WeatherNext 3 là gì? Google đưa AI dự báo thời tiết lên độ phân giải 5 km

Ngày 3/9/2026, Google DeepMind và Google Research công bố WeatherNext 3, thế hệ mới của hệ thống AI dự báo thời tiết toàn cầu. Điểm thay đổi đáng chú ý nhất không chỉ là “AI dự báo chính xác hơn”, mà là cách model đưa dữ liệu quan sát mới vào dự báo: WeatherNext 3 nhận mosaic vệ tinh địa tĩnh gần thời gian thực, khởi tạo một dự báo mới mỗi giờ và nâng độ phân giải xuống khoảng 5 km cho một số biến bề mặt.

Google đang đưa WeatherNext 3 ra khỏi phạm vi nghiên cứu thuần túy. Model bắt đầu cung cấp dữ liệu cho Search, ứng dụng Gemini, Google Maps, Google Maps Platform Weather API và Google Earth Engine; developer và doanh nghiệp cũng có thể khai thác dự báo qua BigQuery hoặc Google Cloud Storage. Điều đó biến WeatherNext 3 thành một ví dụ rõ về AI for Science đi thẳng vào hạ tầng sản phẩm hàng ngày.

Tóm tắt nhanh

• WeatherNext 3 là model AI dự báo thời tiết toàn cầu mới của Google DeepMind và Google Research, được công bố rộng rãi ngày 3/9/2026.

• Model dùng dữ liệu vệ tinh địa tĩnh gần thời gian thực và có thể khởi tạo dự báo mỗi giờ, thay vì chỉ phụ thuộc vào các chu kỳ 6 giờ như nhiều hệ thống toàn cầu trước đây.

• Độ phân giải không phải lúc nào cũng 5 km: một số biến bề mặt hiệu chỉnh theo trạm đạt khoảng 5 km, các biến bề mặt dạng lưới khoảng 10 km, còn nhiều biến khí quyển ở khoảng 25 km.

• Google công bố mức cải thiện lớn ở dự báo mưa và tuyết, nhưng các con số 50–60% phụ thuộc vào metric, bộ dữ liệu đối chiếu và mốc dự báo; không nên hiểu là “mọi dự báo đều chính xác hơn 60%”.

• WeatherNext 3 là dịch vụ dự báo vận hành và dữ liệu dự báo có thể truy cập qua hệ sinh thái Google, nhưng model WeatherNext 3 hiện không được open source.

WeatherNext 3 là gì?

WeatherNext 3 là một global probabilistic weather forecasting model do Google DeepMind và Google Research phát triển. Nói đơn giản, đây không phải một chatbot thời tiết hay một ứng dụng riêng. Nó là model nền tảng tạo ra các trường dự báo toàn cầu như nhiệt độ, độ ẩm, gió, lượng mưa, áp suất, mây và một số biến liên quan năng lượng tái tạo.

WeatherNext 3 tiếp tục hướng probabilistic forecasting của dòng WeatherNext: thay vì chỉ đưa ra một kịch bản duy nhất, hệ thống vận hành có 64 thành viên ensemble. Mỗi thành viên thể hiện một quỹ đạo thời tiết khả dĩ, giúp người dùng đánh giá phân bố xác suất và rủi ro thay vì coi một đường dự báo là chắc chắn tuyệt đối.

Trang WeatherNext for Developers gọi WeatherNext 3 là flagship operational model của Google. Đây là khác biệt quan trọng: Google không chỉ trình diễn một paper, mà đang tạo forecast mới liên tục và phát hành dữ liệu để dùng trong sản phẩm, nghiên cứu và workflow doanh nghiệp.

WeatherNext 3 đã ra mắt chưa?

Có. Google công bố WeatherNext 3 rộng rãi ngày 3/9/2026. Release notes dành cho developer ghi phiên bản WeatherNext 3 v3.0 ở mốc 31/8/2026, cho thấy hệ thống vận hành đã được đưa vào hạ tầng trước thông báo công khai vài ngày. Vì vậy, đây không phải research preview chưa có dữ liệu thực tế.

