今天，由初创公司Windborne Systems发布的新的AI天气预测工具比欧洲政府开发的世界领先系统提供了更频繁和准确的关键变量预测，这得益于传感器读取数据输入深度学习模型的进展。Windborne成立于2019年，由一群斯坦福学生创建，最初的目标是制造更好的气象气球，旨在销售天气数据。但在2022年天气预测深度学习模型问世后，团队意识到通过构建自己的模型可以捕获更多价值。今天标志着该模型第六版WeatherMesh的发布，公司表示该模型的准确性超越了欧洲中期天气预测中心（ECMWF）所产生的传统和AI预测，后者被气象学家视为当今准确天气预测的领先提供者。Windborne表示，其模型的新版本在多个变量上提供的预测比ECMWF的传统和AI系统更为准确。Windborne的首席产品官Kai Marshland表示，理解这一点的一个简单方法是，WeatherMesh 6“在五天后的准确度与传统预测在前一天的准确度相当”，尤其是在地表温度测量上。WeatherMesh 6每小时产生一次预测，而传统模型则是每六小时一次。其分辨率现在在欧洲和美国大陆达到3公里，数据质量最高。传统天气预测是由复杂的物理模型生成的，这些模型运行需要昂贵的超级计算机，并且需要长时间完成。AI模型——由初创公司和像谷歌DeepMind这样的主要实验室构建——往往比物理模型更快，但目前在分辨率上不如物理模型高，因为涉及的变量较多或在较长期的预测中不够准确。尽管如此，天气AI正在迅速改进，已经被世界各地的主要政府机构使用。研究人员正在努力将其集成到用于汇总天气数据和生成公共预测的系统中。Windborne则凭借其独特的模型构建和数据收集组合获益。该公司目前在全球15个地点的空气中收集传感器读取数据，飞行中约有400只气球。其当前模型的进展源于改进如何将气球收集的数据输入模型。“我个人不理解没有数据集优势的基于AI的气象公司商业模型，”Windborne首席执行官John Dean在接受TechCrunch采访时表示。ECMWF的优越性归因于该组织在“数据同化”的技能，即将不同的传感器读取转化为全面的、机器可读的世界图像。目前，AI天气模型依赖于ECMWF和美国国家海洋和大气管理局生成的数据集。但Windborne和其他组织正努力将数据直接输入模型，公司首席AI官Joan Creus-Costa表示，从他们的气球和其他来源直接获取数据是WeatherMesh新版本改进的关键原因之一。经过一年的调优和重构该基于变换器的模型，才得以在不失去稳定性的情况下提供这些预测。“当我们开始进行[数据同化]时，仍然非常依赖ECMWF，”Dean说。“我今天预测，如果我们去掉ECMWF的初始条件，我们实际上仍然能做得相当不错。”去年，公司遭遇了一次惊吓，一架联合航空的喷气式飞机撞上了一只气球。尽管飞机受到轻微损坏，但没有人受伤，这在一定程度上是因为Windborne遵循了美国关于其传感器包大小的规定。然而，现在公司已在气球上增加了应答器，通过全球航空监控系统ADS-B报告其位置信息，以减少再次发生坠毁的几率。Windborne在2024年筹集了2500万美元的风险投资，估值为8500万美元，向NOAA出售其气球数据，该数据被用在美国的天气预测事业中，包括美国空军和海军。该公司也向投资者和商品交易者出售其预测，但Dean表示，公司依然集中精力构建其模型和数据基础设施，而非商业产品，部分原因在于信息环境的变化。“如果两年后人们希望通过代理获取消费者信息，我就不打算在构建SaaS产品上投入一支庞大的团队，”Dean说。