스마트 풍선, 더 스마트한 예보: 윈드본, 정부 및 상업 하늘을 향해 3,700만 달러 유치

뉴스 요약

팔로알토에 본사를 둔 대기 데이터 기업 윈드본 시스템즈가 3,700만 달러 규모의 시리즈 B 투자 유치를 완료했다고 2026년 8월 5일 오전 9시(태평양 시간)에 확인했다. 이번 라운드는 코슬라 벤처스와 갈바나이즈가 공동 주도했으며, 트랜스링크 캐피탈(TransLink Capital), 럭스 캐피탈(Lux Capital), 기존 투자자들이 참여해 윈드본의 기업 가치는 약 2억 5,000만 달러로 상승했다. 새 자금은 회사의 글로벌 풍선 군집 확장과 AI 기반 기상 예보 모델인 웨더메시의 추가 개발에 투입될 예정이다.

스마트 기상 풍선의 군집

2019년 스탠포드 우주 이니셔티브(Stanford Space Initiative)의 분사 기업으로 설립된 윈드본은 전 세계 기상청이 하루 두 차례 발사하는 전통적인 기상 풍선보다 훨씬 오래 비행할 수 있도록 설계된 장기 체공 자율 감지 풍선을 제작하고 운영한다. 회사에 따르면 출시 이후 1,000회 이상의 비행 임무를 완료했으며, 해양과 외딴 육지 등 기존에 제대로 관측되지 않던 지역에서 온도, 습도, 기압, 바람 데이터 등 대기 관측 값을 수집해 왔다.

각 풍선은 가볍고 조종 가능한 설계를 채택해 고도를 조절하고 서로 다른 바람 층을 활용할 수 있어, 기존의 일회용 풍선보다 비행 시간을 훨씬 연장한다. 윈드본은 2028년까지 1만 개의 풍선을 동시에 운영하는 것을 목표로 하고 있으며, 회사는 이 규모의 함대가 현재 전 세계에서 매년 발사되는 풍선의 일부만으로도 밀도 높은 글로벌 대기 관측을 제공할 수 있을 것이라고 밝혔다.

웨더메시: 원시 대기 데이터를 예보로 전환

풍선 네트워크는 윈드본의 독자적인 딥러닝 예보 모델인 웨더메시에 직접 연결된다. 회사에 따르면 웨더메시는 중기 예보 정확도에서 기존 AI 예보 벤치마크를 능가하며, 지표 온도와 같은 지표에서 5일 후에도 기존 1일 예보 수준의 신뢰도를 유지한다. 일반적으로 약 6시간 주기로 갱신되는 기존 수치 기상 모델과 달리, 웨더메시는 실시간으로 유입되는 풍선 원격 측정 데이터를 반영해 매시간 업데이트된다.

독자적인 센서 데이터와 지속적으로 업데이트되는 머신러닝 모델의 결합은 윈드본의 핵심 경쟁력이다. 즉, 공개된 정부 기상 데이터에만 의존하는 대신, 기존 네트워크가 거의 도달하지 못하는 지역에서 자체 관측 데이터를 생성하고, 그 독특한 데이터 세트를 활용해 예보 정확도를 높이는 방식이다.

정부 계약에서 상업적 야망으로

윈드본의 초기이자 최대 고객은 정부 기관이었다. 미국 국립기상청(National Weather Service)은 이 회사로부터 대기 데이터를 구매하고 있으며, 미 공군과 미 해군은 연구 파트너십과 데이터 서비스 계약을 통해 윈드본을 지원해 왔다. 이러한 관계는 회사가 풍선 운영을 확장하고 웨더메시를 정교화하는 과정에서 안정적인 수익 기반을 제공했다.

이번 시리즈 B 투자로 윈드본은 정부 중심의 사업을 넘어 상업 시장으로 확장하는 것을 목표로 하고 있다. 경영진은 세분화된 기상 데이터를 활용해 상품 가격, 에너지 수요 및 기타 기상에 민감한 비즈니스 결과의 변동을 예측하는 투자 펀드와 트레이딩 데스크를 상업 확장의 초기 타깃으로 지목했다. 항공, 물류, 농업, 보험도 더 정밀하고 고빈도의 예보의 혜택을 받을 수 있는 추가 분야로 꼽힌다.

투자자들이 대기 데이터에 베팅하는 이유

기상 예보는 최근 몇 년간 머신러닝의 가장 주목받는 응용 분야 중 하나가 되었다. 대량의 대기 데이터로 학습된 AI 모델이 전통적인 물리 기반 시뮬레이션의 정확도를 따라잡거나 능가하면서도 훨씬 빠르게 실행되기 때문이다. 윈드본의 접근 방식은 하드웨어 계층도 직접 제어한다는 점에서 많은 AI 기상 연구소와 차별화된다. 이를 통해 기상 커뮤니티 전반에 공유되는 공개 데이터 세트에 전적으로 의존하는 대신 독자적인 관측 데이터 스트림을 확보할 수 있다.

이 분야에 관심이 있는 학생과 초기 경력 엔지니어들에게 윈드본의 성장은 하드웨어 엔지니어링, 자율 시스템, 응용 머신러닝이 실제 과학 및 기술 벤처에서 어떻게 점점 더 교차하는지 보여주며, 센서에서 예보에 이르는 풀스택 데이터 기업 구축의 사례 연구를 제공한다.