Il contratto di WindBorne con l'Air Force trasforma i dati dei palloni in infrastruttura per la difesa

WindBorne ha ottenuto un contratto con l'Air Force con un tetto di 48,7 milioni di dollari, trasformando i dati dei suoi palloni autonomi in un potenziale servizio di difesa a lungo termine.

Il contratto tra WindBorne e l'Air Force non equivale a un incasso garantito di 48,7 milioni di dollari. È uno strumento di ordinazione che consente al servizio di richiedere osservazioni atmosferiche per determinate regioni e periodi. Attraverso il primo ordine operativo sono stati stanziati circa 1,7 milioni di dollari.

Questa distinzione crea la tensione centrale. WindBorne ha ricevuto un'importante approvazione, ma l'Air Force deve ancora effettuare ordini sufficienti a convalidare il modello dell'azienda, basato sui dati come infrastruttura.

L'accordo inserisce inoltre WindBorne in una competizione più ampia sul futuro delle previsioni. Google DeepMind, ECMWF, NOAA e aziende meteorologiche private stanno migliorando i modelli a un ritmo insolito.

La scommessa di WindBorne differisce per un aspetto importante. Controlla sia una rete di osservazione sia un sistema di previsioni meteorologiche con IA. L'azienda punta a trasformare misurazioni proprietarie migliori in un vantaggio duraturo, non semplicemente in un'altra funzionalità del modello.

Cosa acquista realmente il contratto tra WindBorne e l'Air Force

Il contratto offre all'Air Force un accesso flessibile alle osservazioni dei palloni, lasciando però non impegnata gran parte del suo valore nominale.

L'Air Force ha assegnato il contratto il 29 settembre 2026. Il tetto dichiarato è di 48,727 milioni di dollari e il periodo di ordinazione si estende fino al 30 settembre 2033.

L'accordo copre profili verticali continui, globali e mirati dalla superficie alla stratosfera. Questi profili misurano come cambiano le condizioni atmosferiche con l'altitudine.

Questa visione verticale è importante per l'aviazione e la pianificazione militare. Temperatura, pressione, umidità e vento possono variare sensibilmente tra il suolo e la quota operativa di un velivolo.

Secondo le prime notizie sul contratto, l'Air Force può richiedere dati da regioni specifiche in determinati periodi. WindBorne raccoglie quindi e consegna le osservazioni richieste.

Il servizio ha inizialmente stanziato 1.702.778 dollari attraverso fondi per ricerca e sviluppo. L'ordine soddisfa l'acquisto minimo previsto dal contratto, ma rappresenta solo una piccola quota del tetto massimo.

Questa struttura è nota come contratto a consegna e quantità indeterminate. Stabilisce termini e un limite di spesa senza obbligare il governo a utilizzare l'intero importo.

Definirla quindi una vendita completata da 48,7 milioni di dollari sopravvaluterebbe la posizione di WindBorne. La domanda rilevante è con quale frequenza gli utenti operativi richiederanno dati aggiuntivi prima del 2033.

Il contratto è stato assegnato senza gara tramite l'Air Force Life Cycle Management Center presso la Hanscom Air Force Base. Il CTO di WindBorne, Andrey Sushko, ha descritto la decisione come un riconoscimento da parte del governo della distintiva capacità di raccolta globale dell'azienda.

Questa spiegazione proviene da WindBorne, non da un confronto tecnico indipendente. L'avviso pubblico non fornisce una valutazione dettagliata dei sistemi di osservazione alternativi.

L'assegnazione mantiene comunque un peso perché, secondo quanto riportato, è il contratto più grande di WindBorne. Porta il rapporto oltre un piccolo esperimento e crea un percorso verso acquisti operativi ripetuti.

WindBorne ha già collaborato con Air Force, Navy e National Weather Service. Un finanziamento Air Force per piccole imprese del 2020 ha sostenuto una versione precedente della sua piattaforma di rilevamento ad alta quota.

