AIbaseAktualisiert

Tianxu Intelligent sichert sich Finanzierung in Höhe von mehreren zehn Millionen Yuan von Houxue und schickt großes Wettermodell in den…

Das Wetter-KI-Unternehmen Tianxu Intelligent hat eine Pre-A+-Finanzierungsrunde in Höhe von mehreren zehn Millionen Yuan abgeschlossen, bei der Houxue Capital als einziger Investor auftrat. Das Geld fließt in den Aufbau…

Ein Wetter-KI-Unternehmen, das weniger als zwei Jahre alt ist, hat Finanzierung und Satelliten gleichzeitig in die Tasche gesteckt. Die Tianxu Intelligent Technology (Jiaxing) Co., Ltd. hat kürzlich eine Pre-A+-Finanzierungsrunde in Höhe von mehreren zehn Millionen Yuan abgeschlossen, bei der Houxue Capital als einziger Investor auftrat; das Geld fließt hauptsächlich in den Aufbau der Ningkong-Konstellation, die Iteration des Energie-Wettergroßmodells, die Teamausweitung und die Vorabforschung im Ausland. Dieses erst im Oktober 2024 entstandene Unternehmen gehört zu den sehr wenigen AI-for-Science-Akteuren in China, die gleichzeitig ein vertikales Wettergroßmodell, ein eigenes Satellitenbeobachtungsnetz und die Fähigkeit zur grundlegenden Branchenintegration in der Hand halten. Gründer Liu Li ist Doktor der Meteorologie an der University of the Chinese Academy of Sciences und verbrachte fast ein Jahrzehnt im Grenzgebiet zwischen Meteorologie und Energie.

Nach Liu Lis Einschätzung sind erneuerbare Energien von Natur aus vom Wetter abhängig: Windgeschwindigkeit und Strahlungsintensität bestimmen direkt die Stromerzeugung. Da der Anteil der installierten Kapazität erneuerbarer Energien in China bereits 50 % überschritten hat, erzeugt die Leistungsprognose einen Bedarf im Bereich von zehn Milliarden Yuan, und der Stromterminhandel eröffnet zusätzliches Wachstum im Bereich von hundert Milliarden Yuan – ein goldener Sektor am Vorabend eines Ausbruchs. Tianxus Strategie: das Großmodell von der Cloud bis in den Weltraum vorantreiben.

„Das Wetter-KI-Modell des Unternehmens ist kein großes Sprachmodell, sondern ein vertikales Fachgebietsmodell mit einer Parametergröße, die innerhalb von 100 亿 liegt. Es wurde von der ersten Codezeile an eigenständig entwickelt, auf Basis gängiger Architekturen mit energiefachlichen Umbauten versehen und mit einem Entwurf namens Lorenz-Framework vorgestellt – der Name ist eine Hommage an den Chaostheorie-Begründer und Meteorologen Lorenz. Der Kerngedanke: Transformer als Fundament zu nutzen und die herkömmlichen Aufmerksamkeitsmechanismen im Hinblick auf Phänomene wie räumliche Korrelationen zwischen vorgelagerten und nachgelagerten Bereichen sowie zeitliche Drift in der Energie-Wettervorhersage umzubauen, wobei das Ziel von Anfang an konsequent auf die Vorhersage von Windgeschwindigkeit und Einstrahlung gerichtet ist – nicht auf allgemeine Angaben zu Temperatur, Luftfeuchtigkeit und Niederschlag.“

Während traditionelle physikalische Modelle mathematische Gleichungssysteme lösen und dafür auf Supercomputern über ein Dutzend Stunden rechnen, berechnet das KI-Großmodell in einer Minute das Wetter für über zwanzig Tage im Voraus – und erreicht bei zahlreichen Elementen sogar eine höhere Genauigkeit. Tianxu baute ab 2025 gemeinsam mit dem Public Meteorological Service Center der China Meteorological Administration Workflows auf und veröffentlichte im Oktober desselben Jahres in Zhongshan, Provinz Guangdong, gemeinsam das erste Energie-Wettergroßmodell des Landes, CMA-WSP-AI. Einen Schritt weiter geht sein vertikales Weltmodell: Während gewöhnliche Wettergroßmodelle nur Wetterergebnisse ausgeben, kann es weiter ableiten, wie Wetterveränderungen sich in Schwankungen der Erzeugung aus erneuerbaren Energien übertragen, wie sie die Netzlast insgesamt beeinträchtigen und wie sie Schwankungen der Terminstrompreise antreiben – ein Sprung von der Wetterberechnung zur Berechnung der Energiesystementwicklung, der Simulationsfähigkeiten für Stromhandel, Planung großer Standorte und Netzausfallvorsorge bietet. In Tests übertraf seine hochauflösende Windgeschwindigkeitsvorhersage mit 1 km Auflösung bei Kennzahlen wie RMSE und Korrelationskoeffizient EC-HRES und AIFS, belegte in einer KI-Extremwetter-Wettbewerb den ersten Platz und steigerte den TS-Score gegenüber herkömmlichen Baselines um 39,6 % bis 351 %.

