매일 아침 우산을 챙길지 말지를 결정하는 것부터 태풍 진로를 예측해 대피 시점을 정하는 것까지, 날씨 정보는 사람들의 크고 작은 결정에 영향을 준다. 2026년 9월 3일, 구글 딥마인드(Google DeepMind)와 구글 리서치는 웨더넥스트3(WeatherNext 3)를 공개하며 이 흐름에 다시 한번 변화를 예고했다. 웨더넥스트3는 실시간 위성 관측 데이터를 직접 학습해 5km 해상도의 예보를 매시간 생성하는 차세대 AI 기상예측 모델로, 독립 평가 기관 브라이트밴드(Brightband)의 라이브 벤치마크에서 현재까지 나온 모델 중 가장 정확하다는 평가를 받았다. 이 글에서는 웨더넥스트3가 이전 모델과 무엇이 다른지, 어떤 기술적 변화가 정확도를 끌어올렸는지, 그리고 구글 생태계와 산업 현장에 어떤 실질적 영향을 줄지 구글 공식 발표와 테크크런치(TechCrunch) 등 전문 매체의 취재 내용을 바탕으로 정리한다.
[toc]
- 웨더넥스트3가 무엇이고 왜 발표됐는지
- 웨더넥스트2와 비교한 핵심 스펙 차이
- 해상도와 예보 주기가 만드는 체감 차이
- 위성 실시간 관측이 바꾸는 예보의 구조
- 기능적 생성 신경망(FGN) 아키텍처의 작동 방식
- 강수 예보 정확도가 도약한 이유
- 재생에너지·농업 등 산업 현장에 미치는 영향
- 구글 검색·지도·제미나이로의 통합 범위
- 마이크로소프트·엔비디아·ECMWF 등 경쟁 모델과의 비교
- 일반 사용자가 체감할 변화와 남은 한계
- 공식 기상 정보와의 관계 및 유의 사항
- 한눈에 보는 핵심 요약
구글이 공개한 새로운 기상예측 AI, 웨더넥스트3란 무엇인가
이 단원에서는 웨더넥스트3가 어떤 배경에서 발표됐고, 이전 세대 모델과 근본적으로 어떻게 다른 접근을 취하는지 살펴본다.
발표 배경과 핵심 개요
구글 딥마인드와 구글 리서치는 2026년 9월 3일 공식 블로그를 통해 웨더넥스트3를 발표했다. 공식 발표문에 따르면 이 모델은 “지금까지 나온 것 중 가장 진보되고 정확한 글로벌 기상 모델”이며, 독립적인 실시간 평가 서비스인 브라이트밴드의 오퍼레이셔널 웨더벤치(Operational WeatherBench)에서 이를 입증했다고 설명한다. 브라이트밴드는 온도, 풍속, 습도 등의 지표를 기준으로 여러 AI·전통 기상 모델의 정확도를 비교하는 독립 평가 플랫폼으로, 웨더넥스트3는 이 리더보드에서 구글·마이크로소프트·엔비디아·유럽중기예보센터(ECMWF)가 만든 다른 딥러닝 모델은 물론 미국 국립기상청(NWS)과 ECMWF의 전통적 물리 기반 예보까지 앞선 것으로 나타났다.
테크크런치와의 인터뷰에서 구글의 시니어 스태프 엔지니어 사미어 머천트(Samier Merchant)는 “이번이 처음으로 (웨더넥스트3의) 핵심 변수들이 구글의 여러 제품을 실제로 구동하게 되는 사례가 될 것”이라고 밝혔다. 이는 웨더넥스트3가 단순한 연구용 모델을 넘어 구글 검색, 지도, 제미나이 앱 등 수십억 명이 매일 사용하는 서비스의 날씨 정보를 실제로 생성하는 엔진으로 쓰인다는 의미다. 딥마인드의 스태프 리서치 사이언티스트 매니저 페란 알레트(Ferran Alet)는 “날씨는 본질적으로 혼란스러운 시스템이라 작은 차이가 크게 증폭된다”며 “머신러닝은 불완전한 정보와 유한한 연산 자원 속에서 근사적이고 노이즈가 섞인 물리 현상을 추정하는 문제를 정면으로 다루고, 방대한 데이터에서 패턴을 학습한다”고 설명했다.
