每逢颱風季節，香港人最關心的問題總是：「個風幾時到？會唔會掛八號？」傳統天氣預報依賴超級電腦進行數值模擬，運算數小時才能得出結果，且預測第5天的熱帶氣旋路徑誤差高達500至800公里。然而，一場由人工智能掀起的氣象革命正在改變這一切。“AI預測熱帶氣旋”：Google DeepMind的WeatherNext AI模型在2025年颶風季全面超越美國國家氣象局的全球預報系統（GFS），香港天文台引入人工智能後，熱帶氣旋路徑預測誤差已縮減至300至500公里，較傳統模式大減40%。AI不僅預測得更快、更準，更突破了氣象學界多年來難以解決的「快速增強」預測瓶頸，為防災減災爭取寶貴時間。
全球AI氣象模型爆發：Google微軟NVIDIA逐鹿氣象戰場
2025至2026年，全球AI天氣預測模型迎來爆發式增長。Google DeepMind在Google I/O 2026大會上公布WeatherNext模型的最新成果，該模型在2025年大西洋颶風季表現驚人——在預測長達5天的區間內，DeepMind AI模型的平均位置誤差為165海里，而美國國家氣象局的全球預報系統（GFS）高達360海里，差距超過兩倍。DeepMind的系統在2025年颶風季中，不僅超越了傳統物理模型，甚至勝過人類專家制定的官方預報以及整合多模型結果的共識預報，這被氣象學家視為AI首次在大西洋流域超越自動和人工共識預報的里程碑。
Google DeepMind的GraphCast AI模型在1,380個驗證指標中有90%優於歐洲中期天氣預報中心（ECMWF）的系統，能在一台TPU雲端電腦上於1分鐘內產生未來10天的全球天氣預測，而傳統超級電腦需要數小時。GraphCast的運算成本比傳統方法便宜1,000倍，被形容為「奇蹟般的進步」。
微軟的Aurora AI模型同樣令人矚目，經100萬小時以上地球物理數據訓練後，在5天氣旋路徑預測目標上的準確率高達100%，10天預測準確率達92%，訓練周期僅需4至8周，相較傳統模型所需數年時間大幅縮短。
NVIDIA則在2026年初發布Earth-2 AI氣象系列模型，其StormScope生成式AI架構能在數分鐘內生成公里級解析度的局部風暴預測（0至6小時），是首個在短期降水預報上超越傳統物理模型的AI系統。台灣中央氣象署已導入該技術，用於強化颱風路徑精準預報。
突破「快速增強」瓶頸：AI五天前預測五級颶風登陸牙買加
氣象學界多年來最難解的挑戰之一，是預測颶風或颱風的「快速增強」現象——風暴在24小時內風速增加超過35英里（約56公里）。這種突然的強度爆發極難預測，卻也是最危險的情況，因為一個弱小的熱帶低氣壓可能在一夜之間轉變為強烈颱風，幾乎沒有時間準備。
2025年10月，颶風Melissa成為有紀錄以來登陸牙買加最強的颶風，並追平大西洋史上最強颶風紀錄。美國國家颶風中心（NHC）在此次事件中寫下歷史——他們首次從熱帶風暴初期階段就成功預測風暴將發展為五級颶風。背後功臣正是Google DeepMind的WeatherNext AI模型。
當Melissa還只是一個弱小的熱帶低氣壓時，傳統模型對它將襲擊海地還是牙買加猶豫不決。WeatherNext卻以80%的信心值，提前五天預測風暴將在牙買加以五級颶風強度登陸，三天前信心值更接近100%。這是首次成功從如此低初始風速預測風暴達到最高等級強度，標誌著極端增強事件預測能力的歷史性轉折。
NHC表示，WeatherNext的預測使牙買加氣象單位能更早協助地方政府進行撤離與準備工作，更早的預警對降低災害影響具有關鍵作用。Google已計劃將WeatherNext技術拓展至菲律賓、台灣、印尼及越南等易受極端天氣影響的地區，並與日本、澳洲及印度等氣象單位合作。
香港天文台AI實戰：颱風楊柳預測完勝周邊機構
AI天氣預測並非遙不可及的前沿技術，香港天文台早已將其納入日常運作。環境及生態局局長謝展寰早前透露，天文台現時已使用人工智能協助預測天氣，以便當局提早調動人手處理。天文台署理高級科學主任何宇恒指出，人工智能模式對未來10日天氣變化的大範圍預測，包括西南季候風強度、高空擾動位置及熱帶氣旋路徑預報等，均較傳統模型優勝。
傳統電腦模式預測第5天的熱帶氣旋路徑誤差達500至800公里，而AI模式誤差僅300至500公里，減少幅度達40%。天文台目前運用的AI模式包括國產的「風烏」、「伏羲」、歐洲中期天氣預報中心的AI系統及「盤古」電腦模式，均基於過去40年全球氣象資料分析。
2025年8月的颱風楊柳預測中，天文台因接納AI預報結果，表現完勝周邊地區多家官方氣象機構。當時台灣、日本、韓國氣象機構的預測路徑與實際有較大偏差，而天文台早在8月7日發佈的路徑概率預報圖幾乎與最終路徑一致，並引用「盤古」AI模式預測楊柳可能於香港以北較近距離掠過。
不過，天文台坦言AI技術仍在驗證階段，尤其對熱帶氣旋強度預測明顯偏弱，某地區5天後500公里的誤差仍然較大。暴雨預測同樣處於初步階段，未來仍需繼續增強AI預報能力。
挑戰與爭議：AI能否讀懂「物理一致性」？
儘管AI天氣預測表現驚艷，學術界仍對其提出質疑。英國氣象局科學主任Simon Vosper指出，AI系統只接受過先前天氣條件的訓練，是否能應對從未出現過的極端天氣狀況，值得審慎質疑。因此英國氣象局將AI與傳統電腦模型相互結合，發揮各自優勢。
氣象學界另一個關注焦點是AI模型的「物理一致性」問題。中國科學院海洋研究所的研究指出，現有智能方法多採用「先定位、後估算」的串行模式，易導致誤差累積，且常因忽略要素間的物理聯繫而產生「物理不一致」現象——例如將弱颱風誤判為具有大風圈的強颱風，難以滿足業務化需求。
該研究所提出的KG-TCM智能監測框架，透過知識引導將物理先驗知識「嵌入」模型，顯式約束颱風中心緯度、強度與風圈半徑之間的動力學依賴關係，為構建物理可解釋的氣象智能監測系統提供了關鍵支撐。
AI能否取代傳統天氣預報？
從Google DeepMind在2025年颶風季的全面勝利，到香港天文台在颱風楊柳預測中完勝周邊機構，AI在天氣預測領域的表現已無庸置疑。然而，氣象學界普遍認為，AI不會完全取代傳統數值天氣預報，兩者將走向融合。英國氣象局已決定將AI與傳統電腦模型結合使用，發揮各自優勢。
Google也表示，所有正式氣象警報仍由各國官方氣象機構發布，AI模型僅作為輔助工具。在可預見的未來，「AI預測＋人類決策」將是最佳組合——AI提供更快、更準的數據支撐，氣象專家則結合物理知識和經驗作出最終判斷。
