Google、エネルギー市場向け気象予測 AI「WeatherNext 3」を公開

Google の最新 AI 気象予測モデル「WeatherNext 3」は、地上から約 100 メートルの高度（現代の風力タービンの高さ）における風速を予測します。また、雲の量や地表に届く太陽光の量も予測し、更新頻度は 1 時間ごとです。エネルギー取引業者、送電網運営者、風力・太陽光発電事業者は従来から他社からこうしたデータを購入していました。しかし、WeatherNext 3 の登場により、Google がこの市場に参入しました。

Google DeepMind と Google Research は 9 月 3 日、このモデルを公開しました。地表の気温や湿度などの変数について、最大 5 キロメートル解像度で全球予測を 1 時間ごとに生成します。前バージョンの WeatherNext 2 は 25 キロメートルグリッドで、6 時間ごとの更新でした。Google によると、新機能のエネルギー関連変数は、送電網運営者や開発者が風力・太陽光発電設備の発電量を予測し、需要とマッチングさせるのを支援するために用意されたものです。

今回の発表では消費者向け機能が注目されがちですが、実は企業向けの層の方が商業的には重要です。WeatherNext 3 は Google Search の天気結果、Gemini アプリ、Google Maps、および Google Maps Platform の Weather API で稼働しています。その背後には、BigQuery や Earth Engine で同様の予測データを照会したり、Google Cloud Storage から一括ダウンロードしたりできるエンタープライズ層があります。顧客がモデルのセットアップを行う必要はありません。

なぜエネルギー業界が AI 気象予測を購入するのか

送電網の運用者は、両端で予測が難しくなるシステムを運営しています。発電側では、再生可能エネルギーが新規設備の大部分を占めるようになりました。S&P Global Market Intelligence の「2026 年米国送電網展望」によると、今年の新規設備計画 90GW 超のうち、太陽光とエネルギー貯蔵装置がそれぞれ 51.2GW と 25.7GW で主要な電源になると予測されています。

太陽光や風力は需要に応じて発電するのではなく天候に依存するため、1GW ごとに追加される容量は短期予測の精度を高める要因となります。

消費側では、新たな負荷が AI から生まれています。S&P Global は、北米各地にデータセンターが広がることが電力需要の急増を牽引する主要因と指摘し、電力会社には負荷予測の上方修正を迫っています。Deloitte の「2026 年電力・Utility 業界展望」では、2035 年までにピーク需要が約 26% 成長すると予測されており、データセンター単独での需要は 2024 年の水準の 5 倍となる 176GW に達する可能性もあります。

予報を誤ることのコストは明白です。運用者が風力発電の到達量を過小評価した場合、即座に代替電力を購入する必要が生じますが、通常は高価な待機状態にあるガスプラントから調達することになります。逆に過大評価すれば、送電網が受け入れられないため風力や太陽光発電所に対して停止を要請し、その分を支払う事態になります。どちらのケースも多額の費用がかかり、どちらも予報の失敗によるものです。

Google が参入する市場

気象予報をエネルギー業界へ販売するビジネスは確立されています。ヴァイサライア（Vaisala）、ソルキャスト（Solcast）、DNV の WindGEMINI、IBM の HyperWatch などがこの分野で競合しています。また、スイスの企業である Jua も参入しており、同社は自社の EPT-2 モデルが Microsoft の Aurora や DeepMind の GraphCast よりも精度に優れ、1 日あたり 24 回更新される（競合他社では通常 1 日に 4 回程度）と主張しています。

Google の強みは圧倒的な到達範囲にあります。同様の予報データは、BigQuery 内の表として、Earth Engine のレイヤーとして、Google Maps Platform の API として提供され、さらに Google Search ではデフォルトの回答としても表示されます。こうした広範な展開を実現できる専門ベンダーはいませんし、1 時間ごとの更新頻度によって、他社が差別化のために利用してきた「更新頻度の格差」も埋められます。

既存事業者には、技術的な反論しか残されていません。Jua が公表している立場では、ECMWF の HRES に代表されるような物理ベースのモデルは、記録的な異常気象の際でも純粋なデータ駆動型 AI モデルよりも優れているとされています。その理由は、物理モデルがエネルギーや質量が大気中をどのように移動するかというルールを組み込んでいる一方、AI モデルは過去のデータからパターンを学習するだけだからです。

Jua は物理制約付きの製品を販売しているため、この主張は自社の利益にかなうものです。また、これはグリッド運用者が最も懸念する状況、つまりモデルがトレーニングで見たことのない嵐が発生した場合の条件も示しています。

何が新しく、何が過剰に宣伝されているのか

imageWeatherNext 3 システムのアーキテクチャ。衛星モザイクと分析入力からグリッド予測、観測データ、サイクロンの軌道が生成される様子を示す。写真は Google のブログより。