Il nuovo accordo modifica la scala e il modello di acquisto. Il governo non sta semplicemente finanziando lo sviluppo dei palloni. Ora può acquistare informazioni atmosferiche come servizio ricorrente.

Questo cambiamento conta per l'economia di WindBorne. Una rete di rilevamento richiede produzione, operazioni di lancio, comunicazioni, manutenzione e software prima che i clienti ricevano dati.

Un contratto di ordinazione può contribuire a sostenere tali costi fissi con lo sviluppo della domanda. Sushko ha affermato che lo strumento sosterrà la crescita della costellazione e la ricerca sull'hardware e sulle prestazioni dei palloni.

Tuttavia, il governo non ha divulgato la cadenza attesa degli ordini. Non ha neppure identificato le regioni che probabilmente riceveranno osservazioni mirate.

Queste omissioni sono comprensibili per un cliente della difesa. Rendono però impossibile stimare quale quota del tetto contrattuale diventerà ricavo riconosciuto.

Per ora, la conclusione più solida è più circoscritta. L'Air Force desidera una via d'acquisto diretta per i dati dei palloni di WindBorne e ha finanziato il primo ordine.

Perché i dati dei palloni restano importanti nella corsa alle previsioni con IA

I modelli di IA più veloci non eliminano il problema delle osservazioni, perché ogni previsione utile inizia comunque con una stima dello stato attuale dell'atmosfera.

I modelli meteorologici necessitano di uno stato iniziale che includa temperatura, vento, umidità, pressione e altre variabili. Piccoli errori in questo stato possono crescere con l'avanzare della previsione.

I satelliti offrono un'ampia copertura, il radar rileva importanti schemi locali e gli aeromobili contribuiscono con osservazioni lungo le loro rotte. Le stazioni al suolo aggiungono un altro livello essenziale.

Tuttavia, questi sistemi non sostituiscono del tutto i profili verticali diretti. Una radiosonda, un pacchetto di strumenti trasportato da un pallone, campiona le condizioni mentre attraversa diversi strati atmosferici.

I tradizionali palloni meteorologici rimangono centrali per le previsioni. Il National Weather Service li lancia due volte al giorno da siti designati negli Stati Uniti.

Questi lanci lasciano ampie lacune geografiche e temporali. Un esempio sul campo del NOAA ha descritto meteorologi costretti a fare affidamento su una stazione distante circa 200 miglia nella valutazione di fenomeni meteorologici locali gravi.

Le aree oceaniche e le regioni remote presentano un problema ancora più difficile. Le infrastrutture di lancio permanenti sono scarse, mentre le osservazioni dagli aeromobili dipendono dalle rotte di volo e dai programmi operativi.

WindBorne cerca di rendere i palloni persistenti e mobili. I suoi Global Sounding Balloons restano in volo per settimane invece di completare una sola breve ascensione.

L'azienda afferma che ciascun veicolo può raccogliere circa 50 profili verticali controllati. Un pallone convenzionale produce generalmente un solo profilo durante un volo della durata di circa due ore.

I palloni di WindBorne non hanno motori. Cambiano quota per entrare in strati di vento che si muovono in direzioni diverse, quindi usano tali correnti per spostarsi orizzontalmente.

I veicoli possono rilasciare gas di sollevamento o zavorra per regolare l'altitudine. Il software pianifica questi movimenti usando previsioni dei venti a diversi livelli.

Questo meccanismo non offre una guida paragonabile a quella di un aeromobile. Un pallone dipende comunque dagli schemi di vento disponibili e alcune destinazioni saranno più facili da raggiungere di altre.

La scala compensa in parte il controllo limitato. Secondo l'azienda e TechCrunch, WindBorne aveva circa 700 palloni in funzione a livello globale quando il contratto è diventato pubblico.

Una grande costellazione aumenta la probabilità che un veicolo adeguato sia già vicino a una regione richiesta. Consente inoltre alla rete di raccogliere osservazioni ripetute invece di dipendere da un unico lancio.