웨더넥스트3라는 이름에서 드러나듯 이 모델은 구글이 이전에 내놓은 웨더넥스트 시리즈의 세 번째 버전이다. 첫 세대 모델부터 이어져 온 목표는 동일하다. 슈퍼컴퓨터로 물리 방정식을 계산하는 전통적 수치예보모델(NWP)보다 더 빠르고, 궁극적으로는 더 정확한 예보를 만드는 것이다. 다만 이번 버전은 단순히 이전 모델을 키운 것이 아니라 학습 데이터의 종류, 예보 생성 빈도, 공간 해상도라는 세 가지 축을 동시에 바꾼 결과물이라는 점에서 이전 두 세대와 결이 다르다.
구글은 이번 발표와 함께 연구용 시각화 도구인 웨더 랩(Weather Lab)도 함께 공개해, 누구나 웨더넥스트3가 실시간으로 만들어내는 예보를 지도 위에서 직접 확인할 수 있도록 했다. 이런 공개 방식은 구글이 과거 웨더넥스트1·2를 발표할 때부터 이어온 전략으로, 연구 성과를 논문으로만 남기지 않고 실제 사용자가 체감할 수 있는 형태로 함께 선보인다는 점에서 일관성이 있다. 다만 이번에는 시각화 도구 공개에 그치지 않고 검색·지도·제미나이 같은 대중 서비스에 곧바로 반영했다는 점에서 이전 두 세대의 발표와 무게감이 다르다.
웨더넥스트2와 무엇이 달라졌나
구글 공식 블로그는 웨더넥스트3가 이전 모델인 웨더넥스트2 대비 “전반적으로 약 5배 더 선명한” 전 지구 기상 그림을 제공한다고 설명한다. 웨더넥스트2는 25km 격자 위에서 6시간 간격으로 예보를 생성했지만, 웨더넥스트3는 변수에 따라 5km에서 25km 사이의 해상도로 매시간 예보를 만들어낸다. 테크크런치 취재에 따르면 웨더넥스트3는 파라미터 수 기준으로 웨더넥스트2보다 2.4배 더 큰 모델이며, 디코더 헤드가 산출하는 목표값도 더 세밀하게 튜닝됐다.
구조적으로 가장 큰 차이는 학습 데이터의 성격이다. 웨더넥스트2를 포함해 대부분의 AI 기상 모델은 NWP 모델이 계산한 결과물을 학습 데이터로 사용해왔다. 이 방식은 유용하지만, NWP 모델 자체가 슈퍼컴퓨터 기반의 복잡한 물리 시뮬레이션이라 결과가 나오기까지 약 6시간의 지연이 발생한다는 한계가 있다. 웨더넥스트3는 이 지연을 우회하기 위해 실시간 위성 관측 데이터를 직접 학습하도록 설계됐다. 이 변화 하나만으로도 강수량이나 지표 온도처럼 빠르게 변하는 변수에서 발생하던 편향을 상당 부분 줄일 수 있었다고 구글은 설명한다.
또한 웨더넥스트3는 특정 기상 관측소를 직접 예측 대상으로 삼도록 훈련됐다는 점도 새롭다. 브라이트밴드의 대기과학자 다니엘 로텐버그(Daniel Rothenberg)는 테크크런치에 “AI를 다양한 분야에 적용할 때의 핵심 아이디어는 작업을 최대한 엔드투엔드로 만드는 것”이라며 “이번 모델이 예를 들어 덴버 공항의 관측소가 시간별로 무엇을 측정할지까지 예측하게 만든 것은, 예보 작업을 핵심 현장에 더 가깝게 연결한 것”이라고 평가했다. 이는 예보의 정확도를 실제 관측값과 직접 대조해 검증할 수 있다는 의미이기도 하다.
해상도와 갱신 주기가 만드는 체감 차이
이 단원은 웨더넥스트3의 해상도와 예보 갱신 주기가 구체적으로 어떤 수치로 개선됐는지, 그리고 그 수치가 실생활에서 어떤 의미를 갖는지를 다룬다.
