Nvidia ha presentado Earth‑2, un conjunto de modelos de inteligencia artificial diseñados para revolucionar la predicción meteorológica, justo cuando una fuerte tormenta invernal afecta a gran parte de EE. UU. La pieza central es Earth‑2 Medium Range, un modelo basado en la nueva arquitectura Atlas que, según la compañía, supera al sistema GenCast de Google DeepMind en más de 70 variables y mejora las previsiones de hasta 15 días vista.
A diferencia de los modelos tradicionales, que dependen sobre todo de complejas simulaciones físicas en superordenadores, Nvidia apuesta por arquitecturas de transformadores más simples y escalables. Dentro del ecosistema Earth‑2 destacan tres nuevas herramientas: Medium Range (pronósticos a varios días), Nowcasting (predicciones de 0 a 6 horas para fenómenos severos) y Global Data Assimilation (que integra datos de estaciones, globos y otros sensores para crear un mapa continuo del estado del tiempo en todo el mundo).
El modelo de Asimilación Global promete un salto en eficiencia: tareas que hoy consumen alrededor del 50% de la potencia de los superordenadores meteorológicos podrían ejecutarse en minutos mediante GPU, reduciendo costes y abriendo el acceso a países y organizaciones con menos recursos. Nowcasting, entrenado directamente con imágenes de satélites geoestacionarios, puede adaptarse a cualquier región con buena cobertura satelital, lo que facilitaría a gobiernos y servicios de emergencia anticipar el impacto de tormentas peligrosas.
Nvidia sostiene que estos modelos ponen los “bloques fundamentales” de la predicción del tiempo al alcance de servicios meteorológicos nacionales, empresas energéticas, financieras y tecnológicas. Algunos ya los están probando: meteorólogos en Israel y Taiwán utilizan CorrDiff (otro modelo Earth‑2) y compañías como The Weather Company y TotalEnergies evalúan Nowcasting. Más allá del negocio, la empresa subraya que el control de los sistemas de predicción es una cuestión de soberanía y seguridad nacional, en un contexto donde el clima extremo es cada vez más determinante.
