一家氣候科技新創，用一套人工智慧模型，在短期降雨預測的精準度比賽中，暫時擠下了傳統氣象預報巨頭。不是Google，不是微軟，也不是輝達，而是名字帶著點溫度的 Rainbow Weather。
這家新創推出的 GlobalCast 系統，最近在業界與評測機構之間引起不小的討論。它的核心能力，是用衛星資料配合AI模型，以10分鐘更新一次的頻率，輸出全球範圍、解析度約1公里的即時降雨資訊。更關鍵的是，這套系統能涵蓋沒有地面雷達的地區與海洋，等於是在全球天氣觀測網的空白處，硬是補上了一塊拼圖。
F1分數0.51，到底贏在哪裡？
要理解Rainbow Weather為什麼能引起注意，得先看一組數字。在印尼這個2025年因洪災損失約40億美元的國家，GlobalCast進行了一次關鍵測試。它的F1分數達到約0.51，而同期比較的AccuWeather是0.39，The Weather Company則是0.34。
F1分數不是一個容易討喜的指標。它同時衡量「漏報」與「誤報」，數值要好看，代表模型既要能抓到真實發生的降雨事件，又不能一天到晚把沒有的風暴憑空生出來。0.51這個數字，老實說，離完美還有很長一段路，但放在即時預測（nowcasting）這個公認的難題上，確實是擠進了前段班。
有趣的是，這個表現並非孤例。另一個氣象模型評比平台 WeatherIndex.ai，目前也將Rainbow列為短期降水預測表現較佳的系統，等於從側面印證了這個排名並非僥倖。
不過，Rainbow自己倒是先澆了一盆冷水。他們強調，單一國家的單次測試無法下定論，還需要更多資料交叉驗證。這種態度，在滿天喊口號的氣候科技圈裡，反而顯得有點另類。
傳統氣象預報的痛點，就是新創的機會
為什麼Rainbow Weather選擇從降雨切入？答案藏在一個現實漏洞裡。全球有相當大的區域缺乏雷達網路，這些地方的降雨預測，長期以來只能依賴模型推估，誤差自然不在話下。但對防洪、保險、物流、零售、農業與能源調度這些高度依賴天氣資訊的產業來說，這種不確定性，就是實實在在的成本與風險。
GlobalCast的做法，是跳過地面感測器的限制，直接從衛星影像讀取降雨訊號。這個技術路徑的優勢在於，它不受基礎建設的束縛，只要有衛星覆蓋，就能產出預測。對於東南亞、非洲或南美洲許多缺乏雷達網的地區來說，這套方法的實用價值，可能比在已開發國家繼續優化既有的預測系統還要來得大。
編輯觀點
從產業面來看，Rainbow Weather的崛起，與其說是技術上的碾壓，不如說是它找到了一個傳統氣象巨頭長期忽略的切入點。AccuWeather和The Weather Company的數據基礎深厚，但它們的商業模式與技術架構，某種程度上被既有的地面觀測網絡給綁住了。Rainbow直接從衛星影像讀取降雨訊號，等於是換了一條賽道比賽。不過，話說回來，F1分數0.51在學術研究上還稱不上「突破性」，比較像是「驗證了這個方向可行」。真正的考驗在於，當它開始納入溫度、風、冰雹、閃電等更多變數，試圖打造通用大氣模型時，運算資源與演算法複雜度會呈指數成長。到那時候，輝達的硬體優勢與微軟、Google的雲端資源，反而可能成為Rainbow的天花板。
更大的棋：從降雨模型到大氣基礎模型
如果以為Rainbow Weather只想做降雨預測，那就太小看他們的野心了。根據目前揭露的規劃，他們下一階段的目標，是打造一個名為「Foundation Nowcast Model」的通用大氣模型。這個模型將不只處理降雨，還要把溫度、風速、冰雹、閃電與太陽輻射等參數全部納入同一套系統，預測時間也從現在的極短期延伸至24小時。
更特別的是，他們的訓練資料來源，除了傳統的雷達、衛星、地面站之外，還打算把手機與物聯網裝置上的氣壓感測資料也一併輸入。這種「全民氣象站」的概念，如果真能規模化，將有機會大幅提升資料的空間密度，進而改善模型在都市或複雜地形下的表現。
這場圍繞即時天氣與大氣智慧的競賽，參賽者名單越來越豪華。微軟、Google DeepMind與輝達都已經投入開發氣候模型，而且每一家都有各自的硬體優勢或演算法底蘊。Rainbow Weather雖然在特定項目暫時領先，但這場比賽才剛開始進入白熱化階段。
當AI開始看懂天空，我們該期待什麼？
對一般人來說，氣象預報從「會不會下雨」變成「什麼時候開始下、下多大、什麼時候停」，背後的差異不只是方便，而是生活與決策方式的改變。物流業者可以更精準地調度車隊，農民可以減少不必要的灌溉或農藥噴灑，甚至保險公司也能夠更合理地評估與定價天氣風險。
當然，這一切都還處於早期階段。Rainbow Weather的GlobalCast在測試中表現亮眼，但距離真正商轉、覆蓋全球、並且穩定輸出的那一天，還有不少技術與營運的關卡要過。而傳統氣象巨頭也不會坐視不管，它們的資料累積與客戶關係，仍然是難以短期超越的護城河。
可以確定的是，AI氣象預測這條賽道，已經從「有興趣的可以試試看」，變成了「所有人都必須認真投入」的戰場。誰能先把模型做穩、把資料串起來、把商業模式跑通，誰就有機會在這個年產值數百億美元的市場裡，占據一個關鍵位置。
你認為AI氣象預測最該優先應用的場景是防災、農業、還是能源調度？歡迎把這篇文章分享給關注氣候科技的朋友，一起追蹤這場天空中的演算法競賽。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
Rainbow Weather的GlobalCast跟一般手機天氣App有什麼不同？
GlobalCast專注於「即時降雨預測（nowcasting）」，以10分鐘更新一次、1公里高解析度提供全球降雨資訊，而一般手機App多仰賴傳統氣象模型，更新頻率較低且解析度較粗，尤其在缺乏地面雷達的地區誤差更大。
F1分數0.51算很厲害嗎？
以即時降雨預測的技術難度來說，0.51屬於前段班表現，優於AccuWeather的0.39和The Weather Company的0.34，但離理想值還有距離，Rainbow自己也強調需要更多測試驗證。
Rainbow Weather的AI模型何時會在臺灣上線？
目前官方尚未公布具體的上線時程與地區規劃，但由於GlobalCast是全球衛星涵蓋，理論上臺灣也在服務範圍內，實際商用時間仍待後續公告。
微軟、Google、輝達的氣候AI跟Rainbow有什麼不同？
大型科技公司的氣候模型多為通用型大氣研究或長期氣候預測，而Rainbow現階段專注於極短期（數小時內）的降雨即時預測，切入點與技術路線明顯不同，但目前Rainbow已表態將往24小時通用大氣模型發展，未來競爭將更直接。
這套系統對一般民眾要怎麼用？
現階段GlobalCast主要服務企業與政府客戶，應用在防洪、物流、農業、能源調度等領域，一般民眾暫時無法直接使用，但未來不排除透過第三方天氣App或平台間接取得其預測資訊。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