5km·10km·25km로 나뉜 변수별 해상도
웨더넥스트3의 가장 큰 특징은 변수마다 해상도를 차등 적용한다는 점이다. 구글 공식 발표에 따르면 온도, 습도 등 핵심 지표 변수는 5km(0.05도) 해상도로, 그 밖의 지표 변수는 10km(0.1도) 해상도로, 풍속 등 대기 변수는 25km 해상도로 시각화된다. 반면 웨더넥스트2는 모든 변수를 동일하게 25km(0.25도) 격자 위에서 다뤘다. 단순 비교하면 핵심 변수 기준으로 해상도가 최대 5배 촘촘해진 셈이다.
공식 블로그가 공개한 영국 지역 2미터 지표온도 예보 비교 이미지를 보면 차이가 분명하게 드러난다. 웨더넥스트2의 25km 해상도 결과물은 지형의 굴곡을 뭉뚱그려 표현하는 반면, 웨더넥스트3의 5km 해상도 결과물은 해안선과 산악 지형처럼 좁은 지역에서 급격히 변하는 온도 분포까지 잡아낸다. 구글은 이런 세밀함이 “픽셀화되고 지나치게 평탄화된 열 분포 표현”을 방지한다고 설명했다.
이 차이는 숫자상의 개선을 넘어 실제 의사결정의 질을 바꾼다. 해안가나 계곡, 산악 지역처럼 몇 킬로미터 안에서 기온과 습도가 급격히 바뀌는 지역에서는 기존의 25km 격자 예보가 그 변화를 놓치기 쉬웠다. 웨더넥스트3는 이런 지역 특유의 지형 정보를 반영해 예보를 만들기 때문에, 같은 도시 안에서도 지역별로 다른 체감 날씨를 더 정확히 구분해낼 수 있다.
6시간에서 1시간으로 좁아진 예보 간격
해상도 못지않게 중요한 변화는 예보가 생성되는 빈도다. 웨더넥스트2는 6시간마다 한 번씩 새로운 예보를 내놓았지만, 웨더넥스트3는 매시간 새로운 예보를 생성한다. 이는 실시간 위성 데이터를 지속적으로 흡수할 수 있게 되면서 가능해진 변화로, 구글은 “폭풍, 전선, 강수 시스템이 갑자기 발달할 때 더 빠르고 세밀한 통찰을 제공해 효과적인 대응을 돕는다”고 설명한다.
테크크런치도 이 부분을 핵심 개선점 중 하나로 짚었다. 취재에 따르면 웨더넥스트3는 실시간으로 수집되는 기상 위성 데이터를 시간 단위로 흡수할 수 있기 때문에 예보를 더 자주 생성할 수 있다. 구글은 웨더넥스트3가 “고해상도 전 지구 예보를 위해 원시 관측 데이터를 직접 통합하는 최초의” AI 모델이라고 밝혔는데, 이에 대해 경쟁 스타트업 윈드본(WindBorne)은 자사의 웨더메시6(WeatherMesh 6) 모델이 이미 2025년 말부터 기상 관측 기구 등에서 수집한 원시 관측치를 반영해왔다고 반박했다. 구글 측은 이에 대해 자사 모델이 전 지구적으로 더 높은 해상도를 제공한다는 점을 차별점으로 제시했다.
매시간 갱신되는 예보는 특히 빠르게 발달하는 국지성 호우나 돌풍처럼 짧은 시간 안에 상황이 급변하는 기상 현상에서 실질적인 체감 차이를 만든다. 6시간 단위로만 갱신되던 기존 예보로는 오전에 확인한 정보가 오후 상황과 크게 어긋날 수 있었지만, 매시간 갱신되는 구조에서는 사용자가 확인하는 시점에 가장 가까운 관측치가 반영된 예보를 받아볼 수 있다.
위성 실시간 관측이 바꾸는 예보의 근본 구조
이 단원에서는 웨더넥스트3를 지탱하는 기술적 아키텍처, 특히 기존 수치예보모델과의 근본적인 차이를 조금 더 깊이 들여다본다.
기존 수치예보모델의 한계와 6시간의 지연
대부분의 정부 기상 기관은 슈퍼컴퓨터로 물리 방정식을 계산하는 수치예보모델(NWP)에 의존해왔다. 이 방식은 오랜 기간 검증돼 왔고 정확도도 상당히 높였지만, 계산 비용이 크고 상대적으로 느리다는 단점이 있다. 2018년 ECMWF가 반세기 넘게 쌓아온 기상 데이터를 공개한 뒤로 딥러닝 연구자들이 이 데이터를 학습해 NWP와 비슷한 정확도를 훨씬 빠르게 내는 모델을 만들기 시작했고, 이후 AI 기상 모델 경쟁이 본격화됐다.
