得益于传感器观测数据接入深度学习模型的技术升级，初创公司WindBorne Systems今日推出全新 AI 气象预报工具，针对关键气象指标的预报更新频次与精准度，优于由欧洲多国联合打造的全球顶尖气象预报系统。

该企业 2019 年由多名斯坦福大学学生创立，最初主打研发性能更优的气象探空气球，以售卖气象观测数据为业务方向。2022 年深度学习气象预报模型问世后，团队意识到自研气象模型能挖掘更大商业价值。

今日该公司正式发布第六代气象模型 WeatherMesh。企业称，这款模型预报精度超越欧洲中期天气预报中心（ECMWF）出品的传统预报与同类 AI 预报产品；在气象行业内，ECMWF 作为欧洲政府间机构，素来是高精度气象预报领域的标杆。

WindBorne首席产品官Kai Marshland用通俗举例说明：新版 WeatherMesh-6提前 5 天的预报准确度，等同于传统预报提前 1 天的水平，地表气温预报的优势尤为突出。

传统气象模型每 6 小时更新一次预报，而 WeatherMesh-6 实现一小时一报。在数据基础最好的欧洲与美国本土区域，模型空间分辨率已达 3 公里。

传统气象预报依托复杂物理方程模型运算，需要巨型超算支撑，运算耗时漫长；而谷歌 DeepMind 等实验室与初创公司开发的 AI 气象模型运算效率更高，但现阶段在空间分辨率、中长期预报精度上仍不及传统物理模型。

不过 AI 气象技术迭代速度迅猛，现已被全球多家官方气象机构落地应用，科研人员正推进 AI 融入气象数据汇总与公共预报生成体系。

自研建模 + 自建数据源的独特模式构成了 WindBorne 的核心优势。目前该公司在全球 15 个发射点位投放气球，常态下有约 400 颗探空气球在空中实时采集传感器数据，本次模型迭代的核心突破，就在于探空气球观测数据输入模型的链路优化。

公司首席执行官John Dean在接受采访时表示：“在我看来，没有独家数据源优势的 AI 气象公司，商业模式很难成立。”

欧洲中期天气预报中心的领先地位，源自其成熟的资料同化技术：把来源零散的各类观测数据整合为完整、可供机器解析的全球气象实况场。现阶段绝大多数 AI 气象模型，都依赖 ECMWF 与美国国家海洋和大气管理局（NOAA）提供的数据集。

但 WindBorne 等企业正在搭建数据直输模型通道。公司 AI 负责人Joan Creus-Costa表示，新版 WeatherMesh 性能提升的关键，正是实现自有气球及其他渠道观测数据的直接接入。研发团队耗时一整年，基于 Transformer 架构对模型调参、重构底层结构，才在保障系统稳定的前提下实现当前预报效果。

迪恩称：“项目起步做资料同化时，我们高度依赖 ECMWF 初始场数据；但如今就算剔除 ECMWF 初始数据，我们模型的预报表现依旧亮眼。”

2024 年 WindBorne 完成 2500 万美元风险融资，投后估值 8500 万美元。企业向美国 NOAA、美国海空军出售气球观测数据，数据被纳入美国官方气象预报体系；同时面向投资机构、大宗商品交易商售卖气象预报服务。但迪恩表示，受未来信息获取形态变化影响，公司现阶段重心仍是打磨模型与数据基建，暂缓商业化 SaaS 产品大规模落地。

迪恩说道：“倘若两年后用户主要依靠 AI 智能体获取气象信息，我没必要投入大量人力深耕 SaaS 应用软件。”