A startup WindBorne Systems, baseada em Redwood City na Califórnia, conquistou um contrato com a Força Aérea dos EUA no valor de até US$ 49 milhões para fornecer dados meteorológicos coletados por sua frota de balões autônomos. O contrato foi concedido sem licitação competitiva, refletindo uma determinação governamental de que a empresa era a única capaz de fornecer essa capacidade conforme as necessidades operacionais.
A empresa, fundada em 2015, atualmente mantém aproximadamente 700 balões meteorológicos voando globalmente. Esses balões coletam leituras de sensores atmosféricos que a WindBorne vende aos clientes e também alimenta seu próprio modelo de previsão meteorológica com deep learning. A organização é uma das primeiras a alimentar diretamente dados empíricos em um modelo de aprendizado profundo dedicado à meteorologia.
O contrato funciona sob demanda: a Força Aérea pode fazer pedidos de dados para regiões e períodos específicos. Até o momento, a agência militar ordenou US$ 1,7 milhão em dados, com expectativas de futuras encomendas. Conforme o co-fundador e CTO Andrey Sushko explicou, o contrato "é um grande veículo através do qual o crescimento contínuo da constelação pode ser apoiado, bem como trabalho em pesquisa e desenvolvimento para melhorar o hardware e desempenho dos balões".
Em agosto de 2026, a WindBorne fechou uma rodada de investimento Série B no valor de US$ 37 milhões, que permite continuar escalando suas operações. No mesmo período, a empresa lançou a versão mais recente de seu modelo de previsão, o WeatherMesh 6, que oferece previsões mais precisas do que o modelo tradicional do European Centre for Medium-Range Weather Forecasts (ECMWF), que utiliza simulação da atmosfera baseada nas leis da física.
A paisagem da previsão meteorológica com IA transformou-se significativamente com a chegada das arquiteturas transformer e o lançamento de um conjunto de dados climático massivo pelo ECMWF anos atrás. Historicamente, meteorologistas dependiam de supercomputadores caros executando equações detalhadas que aproximam o comportamento da atmosfera. Agora, sistemas de aprendizado end-to-end podem ingerir décadas de dados climáticos e emitir previsões mais rapidamente.
Modelos desenvolvidos por laboratórios de ponta e agências governamentais têm demonstrado maior precisão do que previsões tradicionais, embora ainda represente uma fronteira em desenvolvimento. Ambos os tipos de previsão — tradicional e baseada em IA — permanecem necessários para uma compreensão útil do clima. O modelo climático mais recente do Google DeepMind oferece novas capacidades importantes, e suas ferramentas de previsão de ciclones tornaram-se cada vez mais centrais na forma como o governo dos EUA responde à temporada de furacões.
Em agosto de 2026, a WindBorne tornou-se a primeira organização a enviar um sistema de voo não-motorizado, sem motor, para coletar dados dentro do olho de um tífão. A empresa manobra seus balões ajustando a altitude, liberando ar ou soltando areia utilizada como lastro, direcionando os veículos para ventos que os levam aos locais desejados. Sushko destacou que esse feito envolveu dois ingredientes: bons modelos de vento e clima com capacidade de navegação, e uma constelação suficientemente grande de balões nos locais corretos. "Foi uma das primeiras vezes que um modelo de deep learning foi usado para decisões operacionais reais", afirmou.
