En directo
[Investigación]Cómo dar prioridad a la investigación más valiosa sin dejar GPUs sin usar[Herramientas]Seis modelos de IA en una semana, sin escribir código: así funciona ML Intern[Modelos de IA]Liquid AI lanza dos modelos de IA que toman decisiones en 16 milisegundos[Investigación]Nvidia logra medalla de oro en dos olimpiadas científicas con el mismo modelo de IA[Modelos de IA]Un modelo de IA que habla árabe emiratí como un local[Herramientas]Hugging Face convierte su plataforma en un catálogo unificado de entornos para entrenar agentes de IA[Herramientas]Un benchmark de Microsoft exige que los agentes de IA funcionen bien veinte veces seguidas[Modelos de IA]Allen AI publica AstaBrief, un modelo abierto que redacta informes científicos con citas en un minuto[Investigación]ServiceNow crea un sistema que genera automáticamente tareas para entrenar agentes de IA empresariales[Investigación]Allen Institute publica Olmo-core 3, su infraestructura abierta para entrenar modelos gigantes de IA[Investigación]Cómo dar prioridad a la investigación más valiosa sin dejar GPUs sin usar[Herramientas]Seis modelos de IA en una semana, sin escribir código: así funciona ML Intern[Modelos de IA]Liquid AI lanza dos modelos de IA que toman decisiones en 16 milisegundos[Investigación]Nvidia logra medalla de oro en dos olimpiadas científicas con el mismo modelo de IA[Modelos de IA]Un modelo de IA que habla árabe emiratí como un local[Herramientas]Hugging Face convierte su plataforma en un catálogo unificado de entornos para entrenar agentes de IA[Herramientas]Un benchmark de Microsoft exige que los agentes de IA funcionen bien veinte veces seguidas[Modelos de IA]Allen AI publica AstaBrief, un modelo abierto que redacta informes científicos con citas en un minuto[Investigación]ServiceNow crea un sistema que genera automáticamente tareas para entrenar agentes de IA empresariales[Investigación]Allen Institute publica Olmo-core 3, su infraestructura abierta para entrenar modelos gigantes de IA
Transmitiendo · —

Noticias.
Inteligencia Artificial

Inteligencia Artificial para Gente Real · ES / PT-BR

NegociosTechCrunch AI2 min

Una startup quiere ganar dinero con globos meteorológicos e IA — y acaba de recaudar 37 millones

WindBorne Systems usa globos de alta atmósfera y modelos de inteligencia artificial para mejorar las predicciones del tiempo, y busca convertir esa tecnología en un negocio rentable.

Por Redacción2 min
Compartir
Una startup quiere ganar dinero con globos meteorológicos e IA — y acaba de recaudar 37 millones
Negocios · TechCrunch AI

WindBorne Systems, una startup estadounidense especializada en predicción meteorológica, ha cerrado una ronda de financiación Serie B de 37 millones de dólares, según informó TechCrunch. La compañía combina una red de globos meteorológicos desplegados en la atmósfera superior con modelos de inteligencia artificial para generar pronósticos más precisos que los métodos tradicionales. Ahora debe demostrar que esa tecnología puede generar ingresos sostenibles en un mercado dominado por agencias públicas.

La idea de WindBorne es sencilla pero ambiciosa: sus globos flotan a gran altitud, recogiendo datos atmosféricos en zonas donde las estaciones terrestres o los satélites tienen cobertura limitada — océanos, regiones polares, áreas remotas. Esos datos alimentan modelos de IA entrenados para interpretar patrones climáticos y anticipar cambios con días de antelación. La ventaja frente a los sistemas convencionales es la cantidad y calidad de información en tiempo real que capturan desde el aire.

El uso de IA en meteorología no es nuevo: grandes centros meteorológicos europeos y estadounidenses ya experimentan con redes neuronales (un tipo de modelo de aprendizaje automático inspirado en el cerebro humano) para refinar sus predicciones. Lo que diferencia a WindBorne es su apuesta por la infraestructura física propia — los globos — combinada con algoritmos diseñados específicamente para procesar sus lecturas. La compañía asegura que su enfoque reduce el margen de error en pronósticos de medio plazo, útiles para sectores como agricultura, logística o gestión de desastres.

El reto ahora es comercial. Históricamente, los servicios meteorológicos públicos ofrecen datos gratuitos o a bajo coste, lo que dificulta que empresas privadas compitan. WindBorne necesita convencer a clientes corporativos — aseguradoras, aerolíneas, empresas energéticas — de que sus predicciones justifican el precio de una suscripción. La ronda de financiación servirá para ampliar la flota de globos y mejorar la precisión de sus modelos, pero el éxito dependerá de convertir tecnología avanzada en un producto que alguien esté dispuesto a pagar.

La apuesta de WindBorne refleja una tendencia más amplia: startups que intentan aplicar IA a problemas científicos complejos y monetizar el resultado. En meteorología, donde cada décima de grado o kilómetro de precisión puede significar millones en pérdidas evitadas, el potencial existe. Queda por ver si la demanda es suficiente para sostener un modelo de negocio privado en un campo tradicionalmente público.

Fuente original
TechCrunch AI
Más en · Negocios