Корпорация Google представила третью итерацию своей модели прогнозирования погоды на базе искусственного интеллекта — WeatherNext 3. В отличие от предшественников, этот продукт заточен под специфические запросы энергетического сектора, где точность метеоданных напрямую конвертируется в финансовые результаты.
Новые переменные и технический прорыв
Ключевое отличие WeatherNext 3 — расширенный набор учитываемых параметров. Модель теперь анализирует скорость ветра на высоте 100 метров, уровень облачности и интенсивность солнечного излучения у поверхности. Эти данные критически важны для оценки выработки возобновляемых источников энергии (ВИЭ) и прогнозирования нагрузки на электросети.
Технические характеристики впечатляют: глобальный прогноз обновляется ежечасно, а пространственное разрешение улучшено до 5 км для приземных переменных (температура, влажность) и 11 км для осадков. Для сравнения, предыдущая версия WeatherNext 2 работала с сеткой в 25 км и обновляла данные лишь раз в шесть часов.
Обучение на реальных данных
Архитектура новой модели принципиально иная. Вместо опоры исключительно на симуляции, WeatherNext 3 обучается непосредственно на данных метеостанций и актуальных спутниковых снимках. Такой подход позволил сократить информационную задержку с 7 до 3–4 часов, что подтверждает старший исследователь Google DeepMind. Это означает, что трейдеры и операторы сетей получают более свежую картину для принятия решений.
Особенно заметен прогресс в точности прогнозирования осадков:
- до 60% улучшение относительно эталонного набора NASA IMERG;
- до 30% — по сравнению с американской системой MRMS;
- до 10% — при сверке с данными дождемеров на ранних горизонтах прогноза.
Интеграция и рыночный контекст
WeatherNext 3 уже встроена в экосистему Google: Search, Gemini, Google Maps и Weather API. Корпоративные клиенты получили доступ через BigQuery, Earth Engine и Google Cloud Storage, что снимает барьер для внедрения без необходимости собственного развертывания инфраструктуры. Стоимость подписки для бизнеса пока не раскрыта.
Интерес к таким решениям подогревается структурными изменениями в энергетике. Согласно отраслевым оценкам, в 2026 году в США солнечная генерация и накопители станут основными источниками новых мощностей — 51,2 ГВт и 25,7 ГВт соответственно из более чем 90 ГВт запланированных. Цена ошибки в прогнозах огромна: недооценка ветровой генерации вынуждает экстренно закупать энергию у газовых станций, а переоценка приводит к принудительным ограничениям выработки.
На этом поле Google конкурирует с Vaisala, Solcast, DNV (WindGEMINI), IBM HyperWatch и швейцарской Jua. Однако для самой корпорации WeatherNext 3 — это еще и инструмент внутренней оптимизации: Google активно скупает «чистую» энергию для своих дата-центров, и точные прогнозы напрямую снижают ее операционные издержки.
Мой анализ: Выпуск WeatherNext 3 — это стратегический ход, направленный на монетизацию ИИ-инфраструктуры в нише, где спрос на точность растет экспоненциально. Однако ставка на чисто эмпирическое обучение несет риски при экстремальных климатических аномалиях, где исторические данные теряют релевантность. Гибридный подход, сочетающий физические законы атмосферы с машинным обучением, вероятно, станет следующим этапом эволюции таких систем.