AI makes weather prediction better. Can WindBorne make it lucrative?
As novas técnicas de aprendizado profundo por trás dos LLMs também nos deram simulações meteorológicas que podem rodar em laptops em vez de supercomputadores, mudando a meteorologia. Mas a maior tarefa para a IA pode ser facilitar para que pessoas e organizações ponham essas previsões em prática.
A WindBorne Systems, uma startup que coleta dados com os balões meteorológicos de voo mais longo do mundo e os alimenta em um poderoso modelo de previsão, levantou uma rodada Série B de US$ 37 milhões para enfrentar esse desafio, disse o CEO John Dean ao TechCrunch.
A nova rodada foi liderada em conjunto por Khosla Ventures e Galvanize, com investimentos adicionais da TransLink Capital, Lux Capital e investidores anteriores, e avalia a empresa após esta rodada de financiamento em US$ 250 milhões.
Fundada em 2019, a WindBorne começou com o plano de adquirir um conjunto inédito de dados meteorológicos com seus sensores meteorológicos de baixo custo e balões de alta autonomia. O desenvolvimento de modelos de previsão do tempo por IA nos últimos quatro anos permitiu que eles fizessem suas próprias previsões, algo que antes não era possível para a maioria das empresas privadas devido ao custo dos supercomputadores anteriormente necessários para simular a atmosfera.
Hoje, a empresa tem 20 locais de lançamento ao redor do mundo e cerca de 600 balões no ar a qualquer momento, coletando dados em áreas de difícil acesso, como o olho de um tufão. Agora, a empresa está começando a implantar pacotes de sensores aéreos que podem cair no oceano e continuar coletando medições como boias flutuantes.
O conjunto de dados proprietário gerado por esse "sistema nervoso planetário", como Dean gosta de chamá-lo, cria um diferencial competitivo para o seu modelo meteorológico, que também ingere conjuntos de dados gerados por agências meteorológicas governamentais em todo o mundo.
"Demonstramos que, quando você adiciona balões à previsão, obtém previsões mais precisas, e o valor por ponto de dados é muito mais forte do que o dos satélites", disse Dean. "Também estivemos aumentando a receita enquanto fazíamos isso, o que reduziu o risco do sinal de demanda para os VCs."
Os principais clientes da empresa hoje são agências governamentais. O Serviço Meteorológico Nacional dos EUA compra os dados da empresa, enquanto a Força Aérea dos EUA e a Marinha dos EUA estão pagando à WindBorne por meio de parcerias de pesquisa, incluindo um esforço para desenvolver modelos de previsão que possam ser executados a bordo de navios que possam ter conexões intermitentes com o resto do mundo.
O próximo passo são os negócios comerciais — no momento, isso está focado principalmente em fundos de investimento que usam dados meteorológicos para prever preços de commodities e outros resultados de negócios. Além de gastar em computação e em um esforço para substituir as comunicações via satélite da rede de balões por uma rede de rádio em malha (mesh), esta rodada permitirá que a WindBorne construa sua equipe de entrada no mercado para expandir sua base de clientes no setor privado.
Isso nem sempre é fácil. Na última década, vários startups tentaram escalar negócios de detecção, como redes de satélites de observação da Terra, mas acharam difícil penetrar no setor privado porque extrair valor desses dados exige experiência e fluxos de trabalho estabelecidos. A maioria recorre a agências governamentais que já estão acostumadas a empregar esses dados.
Empresas privadas de previsão do tempo existem, mas ganham a maior parte do dinheiro reembalando ou refinando previsões governamentais para a mídia de notícias, necessidades especializadas como o degelo de aeronaves e roteamento de navios, ou os especuladores mencionados acima. Isso, no entanto, pode mudar à medida que as ferramentas de IA tornam o processamento de dados mais eficiente.
Saloni Multani, sócia da Galvanize que co-liderou a rodada, disse que o mercado meteorológico privado tem sido limitado porque "integrar previsões meteorológicas em tomadas de decisão de negócios mais amplas tem sido tradicionalmente caro e difícil. Acreditamos que a IA muda essa equação. Melhores previsões fazem o esforço valer a pena, e a IA torna muito mais fácil conectar essas previsões às decisões que as empresas estão tentando tomar."