다만 웨더넥스트2를 포함한 1·2세대 AI 모델 대부분은 여전히 NWP 결과물을 학습 데이터로 삼았기 때문에, NWP 특유의 6시간 지연을 그대로 물려받았다. 즉 AI 모델이 아무리 빠르게 추론하더라도, 그 추론의 재료가 되는 데이터 자체가 6시간 전 상황을 반영한다는 근본적 한계가 있었던 셈이다. 웨더넥스트3는 이 지점을 정면으로 겨냥해, NWP의 가공된 결과물이 아니라 위성이 실시간으로 수집하는 원시 관측치를 직접 학습에 사용하는 방향으로 설계를 바꿨다.
구글은 이렇게 실시간 지구정지궤도 위성 모자이크 데이터를 지속적으로 흡수함으로써 대기 상태에 대한 “풍부하고 끊임없이 갱신되는 시야”를 확보했다고 설명한다. 이 방식 덕분에 매시간 새로운 관측치를 기반으로 한 예보를 생성할 수 있게 됐고, 이는 곧 예보가 항상 가장 최근의 실제 관측 데이터에 뿌리를 두고 있다는 뜻이기도 하다.
기능적 생성 신경망(FGN)과 관측소 데이터 학습
구글이 공개한 기술 논문(arXiv 2609.03582)에 따르면 웨더넥스트3는 실시간 1시간 단위 지구정지궤도 위성 모자이크 데이터와 기존의 과거 분석 데이터를 함께 입력받아, 단일한 유연한 구조의 기능적 생성 신경망(Functional Generative Network, FGN) 메시 트랜스포머로 처리한다. 이 모델은 촘촘한 격자 형태의 결과물뿐 아니라 태풍 경로 같은 이산적인 궤적, 그리고 관측소 단위의 희소한 좌표 예측까지 하나의 구조 안에서 동시에 산출하도록 설계됐다.
또 하나 중요한 변화는 온도나 습도처럼 불과 몇 킬로미터 사이에서도 크게 요동칠 수 있는 변수를 다루는 방식이다. 해안, 계곡, 산악 지역 인근에서는 기존 모델들이 대기 상태를 뭉뚱그려 표현하는 탓에 이런 극단적인 지역 편차를 놓치기 쉬웠다. 웨더넥스트3는 이를 보완하기 위해 희소한 기상 관측소 관측 데이터에 직접 학습하도록 설계됐고, 그 결과 지형적 세부 사항을 반영한 5km 격자의 전 지구 예보가 가능해졌다.
구글은 이 접근이 특히 라틴아메리카, 아프리카, 아시아·태평양 지역처럼 전통적인 지역 모델이 요구하는 막대한 슈퍼컴퓨팅 비용 때문에 그동안 고해상도 예보에서 소외돼 온 지역에 중요하다고 강조했다. 실시간 위성 관측을 기반으로 하면 별도의 지역 슈퍼컴퓨터 인프라 없이도 전 지구 어디서나 동일한 수준의 세밀한 예보를 만들 수 있기 때문이다.
강수 예보 정확도의 도약
이 단원은 AI 기상 모델이 가장 취약했던 영역인 강수 예보에서 웨더넥스트3가 어떤 개선을 보였는지를 구체적인 수치로 다룬다.
NASA IMERG와 위성 레이더 기반 학습 데이터
전 지구 기상 모델은 오랫동안 강수량 예측에서 유독 약한 모습을 보여왔다. 비나 눈을 만드는 구름 물리 과정은 매우 작은 규모에서 빠르게 움직이기 때문에 전통적인 물리 기반 시뮬레이션으로 정확히 모델링하기 어렵고, 그 결과 AI 예보 역시 강수 경계를 흐릿하게 표현하거나 강한 폭풍우의 경계를 아예 놓치는 경우가 많았다.
