ИИ улучшает прогнозы погоды. Сможет ли WindBorne сделать это прибыльным?

Новые методы глубокого обучения, лежащие в основе больших языковых моделей, также позволили создавать симуляции погоды, которые можно запускать на ноутбуках вместо суперкомпьютеров, что меняет метеорологию. Но более масштабной задачей для ИИ может стать упрощение использования этих прогнозов для людей и организаций.

Стартап WindBorne Systems, который собирает данные с помощью самых долголетающих метеозондов в мире и питает ими мощную прогностическую модель, привлек раунд финансирования серии B на сумму 37 миллионов долларов (около 2,96 млрд рублей), чтобы решить эту задачу, сообщил TechCrunch генеральный директор Джон Дин.

Новый раунд был совместно возглавлен Khosla Ventures и Galvanize, при дополнительных инвестициях от TransLink Capital, Lux Capital и предыдущих инвесторов. После этого раунда финансирования компания оценивается в 250 миллионов долларов (около 20 млрд рублей).

Основанная в 2019 году, WindBorne начинала с плана получения нового набора метеорологических данных с помощью своих недорогих датчиков и зондов длительного действия. Развитие моделей прогнозирования погоды на основе ИИ за последние четыре года позволило им составлять собственные прогнозы, что ранее было невозможно для большинства частных компаний из-за стоимости суперкомпьютеров, необходимых для моделирования атмосферы.

Сегодня компания имеет 20 пусковых площадок по всему миру и около 600 зондов в воздухе в любой момент времени, собирая данные в труднодоступных районах, таких как глаз тайфуна. Сейчас компания начинает развертывать авиационные датчики, которые могут падать в океан и продолжать собирать измерения в качестве плавучих буев.

Собственный набор данных, генерируемый этой «планетарной нервной системой», как любит называть ее Дин, создает защитный барьер для их модели погоды, которая также поглощает наборы данных, генерируемые государственными метеорологическими агентствами по всему миру.

«Мы продемонстрировали, что при добавлении зондов в прогноз получаются более точные прогнозы, и ценность каждой точки данных намного выше, чем у спутников», — сказал Дин. «Мы также росли в выручке, пока делали это, что снизило риск сигнала спроса для венчурных инвесторов».

Основными клиентами компании сегодня являются государственные учреждения. Национальная метеорологическая служба США закупает данные компании, а ВВС и ВМС США платят WindBorne через исследовательские партнерства, включая разработку моделей прогнозирования, которые можно запускать на кораблях с возможными перебоями связи с остальным миром.

Следующий шаг — коммерческий бизнес. Сейчас он в основном сосредоточен на инвестиционных фондах, которые используют данные о погоде для прогнозирования цен на сырьевые товары и других бизнес-результатов. Помимо расходов на вычисления и усилий по замене спутниковой связи сети зондов на ячеистую радиосеть, этот раунд позволит WindBorne создать команду по выходу на рынок для расширения клиентской базы в частном секторе.

Это не всегда легко. За последнее десятилетие различные стартапы пытались масштабировать сенсорный бизнес, например, сети спутников наблюдения за Землей, но им было трудно пробиться в частный сектор, потому что извлечение ценности из этих данных требует опыта и устоявшихся рабочих процессов. Большинство обращаются к государственным учреждениям, которые уже привыкли использовать такие данные.

Частные компании по прогнозированию погоды существуют, но зарабатывают в основном на переупаковке или доработке государственных прогнозов для новостных СМИ, специализированных нужд, таких как обработка самолетов противообледенительной жидкостью и прокладка маршрутов судов, или для вышеупомянутых спекулянтов. Однако это может измениться, поскольку инструменты ИИ делают обработку данных более эффективной.

Салони Мултани, партнер Galvanize, которая совместно возглавила раунд, заявила, что частный рынок погоды был ограничен, потому что «интеграция прогнозов погоды в более широкие бизнес-решения традиционно была дорогостоящей и сложной. Мы считаем, что ИИ меняет это уравнение. Более точные прогнозы делают усилия оправданными, а ИИ значительно упрощает связь этих прогнозов с решениями, которые бизнес пытается принять».