Geschäftlich hat Tianxu ein dreistufiges Modell aus Daten, Plattform und Kompetenzaufbau durchlaufen. Auf der untersten Ebene werden Daten verkauft; Kunden umfassen führende Stromerzeugungsgruppen, Meteorologiebehörden und Stromhandelsakteure. Die zweite Ebene ist eine SaaS-Plattform für hilfestellende Entscheidungen im Stromhandel und Leistungsprognose per Kontoabonnement, die laufende Einnahmen bringt. Die dritte Ebene ist die vollständige Bereitstellung von Daten, Modellen und Plattform im Intranet des Kunden, um den Sicherheits- und Privatisierungsanforderungen führender Kunden gerecht zu werden. Drei aufsteigende Ebenen: Daten sind der Einstieg, die Plattform fördert Wiederholungskäufe, Privatisierung bindet Großkunden – je mehr Kraftwerke angeschlossen werden, desto genauer wird das Modell, was einen positiven Daten-Flywheel bildet. Liu Li benennt die Schwachstelle des alten Modells: Die Erzeugerseite überträgt Daten an Dritte und erhält sie nach der Verarbeitung zurück – unter den Anforderungen der Energiesicherheit geht das nicht mehr, Daten dürfen das Intranet nicht verlassen. Deshalb baut Tianxu Modell und Plattform im Kundennetz auf, lässt Daten und Modell im Intranet zirkulieren und hilft dem Kunden gleichzeitig, diese eigenständige Fähigkeit zu beherrschen. Heute deckt sein Kundenstamm die drei Seiten Erzeugung, Verbrauch und Netz ab, sowohl State Grid als auch Southern Grid sind dabei – das Unternehmen hat sich damit die Eintrittskarte zu den wichtigsten Kunden des chinesischen Energiesystems gesichert.

Was dieses Unternehmen wirklich von traditionellen Wetterdienstleistern abhebt, ist, dass es sein Großmodell in den Himmel geschickt hat. Liu Li ist überzeugt, dass algorithmische Vorteile langfristig eingeholt werden und die Datenquelle die eigentliche langfristige Barriere darstellt – daher startete er den Ningkong-Konstellationsplan. Am 24. Juli 2026 wurde das Wettergroßmodell mit einem Satelliten in die Umlaufbahn gebracht und die tägliche Validierung abgeschlossen, womit es zu einem der ersten Start-ups im Land wurde, die ein Modell in den Weltraum geschickt haben. Die Konstellation ist langfristig mit 18 Satelliten geplant und soll ein globales Beobachtungsnetz für Wind, Solarenergie, Temperatur, Druck und Feuchtigkeit mit 1 km Auflösung und 1-stündiger Wiederholung aufbauen – ein seltener Weg aus KI-Großmodell plus eigenen Satelliten plus Satellitencomputing. Der weitere Zeitplan steht ebenfalls fest: 2027 sind zwei Pilot-Testsatelliten zur Validierung der Satelliten-zu-Satelliten-Übertragung und des On-Board-Computing geplant, um die Lücke in der Wind- und Solarbeobachtung in Wüsten-, Sand- und unwegsamen Gebieten zu schließen; danach werden alle 18 Satelliten ausgebaut, um mit globaler Perspektive den Inlandsmarkt und die Märkte entlang der Belt-and-Road-Initiative zu bedienen.

Neben der Energie hat Tianxu auch die Fühler in die Tiefwetterlage und Finanzwetterlage ausgestreckt: Erstere bietet bereits Wetterdienstleistungen für Drohnenlieferungen mit führenden Kunden und einer Auflösung im 10-Meter-Bereich an, Letztere richtet sich an Wetterderivate, Versicherungen und ausländische Prognosemärkte und bietet eine vertrauenswürdige, hochfrequente Datenbasis für Preisbildung und Abrechnung. Vor dem Hintergrund, dass rund 80 % der Branchen der Volkswirtschaft mit dem Wetter zusammenhängen, wurde die Tatsache, dass Wetter einen Preis haben und gehandelt werden kann, im Ausland bereits validiert – im Inland steht es erst am Anfang. Wenn ein Start-up den mit Transformer umgebauten Aufmerksamkeitsmechanismus, eigene Satelliten und ein Energieweltmodell zu einer Kette von der Weltraumbeobachtung bis zur Branchenbereitstellung verschweißt, will es offensichtlich nicht nur ein Prognosetool sein, sondern der grundlegende Preisbildner für das globale Wetterrisiko.


Originalquelle

AIbase

Hinweise zum Inhalt

Originalveröffentlichung und Rechte liegen bei der Quelle.

Maschinelle Übersetzung · Original beachten