이 문제를 풀기 위해 구글은 두 가지 고품질 강수 데이터를 학습에 사용했다. 하나는 NASA의 위성 기반 강수 산출물인 IMERG(Integrated Multi-satellite Retrievals for GPM)이고, 다른 하나는 위성 레이더를 기반으로 구글이 자체 구축한 전 지구 강수 재분석 데이터다. 두 데이터 모두 실제 관측에 가까운 강수 패턴을 담고 있어, 모델이 실제 구름 시스템의 경계를 더 날카롭게 학습할 수 있게 해준다.
공식 블로그가 공개한 중기 강수확률(1mm 초과) 예보 비교 이미지에서도 이 차이가 뚜렷하다. 25km 해상도의 웨더넥스트2 결과물은 강수 영역이 넓게 퍼지고 흐릿하게 표현되는 반면, 11km 해상도의 웨더넥스트3 결과물은 실제 위성 관측 값과 거의 유사하게 대류성 강수대의 날카로운 경계까지 포착해낸다.
CRPS 개선폭이 의미하는 것
정확도는 구체적인 통계 지표로도 확인된다. 구글 공식 발표에 따르면 중기 전 지구 예보 평가에서 웨더넥스트3는 연속순위확률점수(CRPS) 기준으로 IMERG 대비 최대 60%, MRMS 대비 30%, 그리고 짧은 예보 시간대에서는 강우계 실측 대비 10% 개선된 결과를 보였다. CRPS는 예보 확률 분포가 실제 관측값과 얼마나 가까운지를 나타내는 지표로, 수치가 낮을수록(개선율이 높을수록) 예보의 신뢰도가 높다는 뜻이다.
테크크런치 취재에서도 연구진은 “강수 관련 평가에서 웨더넥스트2 대비 60% 개선됐다”고 확인했다. 또한 구글은 하루 이상 앞선 시점을 예보할 때 강수 정확도가 최대 50% 향상됐다고 밝혔으며, 특히 그동안 예보 신뢰도가 낮았던 지역에서 개선폭이 가장 크게 나타났다고 설명했다. 이는 주말 나들이를 계획하거나 야외 행사를 준비할 때, 하루 이틀 앞서 확인하는 예보의 신뢰도가 실질적으로 높아졌다는 뜻이다.
다만 구글은 공식 발표문 말미에 “대기는 언제나 어느 정도의 예측 불가능성을 지닌다”는 점도 분명히 했다. 실시간 관측을 학습하고 전통적 모델링의 제약을 우회한다고 해서 날씨 예측이 완전해지는 것은 아니라는 뜻이다. 공식 기상 경보나 공공 안전 안내는 여전히 각국 기상 당국의 발표를 우선해야 한다는 문구도 함께 명시돼 있다.
재생에너지·산업 현장에 미치는 영향
이 단원은 웨더넥스트3가 개인 사용자를 넘어 재생에너지 산업과 저해상도 사각지대 지역에 어떤 실질적 가치를 제공하는지를 다룬다.
풍력·태양광을 위한 신규 예보 변수
웨더넥스트3에는 이전 모델에 없던 재생에너지 특화 변수가 새로 추가됐다. 구글에 따르면 이 모델은 풍력 터빈 높이에 가까운 지상 100미터 지점의 풍속을 예측해 정밀한 풍력 발전량 산정을 돕고, 동시에 고해상도 구름량과 태양광 복사량 데이터를 제공해 태양광 발전소가 지상에 도달하는 일사량을 미리 추정할 수 있게 한다.
이 데이터는 전력망 운영자와 재생에너지 개발자에게 실질적인 가치를 지닌다. 태양광·풍력 발전은 날씨에 따라 발전량이 크게 출렁이는 특성 때문에 전력 수급 계획을 세우기 까다로운 에너지원으로 꼽혀왔다. 풍속·구름량·일사량을 시간 단위로 정밀하게 예측할 수 있다면, 운영자는 청정에너지 자산이 얼마나 발전할지를 미리 계산해 소비자 수요와 맞출 수 있다. 딥마인드의 알레트 연구원은 “고해상도의 풍속, 강수, 구름량 예보는 재생에너지 프로젝트를 더 신뢰할 수 있게 만드는 데 유용할 것”이라고 밝혔다.