Questo è il vantaggio pratico dei dati dei palloni WindBorne. La rete può collocare sensori diretti in aree in cui il sistema di osservazione esistente ha una copertura limitata.

L'Air Force ha ragioni evidenti per interessarsi a queste lacune. Il meteo influenza la pianificazione dei voli, la sorveglianza, la logistica, il rifornimento, le comunicazioni e il movimento di fumo o materiali pericolosi.

Le condizioni in una regione possono inoltre influenzare le previsioni altrove. I sistemi atmosferici si spostano, interagiscono e trasportano incertezza oltre confini nazionali e oceani.

Osservazioni migliori possono quindi migliorare più di una previsione locale. Possono affinare lo stato globale stimato che i sistemi previsionali usano come punto di partenza.

WindBorne afferma che le sue osservazioni confluiscono già nel Global Forecast System del NOAA. Questa dichiarazione dell'azienda indica un utilizzo governativo, ma non quantifica il conseguente miglioramento delle previsioni.

Il contratto offre un segnale di adozione più concreto. L'Air Force sta pagando per accedere a osservazioni selezionate, anziché limitarsi a esaminare risultati sperimentali.

Tuttavia, le osservazioni grezze non producono automaticamente decisioni migliori. Devono arrivare in modo affidabile, superare controlli di qualità e integrarsi nei sistemi previsionali operativi.

I militari devono inoltre stabilire quando profili aggiuntivi dei palloni giustifichino il loro costo. Questo calcolo varierà in base a regione, missione e disponibilità di altri sensori.

Il contratto crea un meccanismo per rispondere a questa domanda attraverso ordini effettivi. Non ne stabilisce anticipatamente la risposta.

Il vero vantaggio di WindBorne è il ciclo dei dati

WindBorne compete attraverso un ciclo di dati che collega osservazioni proprietarie, aggiornamenti del modello, navigazione dei palloni e nuove misurazioni.

Molti sviluppatori di previsioni meteorologiche con IA iniziano con set di dati storici condivisi. ERA5, la rianalisi ampiamente usata di ECMWF, ricostruisce le condizioni atmosferiche passate usando osservazioni e un sistema di previsione.

La rianalisi è preziosa per l'addestramento perché fornisce campi globali coerenti su decenni. Non equivale alla raccolta odierna di nuove misurazioni da aree scarsamente campionate.

WindBorne gestisce sia Atlas, la sua costellazione di palloni, sia WeatherMesh, la sua piattaforma di previsione. Questa combinazione offre all'azienda un percorso dal rilevamento fisico all'output del modello.

WeatherMesh-6 utilizza l'assimilazione dei dati, il processo che combina le osservazioni con una stima precedente delle condizioni atmosferiche. L'obiettivo è ottenere uno stato di partenza migliore per ogni previsione.

WindBorne afferma che il suo sistema codifica direttamente le differenze tra le misurazioni dei palloni e la previsione di fondo. Queste differenze indicano al modello dove la sua stima atmosferica precedente era errata.

L'azienda afferma inoltre che WeatherMesh-6 acquisisce 11 tipi di osservazioni. Gli input includono strumenti satellitari, fonti convenzionali e le misurazioni dei palloni dell'azienda stessa.

WeatherMesh-6 genera ensemble, ovvero molteplici scenari previsionali progettati per rappresentare l'incertezza. Un ensemble è più utile di un singolo percorso deterministico quando gli esiti restano instabili.

WindBorne riferisce che il sistema globale produce una nuova previsione ogni ora. Le nuove osservazioni vengono integrate negli aggiornamenti successivi dopo i normali orari di inizializzazione sinottica.

L'azienda sostiene che gli aggiornamenti successivi diventino più accurati con l'arrivo dei dati correnti. La sua descrizione del modello pubblicata confronta favorevolmente il sistema con IFS basato sulla fisica di ECMWF e AIFS basato sul machine learning.

Questi confronti meritano un linguaggio cauto. WindBorne ha scelto il disegno della valutazione e pubblicato essa stessa i risultati. Test operativi indipendenti fornirebbero prove più solide in diverse regioni e regimi meteorologici.

