何が変わったのか

WeatherNext 3は、パラメータ数を前世代WeatherNext 2の2.4倍に増やしたモデルです。従来のAI気象モデルが抱えていた3つの弱点――予測の空間単位が15〜25平方kmと粗すぎる、降雨の再現が苦手、政府機関が整形したデータセットに依存する――に、まとめて手を入れた点が特徴です。主要変数で5km解像度、降雨評価は60%改善、そして毎時更新。毎時化を支えているのは、リアルタイムで収集される気象衛星データの取り込みです。

Googleによれば、このモデルはGoogle検索、Google Maps、Geminiに表示される天気情報へ供給され始め、クラウド上で研究者や利用者にも提供されます。同社シニアスタッフエンジニアのSamier Merchant氏は「コア変数がGoogleの多くのプロダクトを動かす初めてのケースになる」と述べています。

なぜ精度で勝てるのか

世の中の天気予報の多くは、政府所有のスーパーコンピュータが大気物理を記述する方程式を解いて生成しています。正確ですが、高価で相対的に遅い。潮目が変わったのは2018年、ECMWFが半世紀を超える気象データを公開したことでした。以降、深層学習の研究者たちは政府ツールに匹敵する精度をはるかに速く出すモデルを訓練できるようになりました。

DeepMindのFerran Alet氏は「気象はカオス的で、わずかな差が巨大なズレに増幅される。機械学習は、不完全な情報と有限の計算資源から近似的でノイズの多い物理を扱うという、我々が本当に解きたい問題そのものを狙う」と説明します。実際、スタートアップBrightbandが構築した比較基盤Operational WeatherBenchでは、気温・風速・湿度などの指標において、WeatherNext 3が主要な競合の中で最も正確という結果になりました。Google自身の旧モデル、Microsoft、Nvidia、ECMWFの深層学習モデルに加え、米国立気象局とECMWFの従来型予報も上回っています。

「地点を当てにいく」設計思想

技術的に注目すべきは、デコーダヘッドの出力目標を実用性に寄せた設計です。多くの気象予測は3次元グリッド上で平均された数値を出しますが、WeatherNext 3は特定の気象観測点をターゲットに予測するよう訓練されています。Brightbandの大気科学者Daniel Rothenberg氏は「デンバー空港の観測所が毎時何を計測するかを予測する能力を加えることは、予測タスクを本来の目的に近づける」と評価します。AI活用は可能な限りエンドツーエンドに寄せる――その原則が気象領域にも及んだ形です。

「生データ初」を巡る論点

GoogleはWeatherNext 3を、高解像度のグローバル予測に生の観測値を直接取り込んだ「初」のAIモデルだとしています。ここには異論があり、気象AIスタートアップWindBorneは自社のWeatherMesh 6が2025年後半から気象気球群などの生観測を取り込んできたと主張。Googleはこれに対し、自社の予測は全球で解像度が高い点を挙げました。

もっとも、両モデルとも依然として各国の気象データセットに依存しており、真の意味でのデータ同化にはまだ距離があります。整形前の観測データを扱う難しさは残ったままです。欧米の気象機関はすでに予報プロダクトにAIモデルを組み込んでおり、競争は「誰がAIを使うか」から「どこまで生データに近づけるか」へ移りつつあります。

効くのは先進国だけではない

AIモデルの速さと安さは、高品質センサーやスパコンを持てない地域にこそ経済的な意味を持ちます。Bill Gates氏はAI気象予測を同技術の重要な便益として挙げ、途上国の収量改善につながると述べました。Alet氏も、風・雨・雲量の高解像度予測が再生可能エネルギー事業の安定性を高めると指摘しています。

💼 事業会社視点：これは自社にどう効くか

日本企業にとって、この発表の実務的な意味は「気象予測が調達可能なAPI部品になった」ことです。5km・毎時という粒度は、これまで気象専門ベンダーとの個別契約でしか得られなかった水準に近づきます。

直撃するのは3業種です。第一に電力・再エネ事業者。Alet氏が挙げた風・雨・雲量の高解像度予測は、そのままインバランス回避と発電計画の精度に効きます。JEPXでの調達戦略を握る事業責任者は、既存の予測ベンダー契約の更新時に、クラウド提供されるWeatherNext 3をベンチマークとして持ち込むべきです。第二にEC・小売・物流。毎時の降雨予測は配送遅延の事前告知、当日配送のキャパ調整、実店舗の来店予測に直結します。従来の6時間間隔では「午後は雨」までしか言えなかったものが、時間帯別の需要曲線に落とし込めます。第三に受託開発・SaaS。天気を入力に持つ業務システム（農業、建設工程、イベント、保険）は、Google Cloud経由で高精度予測を組み込む提案が一気に現実的になります。

一方で注意点もあります。Googleの「生観測の直接取り込みは初」という主張にはWindBorneからの異論があり、両者とも国の気象データセットに依存しているのが実態です。ベンダー選定では、宣伝文句ではなくOperational WeatherBenchのよ���な第三者比較で自社の対象地域・変数を見ることが必要です。まず動くべきは、自社KPIのうち天候感応度が高い指標を1つ特定し、過去データで予測精度と収益インパクトの相関を測る小さな検証です。

関連リンク