當印尼在 2025 年因洪災吞下約 40 億美元損失的同時，一個來自氣候科技新創的 AI 模型，正默默以 0.51 的 F1 分數，刷新了即時降雨預測的天花板。這數字背後代表的，不只是演算法的勝利，更是一記甩在傳統氣象預報臉上的警鐘。

Rainbow Weather 開發的 GlobalCast 系統，打從一開始就沒打算跟隨主流遊戲規則。它不做複雜的數值模擬，而是直接從衛星影像讀取降雨訊號，以 10 分鐘更新一次、約 1 公里解析度的節奏，覆蓋那些連地面雷達都無法觸及的海洋與偏遠區域。說穿了，這套系統的野心很簡單——既然地面感測器永遠不夠用，那我們就跳過它。

「全球許多地區缺乏雷達網路，降雨預測往往只能依賴模型推估，對防洪、保險、物流、零售、農業與能源調度都可能造成影響。」——Rainbow Weather 團隊在產品發布時如此表示。這段話背後藏著的，是無數因預測失準而付出的現實代價。

表象：一場技術展示的勝利

從公開數據來看，GlobalCast 的 F1 分數 0.51 確實輾壓了 AccuWeather 的 0.39 與 The Weather Company 的 0.34。這不是微小的差距——在氣象預測領域，F1 同時衡量漏報與誤報，數值越高代表越能抓到真實降雨事件，同時避免誤報風暴。換句話說，Rainbow 不只比對手更會「命中」，還更少「亂槍打鳥」。

這背後的技術關鍵在於「直接從衛星影像讀取降雨訊號」。傳統作法得先推估大氣參數、再跑數值模型，層層誤差疊加後，預測往往像隔著毛玻璃看窗外。GlobalCast 的做法則像是拿掉那層玻璃，讓 AI 直接學習衛星影像與實際降雨之間的對應關係。結果就是：一個能覆蓋全球、不依賴地面雷達的即時預測系統。

真相：單次測試的侷限與未竟之路

不過，先別急著把 GlobalCast 捧上神壇。Rainbow 自己也承認，「單一國與單次測試也不能下定論，仍需更多資料交叉驗證。」這句老實話，正好點出了 AI 氣象預測當前的尷尬處境——測試數據漂亮，不等於實戰無往不利。

有趣的是，WeatherIndex.ai 的評比也將 Rainbow 列為短期降水預測表現較佳的系統，顯示這不是孤立的偶然。但 F1 0.51 代表什麼？代表模型仍有一半的改進空間。在極端天氣事件中，那 0.49 的失誤區，可能就是防洪決策的致命缺口。

各方角力：微軟、DeepMind、輝達全員到齊

Rainbow 的出現，只是一場更大競賽的序章。微軟、Google DeepMind 與輝達早已紛紛投入氣候模型開發，這場圍繞即時天氣與大氣智慧的軍備競賽，正在以每個月、甚至每週的速度升溫。

輝達的 Earth-2 計畫試圖以數位孿生模擬整個地球，Google DeepMind 的 GraphCast 在中期預測上展現驚人潛力，微軟則以 AI 強化傳統數值預報。相較之下，Rainbow 的 GlobalCast 專注於「即時 nowcasting」，在短時間預測這條賽道上暫時領先，但誰能保證三個月後不會被超車？

「Rainbow 野心不只降雨預測，下一步計畫是打造 Foundation Nowcast Model，將溫度、風、冰雹、閃電與太陽輻射等資訊納入同套大氣模型，預測延伸至 24 小時。」這意味著他們不滿足於做一個降雨專用工具，而是想成為全方位的大氣預測底層架構。

深層影響：誰需要這套系統？

如果 GlobalCast 真的能穩定運作，受惠的不只是氣象迷。防洪單位可以在暴雨來襲前更精準地部署抽水機；保險業者能根據即時風險調整保費與理賠準備；物流業者避開淹水路段、零售業者調整庫存、農業決策避開降雨窗口、能源調度提前因應水力與太陽能發電的起伏——這些應用場景，每一項背後都是數十億美元的經濟活動。