재생에너지 예보의 정밀도는 곧 발전 사업자의 수익성과도 직결된다. 발전량을 부정확하게 예측하면 전력 도매 시장에서 예비 전력을 추가로 확보하거나 위약금을 부담해야 하는 경우가 생기는데, 시간 단위로 갱신되는 고해상도 예보는 이런 불확실성을 줄여 재생에너지 투자 결정 자체를 더 안정적으로 만드는 효과가 있다.
개발도상국과 저해상도 사각지대의 변화
구글은 웨더넥스트3의 접근 방식이 라틴아메리카, 아프리카, 아시아·태평양 지역처럼 전통적으로 고해상도 예보의 혜택을 받지 못했던 지역에 특히 중요하다고 강조한다. 지역 단위의 물리 기반 기상 모델을 운영하려면 막대한 슈퍼컴퓨팅 인프라가 필요한데, 이런 인프라를 갖추지 못한 국가와 지역은 그동안 상대적으로 거친 해상도의 예보에 의존할 수밖에 없었다.
웨더넥스트3는 전 지구 단위로 동일한 위성 관측 데이터를 학습하기 때문에, 별도의 지역 슈퍼컴퓨터 없이도 전 세계 어디서나 5km급 해상도의 예보를 제공할 수 있다. 구글은 이를 통해 수십억 명의 사람들과 현지 기업들에게 지역 맞춤형 고정밀 예보를 제공할 수 있다고 밝혔다. 마이크로소프트 공동창업자 빌 게이츠는 최근 개인 블로그를 통해 AI 기반 기상예측이 개발도상국의 작물 수확량을 개선하는 핵심 기술이 될 수 있다고 언급하기도 했다.
농업 현장에서 정확한 강수·기온 예보는 파종 시기와 관개 계획을 좌우하는 핵심 정보다. 그동안 고해상도 예보가 닿지 않던 지역의 농가와 지자체가 시간 단위로 갱신되는 5km급 예보에 접근할 수 있게 된다면, 가뭄이나 집중호우 같은 위험 기상에 대한 대응 시점을 앞당길 수 있는 여지가 생긴다. 이는 웨더넥스트3가 단순한 소비자 편의 기능을 넘어 기후 취약 지역의 회복력을 높이는 인프라로도 기능할 수 있음을 시사한다.
구글 생태계 전반에 통합되는 웨더넥스트3
이 단원은 웨더넥스트3가 실제로 어떤 제품과 서비스에 반영되는지, 그리고 경쟁 모델들과 비교했을 때 어떤 위치에 있는지를 정리한다.
검색·지도·제미나이·클라우드로의 확산
구글은 웨더넥스트3를 발표 당일부터 구글 검색, 제미나이 앱, 구글 지도, 구글 지도 플랫폼 날씨 API, 구글 어스 엔진 등 자사 핵심 제품 전반에 순차적으로 적용하기 시작했다고 밝혔다. 연구자와 개발자, 기업은 별도의 모델 설정 없이 빅쿼리(BigQuery)와 어스 엔진에서 이 데이터를 조회하거나 구글 클라우드 스토리지에서 대량으로 내려받아 활용할 수 있으며, 구글 개발자 문서에서 구체적인 연동 방법과 벤치마크 자료도 함께 공개됐다.
구글이 밝힌 목표는 명확하다. 갑작스러운 풍향 변화를 추적하는 재난 대응 인력부터 비행 경로를 계획하는 항공 관제사, 작물을 관리하는 농민까지 다양한 사용자에게 기상 인텔리전스를 실질적으로 유용하게 만드는 것이다. 알레트 연구원은 “결국 구글은 사용자에게 유용한 정보를 제공하는 것이 핵심이고, 사용자들이 찾는 정보의 상당 부분은 어떤 형태로든 날씨와 관련이 있다”고 말했다.
이런 흐름은 구글이 최근 공개해온 다른 AI 모델들의 방향과도 맞닿아 있다. 예컨대 앞서 다룬 제미나이 3.5 트랜스크라이브가 음성인식 오류율을 낮춰 실제 제품 품질을 끌어올렸던 것처럼, 그리고 제미나이 3.7 플래시가 코딩 벤치마크에서 이전 버전 대비 개선을 보였던 것처럼, 웨더넥스트3 역시 연구 성과를 곧바로 대규모 실사용 제품에 이식하는 구글의 전형적인 전략을 보여준다. 이런 식으로 연구 모델을 빠르게 상용화하는 흐름은 구글뿐 아니라 업계 전반의 경쟁 구도에도 영향을 준다.