Vì sao dữ liệu vệ tinh thời gian thực là thay đổi lớn?

Nhiều model AI thời tiết trước đây học từ các bộ “analysis” hoặc reanalysis do hệ thống Numerical Weather Prediction (NWP) tạo ra. Đây là những mô tả rất hữu ích về trạng thái khí quyển, nhưng chúng đi qua một chuỗi xử lý vật lý và đồng hóa dữ liệu trước khi trở thành đầu vào cho model AI.

Theo Google, WeatherNext 3 đưa mosaic ảnh vệ tinh địa tĩnh có độ trễ thấp trực tiếp vào pipeline cùng với analysis truyền thống. Nhờ đó, model có thể nắm trạng thái mới của mây và hệ thống thời tiết nhanh hơn, đặc biệt hữu ích khi mưa, front hoặc bão đối lưu thay đổi trong vài giờ.

Điều này không có nghĩa WeatherNext 3 “bỏ hoàn toàn mô hình vật lý” hay chỉ nhìn ảnh vệ tinh rồi đoán thời tiết. Kiến trúc công khai của Google vẫn sử dụng historical analysis và nhiều nguồn quan sát khác. Bước tiến nằm ở việc model không còn bị giới hạn bởi một nguồn đầu vào đã tổng hợp sẵn với nhịp cập nhật thưa hơn.

Dự báo mỗi giờ khác gì so với chu kỳ 6 giờ?

WeatherNext 2 tạo dữ liệu trên lưới 25 km với các bước thời gian 6 giờ. WeatherNext 3 có native hourly timesteps và hệ thống vận hành được khởi tạo mỗi giờ. Với tình huống thời tiết thay đổi nhanh, lợi ích không chỉ là có nhiều điểm dữ liệu hơn, mà còn là forecast mới được neo vào quan sát mới hơn.

Tuy nhiên, “khởi tạo mỗi giờ” không đồng nghĩa mỗi forecast đều chạy đủ 15 ngày. Theo tài liệu developer, các lần khởi tạo chính ở 00, 06, 12 và 18 UTC có horizon tới 360 giờ, tức 15 ngày; các lần khởi tạo trung gian theo giờ có horizon 48 giờ. Đây là chi tiết quan trọng khi developer xây dashboard hoặc hệ thống cảnh báo.

Độ phân giải 5 km của WeatherNext 3 thực sự có nghĩa gì?

Cụm “dự báo 5 km” dễ tạo hiểu nhầm rằng mọi biến của WeatherNext 3 đều được dự báo trên lưới 5 × 5 km. Thực tế model là hệ thống multi-resolution.

Một số biến bề mặt được hiệu chỉnh theo dữ liệu trạm, đặc biệt nhiệt độ và điểm sương gần mặt đất, có output khoảng 0,05° hoặc xấp xỉ 5 km. Nhiều biến bề mặt dạng lưới được cung cấp ở khoảng 0,1° hoặc 10–11 km. Các biến khí quyển theo tầng áp suất vẫn ở độ phân giải khoảng 25 km.

So với WeatherNext 2 ở 0,25° khoảng 25 km, phần output bề mặt tốt nhất của WeatherNext 3 có thể chi tiết hơn khoảng năm lần theo mỗi chiều không gian. Điều này giúp biểu diễn địa hình bờ biển, thung lũng, núi và gradient nhiệt độ cục bộ tốt hơn, nhưng không biến forecast thành bản đồ “thời tiết từng con phố”.

Vì sao WeatherNext 3 học trực tiếp từ dữ liệu trạm?

Lưới toàn cầu dù chi tiết đến đâu vẫn là một biểu diễn không gian. Trong khi đó, người dùng thường quan tâm nhiệt độ hoặc độ ẩm tại một vị trí cụ thể. Google cho biết WeatherNext 3 được train trực tiếp với dữ liệu quan sát thưa từ các trạm thời tiết để học cách dự đoán các giá trị tại điểm, thay vì chỉ nội suy từ một ô lưới lớn.

