WindBorne、米空軍から約5000万ドルの気象データ契約を獲得

編集注：大規模言語モデルがテキストの世界で熾烈な競争を繰り広げる一方、「物理世界の予測」をめぐるもう一つのAIレースが、成層圏で静かに幕を開けている。数十人規模のシリコンバレースタートアップが、米空軍から5000万ドル近くの契約を勝ち取れた理由とは何か。その答えは、毎日空へ飛ばされる数百個の気球の中に隠されている。

TechCrunchの報道によると、シリコンバレーのスタートアップWindBorne Systemsが、米空軍から5000万ドル近くの契約を獲得した。同社が手がける事業は、一見「派手さ」とは無縁だ。気象気球を成層圏へ打ち上げ、数週間にわたって高高度を漂わせながら気温・湿度・気圧・風速のデータを継続的に送信し、そのデータをAIモデルによって高精度の天気予報へと変換する——それがWindBorneのビジネスである。

気球で「データの空白域」を埋める

従来の天気予報のデータソースは主に三種類に分類される。地上気象観測所、気象衛星、そして航空機観測だ。それぞれに弱点がある——地上観測所は陸上上空のカバレッジに限界があり、衛星は雲を透過して鉛直プロファイルを測定しにくく、民間航空機の航路は一部の主要ルートに集中している。その結果、地球表面の70%を占める海洋、極地、そして上層大気は長らくデータが乏しいか、ほぼ空白の状態に置かれてきた。

WindBorneの解決策は「量でカバレッジを補う」というものだ。同社が開発した超圧気球は、高度約6万フィート（約1万8000メートル）を数週間にわたって飛行し続けることができる。1個あたりの重量は2キログラム未満で、コストは衛星や航空機に比べて大幅に低い。同社は毎日数百個の気球を同時に放ち、移動式で再展開可能な観測ネットワークを構築している。これらの気球には小型センサーと衛星通信モジュールが搭載されており、観測データをリアルタイムで地上へ送信する。

「私たちはより優れた気象モデルを作っているのではありません。より優れた観測データを作っているのです——データこそがモデルの燃料です。」——WindBorne共同創業者Kai Marshlandは、同社のポジショニングをこのように説明した。

スタンフォードの寮室からペンタゴンへ

WindBorne Systemsは2019年に設立された。創業チームはスタンフォード大学出身で、数人の共同創業者は当初、学生起業コンテストへの参加がきっかけだった。初期の商業化の方向性は明確ではなかったが、事業の重心を「ハードウェア」から「データ＋AI」へ転換したことが転機となった。自社開発のWeatherMeshモデルは物理シミュレーションとディープラーニングを組み合わせており、いくつかの公開ベンチマークテストでは、欧州中期予報センター（ECMWF）などの従来の大手機関に匹敵する予報精度を達成しつつ、必要な計算リソースはその数分の一に抑えられている。

WindBorneはこれより先に、米国海洋大気庁（NOAA）との契約を獲得し、政府の予報機関に気球観測データを提供してきた。今回の米空軍との契約は5000万ドル近くに上り、同社の顧客基盤が民間の研究機関から国防部門へと拡大したことを示す節目となった。

軍が天気予報を必要とする理由

米軍にとって、天気は決して世間話の話題ではない。空母機動部隊の航路計画、無人機の離着陸ウィンドウ、精密誘導兵器の弾道修正、そして人道支援の物資空投精度に至るまで、すべてが正確な短・中期予報に大きく依存している。一方、国防総省が長年依存してきた旧式の気象衛星システムは更新の時期を迎えており、コストが高く、移行期間も長い。

さらに現実的な動機として「データの自主性」がある。これまで、世界の気象データは少数の国際機関と政府間の情報共有メカニズムに大きく依存してきた。インド太平洋や北極など各地域での行動の自由を維持したい米軍にとって、自律的に管理でき、任意の地域に迅速展開可能な観測ネットワークの保有は戦略的意義を持つ。気球には衛星と比較して生来の優位性もある。必要な場所に「その場で」展開でき、損失してもコストが比較的低い——紛争地域において、数億ドルの衛星を失うよりもはるかに受け入れやすいリスクだ。

AI天気予報という新興レース

WindBorneが参入するこの分野は急速に熱を帯びている。DeepMindのGraphCast、Huawei CloudのPangu-Weather、NVIDIAのFourCastNetなどは、いずれもある事実を証明している。それは、ニューラルネットワークを用いて従来の数値予報プロセスの一部を置き換えることで、これまでスーパーコンピュータが数時間かけて行っていた計算を、1枚のGPUで数分に圧縮できるということだ。しかし、こうしたモデルに共通する前提条件がある——高品質な「初期条件」、すなわち実際の観測データが必要だという点だ。

これこそがWindBorneの差別化要因だ。ほとんどのプレイヤーが「モデル層」で激しく競い合う中、同社は下へと根を張り、最も地道で手間のかかるデータ収集という問題に取り組んでいる。言い換えれば、WindBorneはモデル企業にとっての供給者になり得ると同時に、将来的には競合者になる可能性も秘めている。

もちろん、リスクも存在する。気象気球は空域管理と航空安全に関わる問題を伴い、大規模な放球には各国の規制当局との調整が必要だ。また、軍との契約における納期や検収基準は商業顧客よりはるかに厳しいことが多い。さらに、悪天候下での気球の損耗率が、単位データあたりのコストに直接影響する。

それでも、この5000万ドル近くの契約は明確なシグナルを発している。AIの次のフェーズにおいて最も価値を持つのは、画面上でテキストや画像を生成するモデルではなく、物理世界から継続的・低コスト・大規模にリアルデータを収集できる企業かもしれない。

本稿はTechCrunchをもとに編集・翻訳したものです。