Google DeepMind lancia WeatherNext 3, l’AI meteo che aggiorna le previsioni ogni ora

Le previsioni del tempo stanno per diventare molto più rapide e dettagliate. Il 3 settembre 2026 Google DeepMind e Google Research hanno presentato WeatherNext 3, il nuovo modello di intelligenza artificiale per le previsioni meteo globali che genera stime aggiornate ogni ora e arriva fino a 5 chilometri di risoluzione. La differenza sostanziale rispetto al passato non sta soltanto nella potenza di calcolo, ma nel modo in cui il modello impara: WeatherNext 3 attinge direttamente ai dati grezzi dei satelliti, invece di dipendere in tutto e per tutto dalle tradizionali simulazioni fisiche. Ed è già integrato dentro Ricerca Google, l’app Gemini, Google Maps e la piattaforma cloud dell’azienda.

Per chi pianifica una gita, gestisce un campo agricolo o segue la produzione di un impianto rinnovabile, tutto questo si traduce in previsioni più tempestive e più aderenti a ciò che accade davvero sul territorio.

Previsioni ogni ora e una risoluzione cinque volte più nitida

Il valore di una previsione dipende spesso da un dettaglio semplice: quanto finemente riesce a descrivere il tempo e lo spazio. Qui WeatherNext 3 compie un salto evidente. Il modello produce previsioni orarie a diverse risoluzioni spaziali e mantiene la coerenza fisica dai grandi flussi di vento su scala globale fino alla conformazione del territorio locale.

Nel concreto, le variabili di superficie più sensibili come temperatura e umidità vengono rappresentate su una griglia da 5 chilometri, altre variabili di superficie a 10 chilometri e le variabili atmosferiche come la velocità del vento a 25 chilometri. Nel complesso il quadro meteorologico risulta circa cinque volte più nitido rispetto a WeatherNext 2, che lavorava su una griglia da 25 chilometri con aggiornamenti ogni sei ore.

La frequenza oraria è la vera svolta: è il primo modello globale di Google capace di ricalcolare la previsione ogni ora del giorno. E secondo le valutazioni indipendenti e in tempo reale della piattaforma Brightband, oggi è il modello meteo globale più accurato in circolazione.

Se vuoi capire da dove nasce questo progetto, trovi il contesto nel nostro approfondimento su WeatherNext 2, il modello reso open source per anticipare i cicloni: la nuova versione ne eredita l’impianto e ne moltiplica dettaglio e frequenza.

Un’architettura pensata per unire scale diverse

Sotto il cofano, WeatherNext 3 si affida a una rete generativa funzionale costruita su un mesh transformer. Il sistema riceve i mosaici satellitari aggiornati ogni ora insieme alle analisi storiche tradizionali, e da questo flusso unico produce campi meteorologici su griglia densa, tracciati dei cicloni e previsioni puntuali a livello di singola stazione. Un solo modello, quindi, tiene insieme la visione d’insieme e il dettaglio locale.

Perché i dati satellitari cambiano le regole del gioco

Il passo avanti più importante riguarda proprio la fonte di apprendimento. La maggior parte dei modelli meteo basati su AI, incluso WeatherNext 2, viene addestrata sui dati dei modelli numerici di previsione, cioè simulazioni fisiche gestite dai supercomputer. Sono strumenti preziosi, ma portano con sé un ritardo di circa sei ore nei dati, e questo scarto può introdurre distorsioni proprio per le variabili che cambiano in fretta, come la pioggia o la temperatura al suolo.

WeatherNext 3 aggira l’ostacolo assorbendo un mosaico di dati satellitari geostazionari in tempo quasi reale. In questo modo ottiene una visione dell’atmosfera che si aggiorna di continuo e può generare una nuova previsione ogni ora, ciascuna ancorata alle osservazioni satellitari più recenti disponibili.

C’è poi un secondo ingrediente. Il modello impara anche dalle osservazioni sparse delle stazioni meteorologiche a terra, un dato prezioso per catturare le variazioni locali che sfuggono alle griglie a bassa risoluzione.

Vicino a coste, valli e catene montuose la temperatura può cambiare in modo netto nel giro di pochi chilometri, e sono proprio queste sfumature che i modelli tradizionali faticano a cogliere. Allenarsi direttamente sulle misurazioni reali permette a WeatherNext 3 di restituire una griglia da 5 chilometri che tiene conto della topografia.

Il beneficio è particolarmente rilevante per America Latina, Africa e area Asia-Pacifico, regioni storicamente penalizzate dalle previsioni ad alta risoluzione a causa dei costi enormi dei modelli regionali basati sui supercomputer. Portare previsioni locali e affidabili in queste zone significa raggiungere miliardi di persone e moltissime piccole imprese. Non è la prima volta che Google applica l’AI all’atmosfera con un obiettivo pratico: lo aveva già fatto con l’operazione Blue Skies per ridurre le scie di condensazione degli aerei.