Cách này đặc biệt có ý nghĩa ở nơi địa hình thay đổi nhanh: một thành phố ven biển, một thung lũng hoặc khu vực cao hơn vài trăm mét có thể có nhiệt độ và độ ẩm khác đáng kể dù nằm trong vùng tương đối gần nhau. Paper WeatherNext 3 cũng nhấn mạnh khả năng dự đoán tại các trạm chưa từng xuất hiện trong tập train như một bài test cho khả năng generalize theo không gian.

WeatherNext 3 cải thiện dự báo mưa và tuyết như thế nào?

Mưa là một trong những bài toán khó nhất của dự báo toàn cầu vì các quá trình tạo mây và đối lưu diễn ra ở quy mô nhỏ. Forecast dạng lưới thô thường làm vùng mưa bị “nhòe”, trong khi ranh giới của một dải mưa mạnh ngoài thực tế có thể rất sắc.

Google train WeatherNext 3 với nhiều nguồn quan sát precipitation, trong đó có NASA IMERG và bộ global precipitation reanalysis dựa trên radar vệ tinh của Google. Trên blog công bố, Google báo cáo CRPS cải thiện tới 60% khi đánh giá theo IMERG, 30% với MRMS và khoảng 10% so với rain gauge ở các lead time sớm.

Trang Research and benchmarks lại tóm tắt một setup khác với mức giảm Brier score và CRPS tới 50% so với baseline NWP khi đánh giá bằng IMERG. Hai cách diễn đạt này không mâu thuẫn nếu baseline và metric khác nhau, nhưng chúng cho thấy vì sao không nên rút gọn thành câu “WeatherNext 3 chính xác hơn 60%”.

Đối với sản phẩm dành cho người dùng, Google nói các dự báo precipitation khi lên kế hoạch từ một ngày trở lên có thể chính xác hơn tới 50%, với mức cải thiện lớn nhất ở những khu vực lịch sử có forecast kém ổn định. Đây vẫn là một claim theo ngữ cảnh cụ thể của Google, không phải bảo đảm cho mọi cơn mưa ở mọi địa điểm.

64-member ensemble giúp dự báo rủi ro thay vì chỉ đoán một kịch bản

Một dự báo xác suất quan trọng vì khí quyển có tính hỗn loạn: sai khác rất nhỏ ở trạng thái ban đầu có thể dẫn đến quỹ đạo khác hẳn sau vài ngày. WeatherNext 3 tạo ensemble gồm 64 thành viên để mô tả nhiều kịch bản khả dĩ thay vì chỉ đưa ra một con số duy nhất.

Trong dữ liệu BigQuery, Google còn phát hành sẵn các thống kê như mean, p10, p25, p50, p75 và p90. Điều này cho phép doanh nghiệp đặt câu hỏi thực tế hơn, chẳng hạn “xác suất nhiệt độ nằm trong vùng nóng cực đoan là bao nhiêu?” thay vì chỉ hỏi “nhiệt độ dự báo là bao nhiêu?”.

WeatherNext 3 được thiết kế thêm cho năng lượng tái tạo

Một điểm mới ít được chú ý hơn là các biến phục vụ trực tiếp cho vận hành năng lượng. WeatherNext 3 dự báo gió ở độ cao 100 mét, gần với độ cao rotor của turbine gió, cùng cloud cover và các thành phần bức xạ mặt trời có độ phân giải cao.

Với trang trại điện gió hoặc điện mặt trời, sai số forecast không chỉ là vấn đề “có mưa hay không”. Nó ảnh hưởng trực tiếp đến ước tính sản lượng, cân bằng lưới và quyết định mua/bán điện. Việc Google đưa các biến này vào model cho thấy WeatherNext 3 được xây như một lớp weather intelligence cho doanh nghiệp chứ không chỉ cho ứng dụng thời tiết cá nhân.

WeatherNext 3 đang được dùng ở đâu?