L'architettura del modello spiega comunque perché la rete di palloni potrebbe essere importante. Se Atlas raccoglie un raro profilo, WeatherMesh può incorporare quell'informazione nella propria stima delle condizioni attuali.

Una stima migliore può migliorare la previsione successiva. Tale previsione può contribuire a pianificare i cambiamenti di quota dei palloni, posizionando i veicoli per ulteriori misurazioni.

Il risultato è un ciclo di feedback:

• Atlas misura l'atmosfera in luoghi con osservazioni limitate.

• WeatherMesh assimila tali misurazioni in uno stato atmosferico aggiornato.

• I venti previsti guidano i palloni verso aree utili per la raccolta.

• Nuovi profili rivelano errori e migliorano gli aggiornamenti successivi del modello.

Questa è la principale competizione attorno al contratto WindBorne dell’Air Force. WindBorne scommette che osservazioni private integrate supereranno una strategia basata esclusivamente sui modelli.

Google DeepMind rappresenta il punto di riferimento più chiaro. I suoi sistemi meteorologici hanno ottenuto risultati rilevanti nella previsione dei cicloni, attingendo principalmente a dataset consolidati e pipeline di osservazione già esistenti.

Google ha introdotto Weather Lab per condividere previsioni sperimentali con il National Hurricane Center. La sua ricerca sui cicloni ha mostrato come modelli avanzati possano migliorare le stime di traiettoria e intensità senza possedere una flotta globale di palloni.

Anche ECMWF sta facendo progressi sia nei sistemi basati sulla fisica sia in quelli di machine learning. Il suo AIFS è diventato operativo nel 2025, mentre il consolidato IFS continua a ricevere aggiornamenti scientifici.

Queste organizzazioni non sono sostituti diretti di ogni prodotto WindBorne. Google sviluppa modelli e piattaforme di ricerca, mentre ECMWF gestisce infrastrutture pubbliche per le previsioni.

Ciononostante, competono sul terreno della credibilità previsionale. Se le osservazioni ampiamente disponibili e modelli più grandi continueranno a migliorare rapidamente, WindBorne dovrà dimostrare che i suoi profili proprietari aggiungono un valore distintivo.

Al contrario, i miglioramenti dei modelli possono aumentare il valore di dati unici. Con la convergenza delle architetture, osservazioni differenziate in tempo reale potrebbero diventare un vantaggio più difficile da replicare.

Il finanziamento di WindBorne ad agosto riflette questa tesi. L’azienda ha raccolto 37 milioni di dollari in un round Series B, portando il finanziamento totale dichiarato oltre i 62 milioni di dollari.

Khosla Ventures e Galvanize hanno co-guidato il round. WindBorne ha dichiarato di aver triplicato sia i ricavi sia le dimensioni della sua costellazione di palloni nell’anno precedente.

Si tratta di dati riportati dall’azienda. L’impresa privata non pubblica i bilanci dettagliati necessari per valutare la concentrazione dei clienti o i costi operativi.

Tuttavia, il finanziamento e il contratto indicano la stessa direzione. Investitori e Air Force stanno sostenendo un’attività meteorologica verticalmente integrata, non soltanto un’altra interfaccia di previsione.

Il tetto di 48,7 milioni di dollari non elimina i rischi più difficili

WindBorne deve dimostrare affidabilità nella fornitura, miglioramenti previsionali indipendentemente verificati e una domanda governativa ripetuta prima che il tetto contrattuale si trasformi in un successo operativo.

Il primo rischio riguarda l’interpretazione finanziaria. Al momento dell’assegnazione erano stati impegnati soltanto circa 1,7 milioni di dollari, mentre il valore restante dipende da futuri ordini di attività.

Un tetto stabilisce la spesa potenziale massima. Non è una previsione, una garanzia, un dato di backlog o una promessa che il governo utilizzerà ogni servizio disponibile.