경쟁 모델과의 비교 — 마이크로소프트·엔비디아·ECMWF·윈드본
AI 기상 모델 경쟁은 구글만의 무대가 아니다. 브라이트밴드의 오퍼레이셔널 웨더벤치에는 구글 외에도 마이크로소프트, 엔비디아, ECMWF가 만든 딥러닝 기반 모델들이 함께 순위를 겨루고 있으며, 웨더넥스트3는 이 모델들과 전통적 물리 기반 예보를 모두 제치고 상위권에 올랐다. 테크크런치는 이를 “딥러닝 기법이 불러온 기상학의 거대한 변화의 최신 물결”이라고 표현했다.
동시에 경쟁은 협력사에게도 자극이 되고 있다. 예를 들어 AI 인프라 투자 경쟁이 치열해지는 가운데 메타가 자체 학습칩 MTIA 300을 공개하며 하드웨어 자립도를 높이려 한 사례처럼, 날씨 예보 영역에서도 구글에 맞서는 스타트업들이 등장하고 있다. 대표적으로 윈드본은 자체 기상 관측 기구 함대에서 수집한 원시 관측치를 활용하는 웨더메시6 모델을 2025년 말부터 운영해 왔다고 주장하며, 구글의 “최초” 표현에 이의를 제기했다.
구글은 이에 대해 자사 모델이 전 지구 규모에서 더 높은 해상도를 제공한다는 점을 차별점으로 내세웠다. 다만 테크크런치는 두 회사의 모델 모두 여전히 각국 정부가 제공하는 기상 데이터셋에 상당 부분 의존하고 있어, 완전한 의미의 직접 데이터 동화(data assimilation)에는 앞으로도 더 많은 연구가 필요하다고 지적했다. 이는 AI 기상 모델 경쟁이 아직 완결된 것이 아니라 계속 진화하는 과정에 있음을 보여준다.
실제로 무엇이 달라지는가 — 사용자와 산업의 체감 변화
이 단원에서는 웨더넥스트3가 일반 사용자의 일상과 산업 현장에 실제로 어떤 변화를 가져올지, 그리고 이 기술이 아직 해결하지 못한 한계는 무엇인지를 짚는다.
개인 사용자의 일상 변화
가장 직접적인 변화는 구글 검색이나 지도, 제미나이 앱에서 확인하는 날씨 정보 자체가 더 촘촘하고 자주 갱신된다는 점이다. 주말 야외 활동을 계획하거나 여행지의 날씨를 하루 이틀 앞서 확인할 때, 웨더넥스트3가 반영된 예보는 이전보다 더 신뢰도 높은 강수 확률과 지역별 기온 차이를 보여준다. 구글은 공식 블로그에서 “주말여행을 위해 짐을 싸거나 야외 활동을 하기 좋은 날을 고를 때, 이제 더 정확한 예측을 바탕으로 계획할 수 있게 됐다”고 설명했다.
매시간 갱신, 5km 해상도, 강수 정확도 최대 50~60% 개선이라는 세 가지 수치는 이번 업데이트를 요약하는 핵심 지표다. 다만 이 개선이 모든 사람에게 동일한 크기로 체감되는 것은 아니다. 구글 스스로 밝혔듯 개선폭은 그동안 예보 신뢰도가 낮았던 지역에서 가장 크게 나타나며, 이미 촘촘한 지역 기상 인프라를 갖춘 선진국 대도시에서는 상대적으로 개선 체감도가 적을 수 있다.
기업과 개발자 입장에서는 빅쿼리와 어스 엔진을 통한 데이터 접근성 확대도 중요한 변화다. 별도의 모델 구축이나 인프라 투자 없이 구글 클라우드에서 곧바로 고해상도 예보 데이터를 조회할 수 있다는 점은, 물류·보험·농업 등 날씨 데이터를 활용하는 다양한 산업에서 진입장벽을 낮추는 효과로 이어질 수 있다.