Precipitazioni previste con una precisione inedita

Le precipitazioni sono da sempre il tallone d’Achille dei modelli meteo globali. Pioggia e neve nascono da processi nuvolosi rapidi e su scale minuscole, difficili da riprodurre con le simulazioni fisiche classiche. Il risultato, spesso, sono stime sfocate oppure la mancata individuazione dei confini delle tempeste più violente.

Per superare il problema, Google ha addestrato il modello su due fonti di altissima qualità: il set IMERG della NASA, basato sui satelliti, e una rianalisi globale delle precipitazioni costruita sui radar satellitari dell’azienda stessa.

Il guadagno in accuratezza è concreto. Nelle previsioni globali a medio termine, il punteggio CRPS migliora fino al 60 per cento rispetto a IMERG, del 30 per cento rispetto al prodotto radar MRMS e del 10 per cento rispetto alle misurazioni dei pluviometri per gli orizzonti temporali più brevi.

Tradotto in pratica, quando pianifichi con uno o più giorni di anticipo puoi contare su previsioni delle precipitazioni fino al 50 per cento più accurate, con i progressi maggiori proprio nelle aree dove finora erano meno affidabili.

Un alleato per l’energia pulita

Oltre alla risoluzione e alla frequenza, WeatherNext 3 introduce previsioni pensate su misura per la produzione di energia rinnovabile. Il modello stima la velocità del vento a 100 metri di quota, cioè più o meno all’altezza delle turbine, per calcolare con precisione la resa degli impianti eolici.

Allo stesso tempo fornisce dati ad alta risoluzione su copertura nuvolosa e radiazione solare, così gli impianti fotovoltaici possono stimare quanta luce riceveranno effettivamente al suolo.

È un’informazione strategica. Gli operatori di rete e gli sviluppatori di rinnovabili possono prevedere con maggiore affidabilità quanta energia genereranno i loro impianti e allinearla alla domanda dei consumatori, un nodo cruciale in un sistema elettrico che deve bilanciare fonti intermittenti. Il tema si intreccia con il costo ambientale del settore, che avevamo approfondito parlando di quanto consuma l’intelligenza artificiale e cosa si può fare.

Dove puoi già usare WeatherNext 3

Google ha scelto di portare subito la ricerca fuori dal laboratorio. I dati di previsione ad alta risoluzione, aggiornati ogni ora, sono disponibili per ricercatori, sviluppatori e aziende, che possono interrogarli tramite BigQuery ed Earth Engine oppure scaricarli in blocco da Google Cloud Storage, senza dover configurare alcun modello.

Sul fronte consumer, WeatherNext 3 ha iniziato ad alimentare le esperienze meteo dentro Ricerca Google, l’app Gemini, Google Maps, la Weather API di Google Maps Platform e Google Earth Engine già dal giorno dell’annuncio. Il miglioramento più visibile riguarda le previsioni a più lungo termine: quando organizzi un fine settimana o scegli il giorno giusto per un’attività all’aperto, le stime sulle piogge sono ora sensibilmente più affidabili.

Questo approccio, che trasforma un modello di ricerca in strumenti quotidiani, ricorda il metodo con cui DeepMind ha portato l’AI nei laboratori scientifici con AI co-scientist e la missione Genesis: la ricerca di frontiera che diventa infrastruttura utile a chi lavora sul campo.

Resta un limite di buon senso, che Google stessa ricorda: per le allerte meteo ufficiali e gli avvisi di sicurezza pubblica il riferimento restano le agenzie meteorologiche e i servizi nazionali.

Cosa significa per il futuro delle previsioni

WeatherNext 3 segna un cambio di paradigma. Invece di inseguire la fisica dell’atmosfera con simulazioni sempre più costose, il modello impara dalle osservazioni reali, satelliti e stazioni a terra, e restituisce previsioni più rapide, più locali e più economiche da distribuire su scala globale.

L’atmosfera manterrà sempre un margine di imprevedibilità, e nessun modello potrà eliminarlo del tutto. Ma la direzione è ormai chiara: previsioni che si avvicinano sempre di più a ciò che accade davvero, ora dopo ora.

Se lavori con i dati meteo, nell’agricoltura, nella logistica o nell’energia, vale la pena testare fin da subito le nuove previsioni orarie e valutare come integrarle nei tuoi processi. E se vuoi restare aggiornato su come l’AI sta ridisegnando interi settori, continua a seguirci: raccontiamo ogni giorno gli sviluppi che contano davvero.