美国空军已与气象数据初创公司 WindBorne Systems 签署合同，采购其自主飞行气象气球机队采集的大气数据。该合同潜在总价值接近 5000 万美元，是这家公司迄今参与的最大单笔订单。
全球最大的民间气象气球网络
WindBorne 成立于 2015 年，总部位于加州红木城，现拥有约 700 个气象气球在全球范围飞行，搭载传感器实时采集大气数据。这些数据既对外销售，也用于训练公司自研的 AI 气象预报模型。值得注意的是，WindBorne 是最早直接将实测数据注入深度学习气象模型的组织之一。
合同结构与里程碑意义
合同采取"按需付费"模式：美国空军仅在实际需要特定地区、时段的观测数据时下单采购，目前已完成约 170 万美元的订单，预期后续追加订单。WindBorne 联合创始人兼 CTO Andrey Sushko 透露，该合同未经竞争性招标，系因zf 认定"在全球数据采集能力上，WindBorne 是唯一能满足其作战需求的公司"。他同时表示，合同资金将主要用于支持气球星座持续扩容，以及硬件与性能的研发迭代。
今年 8 月，WindBorne 宣布完成 3700 万美元 B 轮融资，由 CEO John Dean 当时向 TechCrunch 披露。本轮融资将用于进一步扩大商业规模。
台风海豚眼壁穿越：AI 驱动运营决策的首次实践
今年 8 月，WindBorne 成为全球首个以无动力飞行器（无发动机）穿越台风眼壁采集数据的机构——目标台风为"海豚"（Typhoon Dolphin）。该公司通过调节气球高度、排气或释放压舱砂来改变受风状态，引导飞行器进入目标气流。Sushko 指出，实现这一突破需满足两个条件：精准的风向风速模型与导航能力，以及足够大的气球网络以确保在合适位置有可用节点。"这是首批将深度学习模型真正用于运营决策的实战案例之一。"
AI 气象预报的技术演进
近年来，Transformer 架构的引入与欧洲中期天气预报中心（ECMWF）释放大规模气象数据集，推动 AI 气象预报成为深度学习落地最成熟的领域之一。传统方式依赖造价昂贵的超级计算机运行偏微分方程组模拟大气运动，而端到端学习模型可直接消化数十年历史数据并快速输出预测结果。今夏 WindBorne 发布了最新预报模型 WeatherMesh 6，官方基准测试显示其精度已超越 ECMWF 基于物理方程的传统数值预报模式。
当前，Google DeepMind 等前沿实验室与美国zf 机构开发的 AI 模型，在多数场景下精度已优于传统预报，尽管两类方法仍需相互校验才能形成完整天气认知。DeepMind 的气旋预报工具已在美国zf 应对飓风季的决策中发挥日益核心的作用。
评论