구체적인 상황을 가정해보면 변화가 더 분명해진다. 예를 들어 주말에 등산이나 캠핑을 계획하는 사용자가 목요일 저녁에 날씨를 확인한다고 하자. 기존의 6시간 단위 예보라면 실제 등산 시점인 토요일 오전까지 예보가 여러 차례 갱신되지 않은 채로 남아 있을 가능성이 있었지만, 매시간 갱신되는 웨더넥스트3 기반 예보는 금요일 밤사이 변화한 기압골이나 강수 확률까지 반영해 출발 직전까지 더 신선한 정보를 제공한다. 물류 기업이라면 배송 트럭의 경로를 짜는 과정에서 국지적 폭우나 강풍 구간을 시간 단위로 피해가는 식으로 활용할 수 있고, 보험사는 태풍이나 우박 피해가 예상되는 지역을 더 세밀하게 특정해 사전 경보를 보낼 수 있다. 이처럼 해상도와 갱신 주기의 개선은 소비자 서비스뿐 아니라 산업 전반의 의사결정 방식 자체를 바꿀 잠재력을 지닌다.
남은 한계와 기상청 등 공식 정보의 역할
웨더넥스트3가 여러 지표에서 기존 모델을 앞섰다고 해서 날씨 예측의 근본적인 불확실성이 사라지는 것은 아니다. 구글 스스로도 공식 발표문에서 “대기는 언제나 어느 정도의 예측 불가능성을 지닌다”고 명시했으며, 공식 기상 경보나 재난 대응과 관련된 안내는 각국의 기상 당국과 국가 기상 서비스를 따라야 한다는 문구를 별도로 덧붙였다.
또한 구글의 “최초” 주장에 대해 윈드본 같은 경쟁사가 이의를 제기한 사례에서 볼 수 있듯, 이 분야의 기술 우위는 고정된 것이 아니라 계속 뒤바뀌는 경쟁 구도 안에 있다. 두 모델 모두 여전히 정부 기상 데이터셋에 의존하는 부분이 남아 있다는 테크크런치의 지적처럼, 완전한 실시간 관측 기반 예보로 나아가기까지는 추가적인 연구와 검증이 필요하다.
이 글은 일반적인 기술 동향 정보 제공을 목적으로 하며, 실제 기상특보·재난 대비·안전과 관련된 판단은 반드시 기상청 등 각국 공식 기상 당국의 발표를 우선 확인해야 한다.
한눈에 보는 핵심 요약
지금까지 살펴본 웨더넥스트3의 핵심 내용을 다음과 같이 정리할 수 있다.
- 발표일: 2026년 9월 3일, 구글 딥마인드·구글 리서치 공동 발표
- 해상도: 핵심 변수 5km, 기타 지표 변수 10km, 대기 변수(풍속) 25km — 웨더넥스트2 대비 최대 5배 향상
- 예보 주기: 6시간 간격에서 매시간 간격으로 단축
- 학습 데이터: NWP 결과물 대신 실시간 지구정지궤도 위성 모자이크 + NASA IMERG + 자체 강수 레이더 재분석 데이터 활용
- 강수 정확도: CRPS 기준 IMERG 대비 최대 60%, MRMS 대비 30% 개선, 하루 이상 선행 예보 정확도 최대 50% 향상
- 신규 기능: 지상 100m 풍속, 구름량, 일사량 등 재생에너지 특화 변수 제공
- 적용 범위: 구글 검색, 제미나이 앱, 구글 지도, 지도 플랫폼 날씨 API, 어스 엔진, 빅쿼리, 클라우드 스토리지
- 독립 평가: 브라이트밴드 오퍼레이셔널 웨더벤치에서 구글·마이크로소프트·엔비디아·ECMWF 모델 및 전통 예보 기관을 상회
- 유의점: 공식 기상 경보·안전 정보는 각국 기상 당국 발표가 우선
결국 웨더넥스트3가 보여주는 방향은 명확하다. 더 많은 실시간 데이터를 더 빠르게 흡수해, 더 좁은 지역 단위로, 더 자주 예보를 갱신하는 쪽으로 AI 기상예측 기술이 이동하고 있다는 것이다. 구글이 이번 모델을 검색과 지도, 제미나이 같은 대중적 서비스에 곧바로 이식한 만큼, 앞으로 몇 달 안에 이 변화는 실험실 밖에서 훨씬 더 많은 사람들의 일상적인 날씨 확인 경험을 통해 체감될 가능성이 크다.