ИИ-прогнозирование погоды выходит на энергетический рынок: Google нацелил WeatherNext 3 на операторов электросетей

Новейшая модель Google для прогнозирования погоды на основе ИИ предсказывает скорость ветра на высоте 100 метров над землёй — примерно на высоте современной ветряной турбины. Она также прогнозирует облачность и количество солнечного света, достигающего поверхности, и обновляет данные каждый час. Энерготрейдеры, операторы энергосистем и разработчики ветровых и солнечных электростанций уже платят другим компаниям за эти данные. Выход WeatherNext 3 теперь выводит Google на этот рынок.

Google DeepMind и Google Research представили модель 3 сентября. Она каждый час формирует глобальный прогноз с разрешением до пяти километров для таких приземных параметров, как температура и влажность. Предыдущая версия, WeatherNext 2, работала с сеткой 25 километров и обновлялась каждые шесть часов. В Google говорят, что новые энергетические параметры призваны помочь операторам энергосистем и разработчикам прогнозировать объём электроэнергии, который будут вырабатывать их ветровые и солнечные объекты, а затем сопоставлять его со спросом.

Больше всего внимания привлекла потребительская сторона запуска. WeatherNext 3 теперь обеспечивает погодные результаты в Google Search, приложении Gemini, Google Maps и Weather API платформы Google Maps. За ней стоит корпоративный уровень, который имеет большее коммерческое значение. К тем же прогнозным данным можно обращаться через BigQuery и Earth Engine или скачивать их массово из Google Cloud Storage, причём клиенту не требуется настраивать модель.

Почему энергетический сектор покупает прогнозирование погоды на основе ИИ

Операторы энергосистем управляют системой, которую стало сложнее прогнозировать с обеих сторон. На стороне генерации возобновляемые источники теперь обеспечивают большую часть новых мощностей. В прогнозе US Grid Outlook 2026 компании S&P Global Market Intelligence солнечная энергетика и системы накопления энергии названы основными источниками новых мощностей в этом году: соответственно 51,2 и 25,7 ГВт из более чем 90 ГВт запланированных вводов.

Солнечные и ветровые электростанции вырабатывают энергию в зависимости от погоды, а не от спроса, поэтому с добавлением каждого гигаватта краткосрочный прогноз должен становиться точнее.

На стороне потребления новая нагрузка формируется за счёт ИИ. S&P Global называет распространение центров обработки данных по Северной Америке одной из главных причин недавнего скачка спроса на электроэнергию, вынуждая коммунальные компании повышать прогнозы нагрузки. В отраслевом прогнозе для электроэнергетики и коммунальных предприятий на 2026 год Deloitte ожидает роста пикового спроса примерно на 26% к 2035 году, при этом спрос со стороны центров обработки данных может достичь 176 ГВт — в пять раз больше уровня 2024 года.

Цена ошибки в прогнозе очевидна. Если оператор недооценит объём поступающей ветровой энергии, ему придётся в короткие сроки покупать электроэнергию взамен, обычно у газовых электростанций, которые содержатся в резерве с большими затратами. Если он переоценит объём, владельцам ветровых и солнечных электростанций в итоге заплатят за отключение, поскольку энергосистема не сможет принять производимую ими энергию. Оба сценария дороги, и оба являются следствием ошибок прогнозирования.

На какой рынок выходит Google

Продажа прогнозов погоды энергетическому сектору — уже сложившийся бизнес. В нём конкурируют Vaisala, Solcast, WindGEMINI от DNV и HyperWatch от IBM. В их числе и швейцарская компания Jua, утверждающая, что её модель EPT-2 по точности превосходит Microsoft Aurora и более раннюю GraphCast от DeepMind, обновляясь 24 раза в день против, как она описывает, обычных четырёх обновлений в день у конкурентов.

Преимущество Google — охват. Один и тот же прогноз доступен в виде таблицы в BigQuery, слоя в Earth Engine, API в Google Maps Platform и ответа по умолчанию в Google Search. Ни один специализированный поставщик не обладает таким охватом, а почасовое обновление сокращает отставание по частоте обновлений, которым эти поставщики пользовались для дифференциации своих услуг.

У действующих игроков остаётся один технический аргумент. Согласно опубликованной позиции Jua, физические модели, такие как HRES от ECMWF, по-прежнему превосходят полностью основанные на данных модели ИИ во время рекордных экстремальных погодных явлений, поскольку физические модели кодируют правила перемещения энергии и массы в атмосфере, тогда как модели ИИ обучаются на закономерностях прошлых данных.

Jua продаёт продукт с учётом физических ограничений, поэтому это утверждение отвечает её собственным интересам. Но оно также описывает условия, которые больше всего беспокоят операторов энергосистем, — ситуации, когда шторм выходит за рамки всего, что модель видела в процессе обучения.