WeatherNext 3 の技術的根幹は、シミュレーションではなく実測データから学習する点にあります。WeatherNext 2 を含む多くの AI 気象モデルは、数値天気予報モデルの出力データを訓練に用いています。これらはスーパーコンピュータで駆動される物理シミュレーションですが、6 時間のデータ遅延を伴います。この遅延により、降雨や地表温度といった急速に変化する変数にバイアスが生じる可能性があります。一方、WeatherNext 3 は静止衛星からの生画像を取り込み、個別の気象観測所の読み取り値を直接学習対象とします。

この変化は確かに存在しますが、報道が示唆するほど劇的なものではありません。Google 自身のシステム図では、モデルが従来の歴史的解析データとともに、1 時間ごとの衛星モザイク画像を取り込んでいることが確認できます。DeepMind のシニアリサーチサイエンティストであるイラン・プライスはブルームバーグに対し、次の分析を待つのではなく、利用可能な最新情報を用いることで性能向上が図られたと説明しています。

報道によると、残存するデータ遅延は約 7 時間から 3〜4 時間に短縮されました。数値天気予報への依存度は低下しましたが、完全に排除されたわけではありません。

精度の数値にも同様の注意が必要です。Google は、確率予報の標準的な評価指標を用いて測定した結果、NASA の IMERG 衛星データに対して最大 60%、MRMS レーダーに対して最大 30%、雨量計観測に対しては初期予測段階で最大 10% の改善を報告しています。これらはそれぞれ独立した比較対象であり、これらの数値を単純に足し合わせることはできません。「降水予報が 50% 向上した」という広く流布している主張は、具体的には 1 日以上先の予報に関するものです。すべての数値には「最大で（up to）」という条件が付されており、これは典型的な結果ではなく最良の場合を示すものなのです。

Google は今回の発表に際し、独立した第三者による検証データを公開していません。その代わりに、自社の WeatherNext 3 が過去最高の精度を持つグローバル気象モデルであると主張する根拠として、Brightband のライブ評価結果とそのリーダーボードを挙げています。しかし、有料の専門サービスから切り替えを検討している電力会社にとって重要なのは、グローバルなランキング順位よりも、自社の供給区域や資産における実際の性能です。

Google 自身の関与

Google は、業界が自ら作り出したグリッドの問題に対して予測ツールを提供しています。電力会社が対応に苦慮する需要増を牽引しているのはデータセンターの建設であり、その中心には Google を含む大手クラウド事業者（ハイパースケラー）が存在します。Google は自らの施設への供給のために、すでに数ギガワット規模の再生可能エネルギー調達契約を結んでいます。

風力や太陽光の発電量を正確に予測することは、成長し変動する需要に対して大量のクリーンエネルギーを供給する企業にとって直接的な価値を持ちます。これは明確な商業的論理であり、今回のリリースでエネルギー関連の変数が重視された背景の一部を説明しています。

Google は、Enterprise 向けアクセス料金の詳細や、BigQuery や Earth Engine のデータ利用が標準的な Cloud クエリ料金に含まれるのか、それとも別途ライセンスが必要なのかについては発表していません。有料の専門サービスから移行を検討している電力会社などは、精度に関する主張を評価する前に、まず価格情報を確認する必要があります。

2025 年までに、同社の企業金融・投資銀行部門では 65,000 人以上が積極的にプラットフォームを利用し、エンジニアの 90% 以上が AI コーディングアシスタントを活用していました。

また、AI を活用した取引スクリーニングにより、処理可能な取引件数は前回の倍以上に増加し、一方で手動によるオペレーターチェックは半分まで削減されたとのことです。

Bank of America では、18,000 人以上のカスタマーサービス担当者が生成 AI 搭載システム「EricaAssist」を利用しています。このツールは顧客の問い合わせ理由を要約し、関連情報を取得して次のステップを提案しますが、最終的な対応責任は担当者に残ります。

Bank of America は 2026 年 7 月、EricaAssist が 3 秒以内に対話文脈に応じたガイダンスを提供でき、平均通話時間を約 1 分短縮したと発表しました。同社は 2026 年後半に、このシステムを追加のサービスシナリオや事業ラインへ拡大する計画です。

（写真提供：Google）

関連記事：MIT の AI が過去のデータなしに極端な天候を予測

業界のリーダーから AI とビッグデータについてさらに学びたい方は、アムステルダム、カリフォルニア、ロンドンで開催される「AI & Big Data Expo」をチェックしてください。この包括的なイベントは TechEx の一部であり、他の主要なテクノロジーイベントと併催されています。詳細はこちらをクリック。