新創公司 WindBorne Systems 今日發布一款全新的 AI 氣象預報工具，由於感測器讀數輸入深度學習模型的方式有所進展，其在關鍵變數上的預測頻率和準確性，超越了歐洲各國政府開發的世界領先系統。

WindBorne 由一群史丹佛大學學生於 2019 年創立，最初的目標是打造更好的氣象氣球，並銷售氣象數據。然而，隨著 2022 年氣象預報深度學習模型的問世，團隊意識到他們也可以透過建立自己的模型來獲取更多價值。

WindBorne 表示，其新版模型在多個變數上的預測準確度，超越了 ECMWF 的傳統與 AI 系統。WindBorne 產品長 Kai Marshland 解釋，一個簡單的理解方式是，WeatherMesh 6 在五天後的預測精準度，相當於傳統預報提前一天所能達到的水準，尤其在地表溫度測量方面表現突出。

今天標誌著該模型第六版 WeatherMesh 的發布，該公司表示，其準確度超越了歐洲中期天氣預報中心 (ECMWF) 所產生的傳統和 AI 預報。ECMWF 是一個歐洲政府間組織，被氣象學家視為當今準確天氣預測的領先供應商。

WeatherMesh 6 每小時產生一次預報，而非傳統模型每六小時一次。其解析度在歐洲和美國本土已達到 3 公里，這些地區的數據品質最高。

傳統氣象預報是由複雜的物理模型生成，需要昂貴的超級電腦運行，並且耗時甚久。而由新創公司和 Google DeepMind 等主要實驗室開發的 AI 模型，通常比物理模型運行更快，但目前在解析度、變數數量或長期預測的準確性方面仍有不足。

儘管如此，氣象 AI 正在迅速改進，並已在全球主要政府機構中應用。研究人員正努力將其整合到用於匯總氣象數據並生成公共預報的系統中。

WindBorne 受益於其獨特的模型建構與數據收集結合。該公司目前約有 400 個氣球同時在空中飛行，從全球 15 個地點發射，收集感測器讀數。其當前模型的進步來自於氣球收集的數據如何輸入模型的方式改進。

WindBorne 執行長 John Dean 告訴 TechCrunch：「我個人不理解，如果沒有數據集優勢，如何能成為一家基於 AI 的氣象公司。」

ECMWF 的優勢歸因於該組織在「數據同化」方面的技能，這項工作是將分散的感測器讀數轉化為全面、機器可讀的世界圖像。目前，AI 氣象模型仍依賴 ECMWF 和美國國家海洋暨大氣總署 (NOAA) 產生的數據集。

然而，WindBorne 和其他組織正努力將數據直接輸入模型。該公司 AI 主管 Joan Creus-Costa 表示，直接從其氣球和其他來源攝取數據，是 WeatherMesh 新版本改進的關鍵原因。該團隊花了一年的時間對基於 Transformer 的模型進行微調和重新架構，才使模型能夠在不失穩定的情況下提供這些預報。

Dean 表示：「當我們開始進行數據同化時，我們仍然非常依賴 ECMWF。」「我預測，如果今天我們移除 ECMWF 的初始條件，我們實際上仍然會表現得相當不錯。」

該公司去年曾遭遇一次驚險事件，一架聯合航空客機撞上其一個氣球。雖然飛機僅受輕微損壞，但無人受傷，部分原因是 WindBorne 遵守了美國關於其感測器套件尺寸的規定。然而，現在該公司已在其氣球上加裝應答器，透過全球航空監視系統 ADS-B 報告其位置，以努力降低再次發生碰撞的機率。

WindBorne 已募得 2500 萬美元的創投資金，據報導 2024 年估值為 8500 萬美元。該公司將其氣球數據出售給 NOAA，用於美國的氣象預報業務，以及美國空軍和海軍。該公司也將其預報出售給投資者和商品交易商，但 Dean 表示，由於資訊環境的變化，公司仍專注於建立其模型和數據基礎設施，而非商業產品。

Dean 說：「如果兩年後人們獲取消費者資訊的方式是透過代理，那我為什麼要投入龐大的團隊來開發 SaaS 產品呢？」