斯坦福辍学生用气球监测地球，AI天气预报精度碾压欧洲官方机构

七年前，美国小伙 John Dean 从斯坦福大学辍学和几个同学创立了 AI 气象预测公司 WindBorne，为的是造更好的气球、建更好的 AI 天气预测模型，到如今他们已经拿出了第六代产品 WeatherMesh 6，预测准确度甚至超过老牌气象预测机构欧洲中期天气预报中心。

在辍学之前，John Dean 在 SpaceX 做过猎鹰九号主发动机控制工作，在 Lyft 做过自动驾驶，在 NASA 实习过，还当过斯坦福学生航天社团的主席。这些经历让他发现天气预报使用的气球只能飞行两个小时，海洋和极地几乎没有得到数据覆盖。这导致全球气象观测网络竟然漏掉了 85% 的大气层，而漏掉的地方恰恰是风暴诞生的发源地，正是这些原因让其开始投身创业。

John Dean 和团队打造的 WeatherMesh 6 模型每个小时输出一次预报，分辨率在三公里，其在欧洲和美国的精度已经优于全球公认最准的欧洲中期天气预报中心。例如，WeatherMesh 6 提前五天的预报准确度，这相当于传统模型提前一天的水平。

图 | John Dean（来源：https://www.linkedin.com/in/johnldean/

John Dean 等人创办的 WindBorne 公司最独特的地方在于它既造硬件又写算法。绝大多数 AI 气象公司依赖别人提供数据，这类公司并没有自己的观测网络。而 WindBorne 改为先从气球下手，他们开发了一种全球探空气球，缩写为 GSB，GSB 气球在发射的时候重量不到 1.2 公斤，其能持续飞行 12 天以上，目前最长的飞行纪录是 75 天。

传统探空气球飘两小时就破了，往往是一个来回都撑不住。而 GSB 气球可以自主导航，利用不同高度的风向调整位置，主动往目标区域飞去。一个 GSB 气球能在一次任务中生成 50 多个垂直剖面，从地表一路爬到平流层，进而采集温度、湿度、气压和风场等数据。

这些数据实时地通过卫星进行传回，平均 7 分钟就能送到用户手里。眼下，WindBorne 在全球 15 个发射点维持着大约 400 个 GSB 气球的同时飞行，未来计划是建成一万个气球的星座，争取达到世界气象组织认定的全球预报所需要的最低覆盖密度。

（来源：WindBorne）

据了解，传统天气预报走的是物理模型路线，运转一次要动用超级计算机算好几个小时之久。AI 模型则要快得多，但是 AI 模型有一个致命短板，那就是它们依赖的数据基本是别人处理好的。

其实，公众较为认可的欧洲中期天气预报中心的优势主要就在于数据同化能力，即把散落全球的上万种传感器读数拼成一幅完整、自洽的大气初始场。正因此绝大多数 AI 气象公司直接拿欧洲中心和美国国家海洋和大气管理局处理好的数据去训练模型，但这等于站在别人的地基上盖楼，无法形成自己的护城河。在 John Dean 眼中，一家没有数据优势的 AI 天气公司，是很难形成商业模式闭环的。

过去一年之间，John Dean 和团队花费大量时间改造了 Transformer 架构的模型，旨在让它能够直接消化气球的原始观测数据，告别对于欧洲中心的初始场的依赖。这一步非常容易翻车，因为模型有时候并不稳定，输出也会发散。

调了一年之后他们终于跑通了，该公司的 AI 负责人告诉媒体，新版本之所以实现准确率的提升，核心原因就是实现了数据直送。John Dean 甚至断言，哪怕现在把欧洲中心的数据全拿掉，模型的成绩也不会差太多。这种底气来自他们的 GSB 气球网络，四百个气球在全球范围内不停地上上下下，源源不断地往模型里灌数据，用 John Dean 自己的话说这叫构建地球的神经系统。

（来源：https://windbornesystems.com/blog/wm-6-case-study）

今年年初的一场暴风雪验证了这个系统的价值，那场暴风雪影响了美国东北部八个州的超过四千万人，峰值时六十五万户面临停电的情况。风暴的路径极其敏感，就算偏移五十到一百英里，结果也会有着天壤之别。

此前大部分主流模型在风暴来临前六天的预报非常分散，有的认为低压很弱，有的把中心甩到大洋深处。多个模型的预报结果一平均，极端信号就会被抹掉，以至于看起来只是一场不起眼的小低压。

WeatherMesh 6 的集合预报则在六天前就已经锁定了深低气压，并发现风暴中心的位置、强度、降水带都跟实况高度吻合。到了第四天，其他同类模型才陆续赶上来，这时 WindBorne 已经领先了整整两天（需要说明的是，集合预报指的是把多个模型或多个成员的预测结果综合起来，通过平均或投票得出更稳定的最终预报）。

（来源：https://windbornesystems.com/blog/wm-6-case-study）

而 WeatherMesh 6 能提前看到风暴主要得益于以下两点：

首先，WeatherMesh 6 敢于押注极端，普通集成预报为了平滑会牺牲极端事件的信号。WeatherMesh 6 的成员预报每一个都是高分辨率、物理自洽的完整场，没有平均化带来的信号衰减。

其次，WeatherMesh 6 每小时滚动更新一次，别的主流模型六小时甚至十二小时才出一轮预报，WindBorne 一小时一轮，观测数据一进来就同步刷新预报。在暴风雪那天早上五个小时里，模型对风暴中心的预测误差从 146 公里缩到了 88 公里，实现了肉眼可见的收敛。

如今 WindBorne 的商业版图也已经铺开，其气球数据卖给了美国国家海洋和大气管理局，将被用于改进美国官方的全球预报系统，美国空军和海军也是其客户。

WindBorne 的预报产品则卖给了大宗商品交易商和对冲基金，能源市场的决策窗口期以天计算，假如能够提前两天知道寒潮路径，将会带来巨大的价值。

不过，WindBorne 在去年出过一次意外，一架美联航的客机撞上了一个气球，好在飞机轻微受损，也无人受伤。此后，WindBorne 加强了避让机制，通过监控空中交通并操纵其气球绕过飞机。

WindBorne 在成立至今融资 2,500 万美元，估值 8,500 万。不过，John Dean 并不打算急着做成一个面向消费者的 SaaS 产品，他认为两年后人们获取信息的入口可能是 AI Agent，既然这样就没必要投入一个庞大的团队去打磨传统软件产品。他说自己的优先级始终是建设气象数据的基础设施，把地球的神经系统搭起来。

参考资料：

https://techcrunch.com/2026/06/01/this-ai-weather-startup-is-out-forecasting-government-agencies/

https://windbornesystems.com/

https://windbornesystems.com/blog/wm-6-case-study

https://windbornesystems.com/careers

https://www.linkedin.com/in/johnldean

https://spectrum.ieee.org/u/john-dean1

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成