Что нового и что преувеличено

Архитектурное утверждение, лежащее в основе WeatherNext 3, заключается в том, что модель обучается на реальных наблюдениях, а не на симуляциях. Большинство моделей погоды на основе ИИ, включая WeatherNext 2, обучаются на результатах численных моделей прогнозирования погоды — управляемых суперкомпьютерами физических симуляциях, которые содержат задержку данных в шесть часов. Такая задержка может вносить искажения в быстро меняющиеся параметры, например осадки и приземную температуру. WeatherNext 3 получает изображения с геостационарных спутников в реальном времени и обучается непосредственно на показаниях отдельных метеостанций.

Сдвиг действительно произошёл, хотя он менее масштабен, чем предполагает значительная часть публикаций. На собственной схеме системы Google видно, что модель получает почасовые мозаики спутниковых снимков наряду с традиционным историческим анализом. Старший научный сотрудник DeepMind Илан Прайс сообщил Bloomberg, что преимущество достигается за счёт отсутствия необходимости ждать следующего анализа и использования самой свежей доступной информации.

Согласно публикациям, оставшаяся задержка данных составляет от трёх до четырёх часов по сравнению примерно с семью часами ранее. Зависимость от численных моделей прогнозирования погоды уменьшена, но не устранена.

К показателям точности также следует относиться внимательно. Google сообщает об улучшении до 60% по сравнению со спутниковым продуктом NASA IMERG, на 30% по сравнению с радиолокационными данными MRMS и на 10% по сравнению с показаниями дождемеров на ранних этапах прогнозирования; измерения проводились с использованием стандартного метода оценки вероятностных прогнозов. Это три отдельных базовых показателя, и проценты нельзя складывать. Часто повторяемое утверждение об улучшении прогнозирования осадков на 50% относится конкретно к прогнозам на сутки и более вперёд. Каждая цифра сопровождается оговоркой «до», что делает её наилучшим, а не типичным результатом.

Google не опубликовала независимую проверку третьей стороной одновременно с запуском. Вместо этого компания ссылается на текущие оценки Brightband и на её таблицу лидеров, утверждая, что WeatherNext 3 на данный момент является самой точной глобальной погодной моделью. Коммунальную компанию, рассматривающую отказ от платного специализированного поставщика, больше будет интересовать эффективность в собственной зоне обслуживания и на собственных объектах, чем место в глобальной таблице лидеров.

Собственная заинтересованность Google в решении проблемы

Google продаёт инструменты прогнозирования для решения проблемы энергосистемы, возникновению которой способствовала и собственная отрасль компании. Расширение сети центров обработки данных, обеспечивающее рост нагрузки, с которым пытаются справиться коммунальные компании, возглавляют гиперскейлеры, включая Google, а сама Google подписала соглашения о закупке возобновляемой энергии объёмом в несколько гигаватт для снабжения собственных объектов.

Точное прогнозирование выработки ветровых и солнечных электростанций напрямую полезно компании, которая сопоставляет большие объёмы чистой энергии с нагрузкой, одновременно растущей и изменчивой. Это коммерческая логика и одна из причин, объясняющих появление энергетических параметров в этом релизе.

Google не опубликовала цены на корпоративный доступ к WeatherNext 3 и не сообщила, облагаются ли данные в BigQuery и Earth Engine стандартной платой за запросы в Cloud или требуют отдельной лицензии. Коммунальным компаниям, рассматривающим отказ от платного специализированного поставщика, понадобится эта информация, прежде чем оценивать любые заявления о точности.

В 2025 году более 65 000 сотрудников её подразделения корпоративного и инвестиционного банкинга активно использовали платформу, а более 90% её инженеров применяли ИИ-помощников для написания кода.

Банк также сообщил, что проверка транзакций на основе ИИ позволила ему обрабатывать более чем вдвое больший объём транзакций, одновременно сократив количество проверок, выполняемых операторами вручную, наполовину.

Bank of America использует систему EricaAssist с генеративным ИИ, которой пользуются более 18 000 сотрудников службы поддержки клиентов. Инструмент обобщает причину обращения клиента, извлекает релевантную информацию и предлагает возможные дальнейшие действия, при этом ответственность за взаимодействие остаётся за сотрудником.

В июле 2026 года Bank of America сообщил, что EricaAssist может предоставлять контекстные рекомендации менее чем за три секунды и сократила среднюю продолжительность звонков почти на одну минуту. Банк планирует позднее в 2026 году расширить систему на дополнительные сценарии обслуживания и направления бизнеса.

(Фото: Google)

См. также: ИИ MIT прогнозирует экстремальную погоду без исторических данных

Хотите узнать больше об ИИ и больших данных от лидеров отрасли? Посетите AI & Big Data Expo, которая пройдёт в Амстердаме, Калифорнии и Лондоне. Это масштабное мероприятие является частью TechEx и проводится одновременно с другими ведущими технологическими мероприятиями; нажмите здесь, чтобы узнать больше.

AI News работает при поддержке TechForge Media. Узнайте о других предстоящих мероприятиях и вебинарах, посвящённых корпоративным технологиям, здесь.