政府機関の天気予報をAIスタートアップが超えた — WeatherMesh-6と400個の気象バルーン

4.5日先の天気予報が、ヨーロッパの気象機関が出す「明日の予報」と同じ精度——そんな結果を出したのが、スタンフォード発のスタートアップWindBorne Systemsだ。

2026年6月にリリースされた同社のAI気象予報モデル「WeatherMesh-6」が、世界最高峰とされるECMWF（ヨーロッパ中期予報センター）のIFSモデルを複数の指標で上回った。TechCrunchが「政府機関を予報で超えたAIスタートアップ」として大きく取り上げたことで、にわかに注目を集めている。

何がどれくらい正確なのか

具体的な数字を見てみる。

2026年1月〜3月のグローバルベンチマークで、WeatherMesh-6のアンサンブル予報のRMSE（二乗平均平方根誤差）はIFSを最大38%下回った。ECMWFが自ら開発したAIモデルAIFSとの比較でも、15日先までのすべてのリードタイムでWeatherMesh-6がリードしている。

風速予報（高度100m）では、3日先の予報精度がAIFSを7〜11%上回る。これは風力発電の出力予測に直結する数字で、エネルギー業界にとっては実用的なインパクトがある。

解像度はヨーロッパと米国本土で3km、更新頻度は毎時。従来の気象モデルが6時間ごとの更新だったことを考えると、この更新頻度の差だけでも予報の鮮度は段違いだ。

400個のバルーンが作る「データの鮮度」

WeatherMesh-6の精度の秘密は、AIモデルのアーキテクチャだけにあるわけではない。

WindBorneは独自に開発した気象観測バルーンを世界各地に約400個展開している。このバルーンが上空で気温・気圧・湿度・風速を直接計測し、データをリアルタイムでモデルに送る。

通常の気象予報が使う観測データは、人工衛星やレーダー、地上観測所からのもので、取得からモデルへの投入まで数時間のラグがある。WindBorneのバルーンデータは「8時間新鮮」とされ、この鮮度の差がそのまま予報精度に反映される。

ある分析では「WeatherMesh-6がECMWFに勝った最大の要因はモデルではなくデータの鮮度だ」と指摘されている。正直、これは的を射ていると思う。どんなに優秀なAIでも、古いデータを食わされたら予報の精度は落ちる。WindBorneの強みはAIモデルとデータ収集のハードウェアを一体で開発している点にある。

スタートアップが気象を変える可能性

この話のインパクトは「天気予報が良くなる」にとどまらない。

たとえば保険業界。台風や豪雨の進路予測が改善されれば、被害推定の精度が上がり、保険料の適正化やリスク管理が変わる。日本のように毎年台風被害が出る国では、数時間単位の予測精度向上が避難のタイミングを左右する。

農業もそうだ。3km解像度の毎時更新予報があれば、「今日の午後3時から2時間だけこの地域で強い雨が降る」レベルの予測が可能になる。灌漑のタイミングや収穫の判断が、勘ではなくデータに基づくものになる。

航空業界では、風速の高精度予測が燃料効率の最適化につながる。ANAやJALが飛行ルート最適化にこうした予報データを組み込めば、1便あたりの燃料コスト削減効果は無視できない規模になるだろう。

気になる点

もちろん課題もある。

まず、400個のバルーンでは地球全体をカバーするには不十分だ。現状ではヨーロッパと米国に精度が偏っており、アジアやアフリカでの検証データは限られている。日本周辺の予報精度がECMWFを上回るかどうかは、現時点では不明だ。

ビジネスモデルも発展途上にある。WindBorneのターゲットはエネルギー企業、保険会社、農業法人といったB2B顧客だが、これらの業界ではECMWFやNOAA（米国海洋大気庁）のデータが長年の実績とともに使われている。「AIスタートアップの予報データに切り替える」ハードルは、精度だけでは超えられない。

バルーンの運用コストと寿命の問題もある。400個のバルーンを常時稼働させるロジスティクスは簡単ではなく、機材の交換や通信インフラの維持にかかるコストは公開されていない。

天気予報はAIが「勝てる」領域

とはいえ、WeatherMesh-6が示した成果は注目に値する。

気象予報はAIにとって最も相性がいい応用分野の一つだ。大量のセンサーデータが生成され、物理法則に基づくパターンがあり、予測精度を客観的に測定できる。LLMのように「なんとなく良い文章が出る」世界とは違い、予報の正確さを数値で証明できる。

WindBorneの創業者たちはスタンフォードの学生時代（2019年）に気象バルーンの開発から始め、AIモデルは後から加わった。ハードウェアとソフトウェアの両方を自社で持っているスタートアップは珍しく、Google DeepMindのGraphCastやHuawei Cloud/Pangu-Weatherといった「モデルだけ」のアプローチとは一線を画している。

日本で台風のニュースを見るたびに「もっと早く、もっと正確に分かっていれば」と思う人は多いはずだ。その願いに最も近い場所にいるのが、400個のバルーンを飛ばしているこのスタートアップかもしれない。