何が変わったのか
Google DeepMindが公開した「WeatherNext 3」は、同社のAI気象モデルの更新版です。最大の変化は解像度で、前世代のWeatherNext 2が25km四方の格子だったのに対し、WeatherNext 3は5km四方の格子で1時間ごとの予測を出します。気温・湿度・風速といった主要変数の予測がより細かくなり、降水（雨と雪）については最大50%精度が向上したとされています。しかもDeepMindは、改善幅が最も大きいのは「これまで予測が当たりにくかった地域」だと説明しています。
精度向上の正体は「モデル」ではなく「入力データ」
注目すべきは、この改善がモデル構造ではなく学習・入力データの刷新に帰されている点です。従来のAI気象モデルの多くは、数値予報（NWP）モデルの出力を主な素材にしてきました。ここには約6時間の遅延が含まれます。WeatherNext 3はこれに依存せず、ライブの衛星データを取り込む設計に変えました。DeepMindはこれを「継続的に更新され続ける大気の豊かな視界」と表現しています。
さらに、地上の気象観測点という「まばらな（sparse）データ」も併せて取り込みます。湿度のように1kmで劇的に変わる変数を扱うには、粗い格子の平均値では足りないためです。降水についてはNASAの観測データとGoogle自身の衛星解析を組み合わせています。つまり今回の勝負どころは、アルゴリズムの巧妙さではなく「どのデータをどれだけ遅延なく食わせるか」に移っています。ここは示唆的で、AI活用一般に通じる論点です。
明確に「再エネ」を狙った設計
DeepMindは本モデルが再生可能エネルギー事業者に特に有用だと述べており、機能設計もそこに寄っています。高度100mの風速予測は、風力タービンのハブ高さにほぼ一致します。地上10mの風速から推計するのではなく、発電量に直接効く高さの風を出すということです。太陽光向けには高解像度の雲量と日射量を提供します。発電量予測の誤差は、そのまま電力市場でのインバランス（計画値と実績のズレ）リスクとして跳ね返る領域です。
出口はコンシューマとAPIの両方
WeatherNext 3は、Google検索・Geminiアプリ・Googleマップの天気表示を裏側で動かします。同時にGoogle Maps Weather API、Google Earth Engineからも利用でき、Google Weather Labで試すこともできます。初代WeatherNextは2026年8月時点でオープンソース化されており、自前で組み込みたい開発者向けの入口も残されています。B2CとB2Bの両輪で気象データの入口を押さえにいく構図です。
💼 事業会社視点：これは自社にどう効くか
最も直接的な影響を受けるのは、再エネ発電事業者と電力小売です。100m高度の風速と高解像度の日射量が1時間刻み・5kmメッシュで手に入るなら、発電量予測の内製ロジックやベンダー選定を見直す価値があります。特にインバランス精算の負担を抱える事業者は、既存予測との突き合わせ検証を「今期中の実験テーマ」として数十万円規模で回せるはずです。
次に効くのが物流・小売・ECです。25kmメッシュでは同一県内の需要差を捉えられませんでしたが、5kmメッシュなら店舗・配送センター単位の粒度に近づきます。日配品の発注、配車計画、キャンペーン出稿のタイミングまで気象変数を入れる余地が出てきます。
受託開発・SaaS事業者にとっては、Google Maps Weather APIとEarth Engineという流通経路が開いたことが重要です。自社で気象モデルを持つ必要はなく、業種別の意思決定ロジック（何度下がったら何を発注するか）に価値が移ります。逆に「気象データを持っていること」自体を売りにしてきたプレイヤーは、差別化点の再定義を迫られます。役員としてはまず、自社の需要予測がどの解像度の気象データに依存しているかを一度棚卸しさせるのが現実的な第一手です。