更深的意義在於，GlobalCast 證明了 AI 可以直接從衛星資料中萃取天氣訊號，不受限於地面雷達網路的覆蓋範圍。對於非洲、東南亞島國、大洋洲等缺乏雷達基礎設施的地區，這套系統可能比傳統氣象機構更實用——而且，它只需要衛星連線和運算資源。

從產業面來看，Rainbow 的突圍點出了兩個趨勢：第一，氣象預測的競爭門檻正在從「硬體部署」轉向「資料處理能力」；第二，F1 分數的領先只是入場券，真正的決勝點在於能否將預測誤差轉化為具體的防災行動指引。對一般人來說，未來打開手機天氣 App 時，你可能不會知道背後是 AccuWeather 還是 Rainbow 的模型，但那個降雨提醒的精準度——尤其是「會不會下雨」這個簡單問題——將直接影響你今天的出門決策。這才是這場競賽最務實的終點。

未解之問

然而，有幾個問題始終縈繞不去。第一，GlobalCast 的訓練資料涵蓋哪些地區？如果訓練資料以歐美衛星影像為主，那麼在東南亞或非洲的表現是否還能維持相同水準？第二，當 Rainbow 將溫度、風、冰雹、閃電與太陽輻射全部納入同一套模型時，模型的複雜度將呈指數成長，屆時 10 分鐘更新一次的即時性是否還能維持？第三，也是最重要的一個問題——當這套系統的預測與官方氣象機構出現分歧時，防災單位該聽誰的？

Rainbow 計畫下一步納入手機與物聯網壓力感測資料，這意味著他們試圖將全球數十億支手機變成微型氣象站。這個構想很迷人，但背後牽涉的資料隱私與裝置品質差異，恐怕比演算法本身更棘手。

這場競賽的真正贏家，不會是 F1 分數最高的那家公司，而是能將預測誤差明確傳達給使用者、並且在極端事件中仍能保持穩定表現的那個系統。在氣候變遷加劇的時代，我們需要的不是完美的預測——因為根本不存在——而是能清楚告訴我們「現在該怎麼做」的決策夥伴。

至於 Rainbow 能否從暫時的榜首，變成真正的產業標準？答案，或許在下一場暴雨來臨時就會揭曉。

面對越來越極端的天氣型態，你是否願意在手機裡裝一套可能比官方預報更準、但偶爾也會出錯的 AI 天氣系統？當預測失準時，你又會選擇相信哪一邊？

本文改寫整理自公開新聞來源，原始報導由科技新報發布。

常見問題 FAQ

Rainbow Weather 的 GlobalCast 與傳統氣象預報差在哪裡？

GlobalCast 直接從衛星影像以 AI 讀取降雨訊號，不依賴地面雷達網路，解析度約 1 公里、每 10 分鐘更新一次，能覆蓋海洋與缺乏雷達的地區；傳統預報則以數值模型推估為主，受限於地面觀測站密度。

F1 分數 0.51 在降雨預測領域代表什麼？

F1 分數同時衡量漏報與誤報，0.51 表示 GlobalCast 在測試中能正確捕捉約五成的降雨事件，同時將誤報控制在較低水準，表現優於 AccuWeather 的 0.39 與 The Weather Company 的 0.34，但仍有近一半的改進空間。

這套系統什麼時候可以在臺灣使用？

目前 GlobalCast 提供全球即時降雨資訊，理論上臺灣已在覆蓋範圍內，但實際在地化驗證與產品化時程尚未公布，建議關注 Rainbow Weather 官方後續發布。

AI 天氣預測會取代中央氣象署嗎？

不會完全取代。AI 模型擅長短時間即時預測（nowcasting），但官方氣象機構仍負責長期預報、颱風路徑、災害示警等綜合性任務，兩者應是互補關係，而非零和競爭。

Rainbow Weather 的 Foundation Nowcast Model 何時推出？

Rainbow 已宣布下一步將打造納入溫度、風、冰雹、閃電與太陽輻射的 Foundation Nowcast Model，預測延伸至 24 小時，但具體上線時程尚未公開。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。