Search, Gemini và Google Maps

Google bắt đầu đưa WeatherNext 3 vào trải nghiệm thời tiết trong Search, ứng dụng Gemini và Google Maps từ ngày công bố. Người dùng không cần chọn model WeatherNext 3 thủ công; nó hoạt động phía sau để cung cấp dữ liệu forecast mới cho các surface này.

Google Maps Platform Weather API

Developer xây ứng dụng logistics, du lịch hoặc outdoor có thể nhận lợi ích thông qua Google Maps Platform Weather API. Đây là đường tích hợp phù hợp khi mục tiêu là lấy dữ liệu thời tiết cho sản phẩm, thay vì tự xử lý hàng trăm gigabyte output ensemble.

BigQuery, Earth Engine và Google Cloud Storage

Với workflow phân tích dữ liệu, Google phát hành surface ensemble statistics trên BigQuery và Earth Engine. Raw 64-member ensemble cùng các tầng khí quyển 3D được lưu ở Google Cloud Storage dưới dạng Zarr.

BigQuery phù hợp với bài toán join forecast với tọa độ cửa hàng, kho, tuyến vận chuyển hoặc tài sản năng lượng bằng SQL. Cloud Storage phù hợp hơn khi researcher cần full ensemble, pressure levels hoặc muốn xử lý trực tiếp bằng Xarray/Zarr trong Python.

WeatherNext 3 có open source không?

Không. Tài liệu Open source models của Google nói rõ WeatherNext 3 hiện được cung cấp như một operational forecast service nhưng không open source model. Người dùng có thể truy cập output forecast theo điều khoản dữ liệu, nhưng không nhận model weights và code hoàn chỉnh của WeatherNext 3 để tự chạy.

Google vẫn duy trì các model WeatherNext khác theo hướng open source, gồm WeatherNext 2, WeatherNext Gen và WeatherNext Graph. Vì vậy cần phân biệt “dữ liệu WeatherNext 3 có thể truy cập” với “WeatherNext 3 là model mã nguồn mở” — hai khái niệm này không giống nhau.

WeatherNext 3 có thay thế cơ quan khí tượng chính thức không?

Không. Ngay trong thông báo ra mắt, Google lưu ý rằng với cảnh báo thời tiết nguy hiểm, cảnh báo khẩn cấp và thông tin an toàn công cộng, người dùng phải tham khảo cơ quan khí tượng hoặc dịch vụ thời tiết quốc gia tại địa phương.

Đây không chỉ là disclaimer pháp lý. Forecast model có thể có skill trung bình rất cao nhưng vẫn bỏ lỡ một sự kiện hiếm tại một vị trí cụ thể. Cơ quan khí tượng còn kết hợp radar, sensor địa phương, chuyên gia trực ca, mô hình khu vực và quy trình cảnh báo được pháp luật quy định — những thứ một dataset toàn cầu không thay thế được.

Những giới hạn cần nhớ khi đọc các con số của WeatherNext 3

• 5 km không áp dụng cho mọi biến. Đây chủ yếu là lớp surface/station-calibrated có độ phân giải cao nhất; gridded surface và atmospheric output có độ phân giải khác.

• 50–60% là mức cải thiện của metric và setup cụ thể. Không thể chuyển trực tiếp thành câu “mọi dự báo thời tiết tốt hơn 60%”.

• Dữ liệu forecast được mô tả là experimental. Google cung cấp real-time và historical output với điều khoản sử dụng riêng; developer cần đọc điều khoản trước khi dùng trong hệ thống vận hành quan trọng.

• Hourly initialization có nhiều horizon. Các cycle chính có thể kéo dài tới 15 ngày, trong khi cycle trung gian theo giờ tập trung vào 48 giờ.

• WeatherNext 3 vẫn dùng nhiều loại dữ liệu. Satellite input là bước tiến lớn, nhưng model không tồn tại độc lập với analysis, station data và các nguồn quan sát khí tượng khác.

Vì sao WeatherNext 3 đáng chú ý với AI for Science?

