Google DeepMind e Google Research hanno rilasciato il 3 settembre WeatherNext 3, un modello di previsione meteorologica basato sull’intelligenza artificiale che aggiorna le stime ogni ora con una risoluzione globale di 5 chilometri. La versione precedente, WeatherNext 2, lavorava su una griglia da 25 chilometri e si aggiornava ogni sei ore. Il salto è netto sul piano tecnico, ma la vera novità è commerciale: Google entra nel mercato dei dati climatici per il settore energetico.
Il modello prevede la velocità del vento a 100 metri dal suolo, altezza corrispondente a quella delle turbine eoliche moderne, e stima la copertura nuvolosa e la radiazione solare che raggiunge la superficie. Sono dati che trader energetici, gestori di rete e sviluppatori di impianti rinnovabili già acquistano da altri fornitori specializzati. WeatherNext 3 li porta ora sotto l’ombrello dei servizi Google Cloud, accessibili tramite Maps Platform Weather API e BigQuery. I prezzi per l’accesso enterprise non sono stati ancora comunicati.
Uno degli elementi tecnici più rilevanti è il modo in cui il modello si aggiorna. Anziché attendere un dataset completamente nuovo, WeatherNext 3 utilizza le previsioni già disponibili e integra osservazioni satellitari geostatazionarie scattate ogni ora, ottenendo una visione tridimensionale dell’atmosfera in quasi tempo reale. Il risultato è che l’età media dei dati scende da circa sette ore a tre o quattro. Per i mercati elettrici che negoziano energia in intervalli da 15 o 30 minuti, questa compressione dei tempi non è un dettaglio: una massa nuvolosa che transita su un’area ad alta densità di pannelli fotovoltaici può sottrarre alla rete una quantità di potenza paragonabile a quella di un’intera centrale a carbone nel giro di un’ora.
Google dichiara che WeatherNext 3 supera i principali modelli europei sulla precisione delle precipitazioni e sulla previsione del vento, ma queste affermazioni non sono ancora state verificate in modo indipendente. La startup WindBorne sostiene che il proprio modello WeatherMesh 6 incorpora osservazioni dirette da palloni sonda e altre fonti già dalla fine del 2025. Il contesto è quello di un settore in rapida evoluzione: anche la NOAA americana ha adottato modelli AI operativi nel biennio 2025-2026, e la previsione meteorologica tradizionale basata su simulazioni fisiche perde terreno ogni trimestre.
C’è una logica industriale precisa dietro questa mossa. Google ha sottoscritto accordi plurigawatt per l’acquisto di energia rinnovabile destinata ai propri data center, e la crescita del consumo energetico legata all’espansione dell’infrastruttura AI è in parte responsabile della pressione che i gestori di rete stanno cercando di gestire. Prevedere con precisione la produzione di eolico e solare è un vantaggio diretto per chi deve bilanciare grandi volumi di energia pulita su una domanda variabile. Il modello è già integrato in Google Search, Gemini, Maps e Google Earth Engine. Se le performance dichiarate verranno confermate da test indipendenti, WeatherNext 3 potrebbe ridisegnare i rapporti di forza tra i fornitori specializzati di dati meteo e i grandi player tecnologici che finora erano solo clienti.
