一家AI初创公司的天气预报，开始把欧洲最权威的政府机构甩在身后了。今日，WindBorne Systems发布了其第六代气象模型WeatherMesh 6，声称在多个关键变量的预测上，比欧洲中期天气预报中心（ECMWF）的传统物理模型和AI系统都更准确。这家被气象学界视为全球精准预测标杆的政府间组织，头一回在自己的主场上，被一个商业玩家在精度和频次上双重超越。
最直观的进步尺度，来自该公司的首席产品官凯·马什兰的一个对比：WeatherMesh 6在五天后做出的预报，“其准确度相当于传统预报在预报前一天的水平”，尤其是在地表温度测量方面。这不是实验室里的模拟战。它还解决了传统模型一个根深蒂固的痛点——运行频率。传统物理模型每6小时才生成一次预报，而WeatherMesh 6实现了每小时一次的预报更新。
这个由一群斯坦福学生在2019年创立的团队，故事的起点相当物理。他们最初只是想造一个更好的气象气球，然后靠卖气象数据为生。但2022年，当基于深度学习的天气预报模型开始涌现时，团队立刻意识到，只卖“原材料”远不如自己“开工厂”。他们开始自研模型，直接下场生产预测结论，试图在价值链上向上攀爬。
如今，真正让这家公司建立护城河的，是气球和模型之间的咬合。WindBorne的首席执行官约翰·迪恩对两者的关系看得很透彻，他直言：“我不理解，一家没有独特数据集优势的AI气象公司，其商业模式是什么。”这套“数据优势”，具体来说，是大约400个漂浮在全球上空的探测气球。它们从全球15个发射点升空，持续不断地收集传感器读数，最关键的是，团队在如何将这些气球数据“喂”给深度学习模型的技术路线上，做出了关键改进。
这里的门道在于“数据同化”——即将各种来源迥异、格式杂乱的传感器读数，整合成一幅机器能读懂的全球大气全景图。ECMWF的霸主地位，大半靠的就是数据同化上的深厚功力。现阶段，几乎所有AI天气模型，都极度依赖ECMWF和美国国家海洋和大气管理局（NOAA）生产的数据集，相当于大家用的都是同一批公共课本。但WindBorne不同，它深入到了数据源头，用自己的气球编写了独家的补充教材。
这种“数据-模型”闭环已经带来了质的回报。WeatherMesh 6的空间分辨率在欧洲和美国大陆这些数据质量最高的区域，已经精细到了3公里。相比之下，包括谷歌DeepMind等大厂实验室以及同类初创构建的AI模型，虽然在运行速度上远超传统物理模型，却仍在分辨率、变量丰富度和长周期预报精度上存在短板。WindBorne似乎正在证明，专有的高质量观测数据，就是突破这些短板的最短路径。全球主要政府机构如今已纷纷将AI气象模型整合进公共预报系统，而这场竞赛中的领跑者，正开始让官方系统显得动作迟缓。
热门跟贴