WeatherNext 3 cho thấy một hướng phát triển khác với cuộc đua LLM: AI không nhất thiết phải trả lời bằng ngôn ngữ để tạo ra giá trị lớn. Ở đây, model học cấu trúc khí quyển, quan sát vệ tinh và dữ liệu trạm để tạo một hệ thống dự báo xác suất toàn cầu có thể phục vụ hàng loạt quyết định ngoài đời thật.

Điểm đáng chú ý hơn nữa là ranh giới giữa research model và product infrastructure đang mờ đi. Cùng một hệ thống có thể xuất hiện trong paper, leaderboard, Earth Engine, BigQuery, Maps và Gemini. Với doanh nghiệp, điều này có nghĩa đổi mới AI for Science không còn chỉ nằm trong phòng lab; nó có thể trở thành một API hoặc dataset để nối trực tiếp vào chuỗi cung ứng, nông nghiệp, năng lượng và quản trị rủi ro.

Câu hỏi thường gặp về WeatherNext 3

WeatherNext 3 là model của Gemini phải không?

Không. WeatherNext 3 là model chuyên biệt cho dự báo thời tiết toàn cầu của Google DeepMind và Google Research. Ứng dụng Gemini có thể dùng dữ liệu do WeatherNext 3 cung cấp, nhưng WeatherNext 3 không phải một phiên bản Gemini LLM.

WeatherNext 3 có dự báo mỗi giờ trong 15 ngày không?

Output có timestep theo giờ, nhưng horizon phụ thuộc cycle khởi tạo. Các forecast khởi tạo lúc 00, 06, 12 và 18 UTC có thể kéo dài 360 giờ; các lần khởi tạo trung gian theo giờ có horizon 48 giờ.

Độ phân giải 5 km có nghĩa dự báo chính xác đến từng khu phố không?

Không. 5 km là độ phân giải không gian của một số output bề mặt, không phải cam kết độ chính xác theo từng khu phố. Forecast vẫn có uncertainty, và nhiều biến khác được dự báo ở lưới 10–25 km.

Developer có thể tải dữ liệu WeatherNext 3 ở đâu?

Google cung cấp các đường truy cập qua BigQuery, Earth Engine và Google Cloud Storage. BigQuery/Earth Engine chủ yếu cung cấp các thống kê ensemble đã tính sẵn; Cloud Storage chứa full 64-member ensemble và nhiều biến khí quyển chi tiết hơn.

WeatherNext 3 có miễn phí không?

Không có một câu trả lời chung cho mọi cách truy cập. Earth Engine có chính sách miễn phí cho nghiên cứu, giáo dục và nonprofit trong một số trường hợp; BigQuery, Cloud Storage và các API của Google Cloud/Maps có mô hình quota, billing hoặc yêu cầu quyền truy cập riêng. Developer nên kiểm tra điều khoản của surface mình dùng.

WeatherNext 3 có open source để tự chạy không?

Hiện chưa. Google xác nhận WeatherNext 3 là operational forecast service nhưng model không open source. Một số thế hệ WeatherNext khác có code/weights công khai và phù hợp hơn nếu mục tiêu là tự chạy model nghiên cứu.

Điều cần theo dõi tiếp theo

WeatherNext 3 đã vượt qua giai đoạn “AI có thể dự báo thời tiết hay không”. Câu hỏi quan trọng hơn bây giờ là mức cải thiện đó có ổn định theo vùng địa lý, mùa, loại hiện tượng và các tình huống cực đoan hay không. Những leaderboard vận hành độc lập như Operational WeatherBench và dữ liệu thực tế trong các tháng tới sẽ hữu ích hơn một con số benchmark duy nhất.

Với người dùng phổ thông, thay đổi dễ thấy nhất sẽ là forecast trong Search, Gemini và Maps được cập nhật nhanh và chi tiết hơn. Với doanh nghiệp, giá trị lớn hơn nằm ở khả năng lấy dự báo xác suất theo giờ rồi ghép trực tiếp với vị trí tài sản, nhu cầu năng lượng hoặc hoạt động vận hành. Đây là nơi WeatherNext 3 có thể trở thành một lớp dữ liệu AI quan trọng chứ không chỉ là một model nghiên cứu mới.