WeatherNext 3 则是在这一研究基础上，面向能源行业的专用化落地。
面向加密市场的 AI 基础设施视角
这类大规模 AI 模型部署，与加密市场中正在兴起的“去中心化算力”叙事高度交叉。包括 Bittensor（TAO）和 Render（RNDR）在内的网络，都试图围绕分布式 AI 基础设施的需求构建价值主张。
像 WeatherNext 3 这样由头部 AI 实验室推出、直接面向实务场景的气象产品，展示了现实世界中 AI 推理与训练所需的巨大算力需求。当前 DeepMind 仍在其自有基础设施上运行该模型，开放式或分布式替代方案能否在性能上追平，仍是该赛道的核心悬念。
Elon Musk 早些时候在周一的一则评论中指出，AI 数据中心正在推动终端用户的电价下降。这一观点与 DeepMind 的表述形成呼应：更精准的 AI 预测能够降低管理可再生能源出力波动的系统成本。
延伸阅读：Grok 5 Emerges As Musk’s AGI Target While AI Safety Warnings Intensify
接下来会发生什么
DeepMind 尚未披露目前有哪些电网运营商或能源企业已在实际生产中接入 WeatherNext 3。此类商业合作通常涉及公用事业公司、独立发电商以及能源交易团队。
对于支持日前电力市场报价而言，模型在六小时以上预测范围内的精度将是关键决定因素。日前市场是电力合约成交量最大的场所，也是预测偏差代价最高的环节。
来自 Tomorrow.io 等初创企业的 AI 气象模型，以及各国气象机构现有服务，同样将这一细分市场视为重要战场。DeepMind 的入局无疑抬高了整个行业在预测准确性上的“及格线”。
下篇阅读：Revolut Hackers Start Publishing Client Files, Demand 10,000 Bitcoin
