# 谷歌AI天气预报“屠榜”三年后回头看：业务精度曲线没跳，胜率数字有水分

> 原标题：震惊！谷歌AI天气预报屠榜！三年之后回头看，有多少是真的？

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-06-29T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/41424
- 原文：https://yage.ai/share/graphcast-chinese-media-distortion-20260629.html

## 摘要

DeepMind在2023年11月发布GraphCast时，国内科技媒体标题几乎全是“完胜”“碾压”“击败全球最好预报系统”。三年过去，欧洲中期天气预报中心（ECMWF）公开的有效预报天数曲线在2023年没有任何跳跃，依然保持每年约0.15天的平缓增长。GraphCast宣称的“1380项指标90%胜率”，是把6个变量、37个气压层和多个预报时长反复计...

## 推荐理由

一篇用公开数据打脸AI天气预报炒作的事实核查。ECMWF的预报准确率曲线在2023年没有任何跳跃，依然每年平缓增长约0.15天；GraphCast宣称的“1380项指标90%胜率”是把6个变量、37个气压层和多个预报时长反复计数撑出来的，实际优势远没标题那么夸张。文章没否定技术本身，但把宣传水分拧得很干，对从业者来说是个清醒剂。

## 锐评

这条新闻最值得看的地方，是它用公开数据拆穿了一个经典的技术公关套路。ECMWF 的有效预报天数曲线从 1980 年代到现在，每年只爬升 0.15 天，2023 年没有任何跳跃。GraphCast 那 1380 项指标里 90% 的胜率，是把单一变量的优势在不同高度和时间维度上反复计数堆出来的，落到业务端对预报天数的贡献是零。

更值得警惕的是信源结构。当时 15 篇中文报道没有一篇采访过独立气象学家，英文媒体里也只有《新科学家》找了一位，点出 GraphCast 不做数据同化——那是预报流程里最吃算力的环节，它只是白嫖别人处理好的数据。后续 GenCast 和 WeatherNext 2 把胜率刷到 97%、99%，但对比对象悄悄从 ECMWF 的业务系统换成了自家上一代模型。

这篇文章没披露的是，AI 模型在特定场景（比如台风路径）上是否确实有局部优势，以及 ECMWF 自己后来推出的 AIFS 系统表现如何。如果只看“碾压”标题，你会以为天气预报被颠覆了；看了业务曲线才知道，连水花都没溅起来。下次再见到这类标题，先找硬业务指标，再数数引用的独立信源有几个，没有的话先打个折。