Глубокое обучение, лежащее в основе LLM, изменило и метеорологию: симуляции погоды теперь запускаются на ноутбуках, а не на суперкомпьютерах. Но главная задача ИИ — помочь компаниям реально применять эти прогнозы.
Стартап WindBorne Systems собирает данные с помощью самых долголетающих в мире метеозондов и передаёт их в собственную модель прогнозирования. Компания привлекла $37 млн в раунде Series B, рассказал TechCrunch гендиректор Джон Дин.
Раунд возглавили Khosla Ventures и Galvanize, также участвовали TransLink Capital, Lux Capital и прежние инвесторы. Оценка компании после сделки — $250 млн.
WindBorne основана в 2019 году и начинала с дешёвых датчиков и зондов повышенной автономности. Появление ИИ-моделей прогноза за последние четыре года позволило ей делать собственные предсказания без дорогих суперкомпьютеров.
Сегодня у компании 20 пусковых площадок по миру и около 600 шаров в воздухе одновременно. Они собирают данные в труднодоступных зонах — вплоть до глаза тайфуна. Сейчас запускаются сенсорные модули, работающие после падения в океан как буи.
Эту сеть Дин называет «планетарной нервной системой». Собственный набор данных стал защитным рвом для модели, которая дополнительно использует открытые данные государственных метеослужб.
«Мы показали: добавление шаров повышает точность прогноза, а ценность каждой точки данных выше, чем у спутников. При этом выручка росла — это сняло риски для венчурных инвесторов», — говорит Дин.
Основные клиенты — госструктуры. Национальная метеослужба США покупает данные, а ВВС и ВМС финансируют исследовательские партнёрства, включая модели прогноза для кораблей с нестабильной связью.
Следующий шаг — коммерческий рынок. Пока это в основном инвестфонды, прогнозирующие цены на сырьё. Часть денег пойдёт на вычисления, замену спутниковой связи шаров на mesh-радиосеть и построение отдела продаж.
Задача непростая: за последнее десятилетие многие сенсорные стартапы, включая операторов спутников наблюдения Земли, не смогли пробиться в частный сектор — извлечение пользы из данных требует опыта и готовых процессов.
Частные метеокомпании зарабатывают в основном на переупаковке государственных прогнозов для СМИ, антиобледенения самолётов и маршрутизации судов. ИИ может изменить эту картину, удешевив обработку данных.
Салони Мультани из Galvanize отмечает: интеграция прогнозов в бизнес-решения всегда была дорогой и сложной. «ИИ меняет уравнение: точные прогнозы оправдывают усилия, а ИИ упрощает связь прогнозов с решениями бизнеса».