AI 气象模型 WeatherMesh-6 发布，预报精度超欧洲顶尖系统

AI 气象模型 WeatherMesh-6 发布，预报精度超欧洲政府机构顶尖系统

IT之家 6 月 2 日消息，据 Techcrunch 报道，初创企业 WindBorne Systems 公司今日推出了一款全新人工智能气象预报工具。依托传感器观测数据接入深度学习模型的技术革新，该工具针对关键气象指标的预报频次与精准度，均优于欧洲多国政府联合研发的全球顶尖气象预报系统。 据IT之家了解，WindBorne Systems 由数名斯坦福大学学生于 2019 年创立，公司起步阶段主打研发性能更优异的气象探空气球，主营气象数据售卖业务。2022 年深度学习气象预报模型问世后，团队意识到自研预报模型能够挖掘更高商业价值。 公司于今日正式发布第六代气象模型 WeatherMesh-6。据企业介绍，该模型预报精度已超越欧洲中期天气预报中心（ECMWF）出品的传统预报与人工智能预报产品；在气象学界，这家欧洲政府间机构是公认的高精度气象预报标杆。 WindBorne Systems 首席产品官凯・马什兰给出一个通俗的对比：单就地表气温预报而言，WeatherMesh-6 提前五天的预报准确度，等同于传统预报提前一天的预报水平。 传统气象模型每 6 小时生成一轮预报，而 WeatherMesh-6 可实现逐小时更新预报。在数据质量最优的欧洲本土与美国大陆地区，该模型空间分辨率已细化至 3 公里。 传统气象预报依托复杂物理方程模型运算，不仅需要造价高昂的超级计算机支撑，运算耗时也十分漫长。包括初创公司与谷歌 DeepMind 实验室在内的多方正在研发 AI 气象模型，这类模型运算效率远高于传统物理模型，但现阶段还无法在精细化分辨率与中长期预报准确率上比肩传统系统。 即便如此，人工智能气象技术迭代提速，目前全球多国官方气象机构已落地应用。科研人员正推进技术融合，将 AI 嵌入气象数据汇总与公众预报发布体系。 自研模型 + 自主采集数据的独有模式成为 WindBorne Systems 的核心优势。该公司在全球布设 15 个发射站点，任何时刻都有约 400 只探空气球在空中采集传感器实测数据；本次新版模型性能升级，核心优化点就在于探空气球实测数据的模型接入算法。 WindBorne Systems 首席执行官约翰・迪恩在接受 TechCrunch 采访时坦言：“在我看来，没有独家数据源优势的 AI 气象企业，商业模式根本行不通。” 欧洲中期天气预报中心的领先地位，源于其顶尖的资料同化技术：把来源零散的各类传感器观测数据，整合成一套完整、可供机器读取的全球气象图景。现阶段绝大多数 AI 气象模型，仍依赖欧洲中期天气预报中心与美国国家海洋和大气管理局（NOAA）提供的数据集。 但 WindBorne Systems 等机构正攻关数据源直连模型技术。公司人工智能负责人琼・克雷乌斯 - 科斯塔表示：新版气象网格性能跃升的关键，就是实现了自有探空气球及其他渠道数据的直接接入。研发团队耗时一整年，完成基于 Transformer 架构模型的参数调试与架构重构，才在保障系统稳定性的前提下实现全新预报能力。 迪恩称：“我们起步做资料同化时，高度依赖欧洲中期天气预报中心的数据初值。但现在我有把握：即便剔除该中心的初始气象数据，我们模型的预报效果依旧出色。” 去年公司曾遭遇惊险意外：一架美国联合航空民航客机撞上该公司一只探空气球。得益于 WindBorne Systems 严格遵照美国法规限制传感器载荷尺寸，客机仅轻微受损、无人员伤亡。如今企业启用全球航空监视系统 ADS-B，实时调整气球航线规避民航航路，杜绝再次发生碰撞事故。 2024 年，WindBorne Systems 完成 2500 万美元风险融资，投后估值达 8500 万美元。企业一方面向美国国家海洋和大气管理局、美国海空军售卖探空气球采集数据，相关数据被纳入美国官方气象预报体系；另一方面面向投资机构与大宗商品交易商出售气象预报产品。不过迪恩表示，受未来信息服务模式变数影响，公司现阶段重心仍是打磨模型与数据基建，暂缓商用软件规模化落地。 迪恩说道：“倘若两年后大众获取气象资讯的主流方式变成智能代理助手，那我没必要投入大批人力开发订阅式软件（SaaS）产品。”