I futuri ordini offriranno il segnale di domanda più chiaro. Tempistiche e dimensioni mostreranno se l’Air Force considera i dati WindBorne una necessità operativa abituale.

Il secondo rischio riguarda la validazione. WindBorne avanza affermazioni ambiziose su WeatherMesh-6, incluse comparazioni di accuratezza favorevoli con i principali sistemi operativi.

I suoi materiali di benchmark descrivono un ensemble di 128 membri e prestazioni su numerose variabili e orizzonti previsionali. Tuttavia, benchmark controllati dall’azienda non possono risolvere ogni questione.

Le prestazioni meteorologiche cambiano in base a geografia, stagione, variabile, altitudine e tipo di evento. Un modello che eccelle in media può comunque incontrare difficoltà con eventi estremi rari.

Gli utilizzatori delle previsioni tengono conto anche della calibrazione. Un sistema dovrebbe assegnare probabilità sensate, non soltanto minimizzare l’errore medio nella sua previsione centrale.

Il lavoro di ECMWF illustra l’onere operativo. La sua valutazione delle previsioni sottolinea qualità dei dati, riproducibilità, infrastruttura, validazione e integrazione con i flussi di lavoro esistenti.

Questa prospettiva mette in discussione le semplici narrazioni sull’AI che sostituisce la fisica. Il machine learning sta entrando nelle operazioni, ma i sistemi previsionali consolidati restano parte della validazione e della gestione del rischio.

L’atmosfera è caotica e ogni previsione contiene incertezza. Né un dataset proprietario né un’architettura più efficiente eliminano questo limite fondamentale.

Il terzo rischio riguarda le operazioni fisiche. WindBorne deve produrre, lanciare, comunicare con e navigare centinaia di veicoli leggeri attraverso lo spazio aereo internazionale.

I palloni possono cambiare altitudine, ma non possono muoversi indipendentemente dal vento. La raccolta mirata dipende quindi dal posizionamento, dalla qualità delle previsioni e da percorsi atmosferici favorevoli.

Le perdite di hardware fanno inoltre parte di un sistema monouso o parzialmente recuperabile. WindBorne afferma di puntare a recuperare più veicoli man mano che Atlas cresce, ma i tassi di recupero richiedono un monitoraggio continuo.

Anche le questioni ambientali meritano attenzione. Una grande costellazione consuma materiali per palloni, gas di sollevamento, batterie, sensori e risorse per i lanci.

WindBorne pubblica informazioni sulla sicurezza dei voli e sugli obiettivi di recupero. Una rendicontazione indipendente sugli effetti del ciclo di vita renderebbe più chiaro il quadro della sostenibilità.

Il quarto rischio è la concentrazione. La domanda governativa può accelerare la crescita di una giovane azienda, ma può anche plasmare le priorità di prodotto e la dipendenza dai ricavi.

WindBorne serve settori commerciali quali energia, agricoltura, trasporti e trading. Le informazioni pubbliche non rivelano come i ricavi siano distribuiti tra questi clienti.

Un contratto nel settore della difesa può inoltre generare requisiti diversi dalle esigenze delle previsioni civili. Consegne sicure, targeting regionale e tempistiche specifiche per la missione possono reindirizzare il lavoro ingegneristico.

Questo non rende l’accordo indesiderabile. Significa che l’espansione commerciale va valutata insieme alla crescita governativa, non data per automatica.

Il quinto rischio è la risposta competitiva. Agenzie pubbliche e grandi aziende tecnologiche non restano immobili mentre WindBorne espande Atlas.

ECMWF gestisce sia sistemi di machine learning sia sistemi basati sulla fisica. Google continua a sviluppare modelli meteorologici, mentre NOAA mantiene una vasta infrastruttura pubblica di osservazione e previsione.

Altri fornitori commerciali possono combinare dati satellitari, radar, aeronautici, marittimi e terrestri. Potrebbero non dover replicare l’intero sistema di palloni di WindBorne per competere sui risultati per i clienti.

I programmi pubblici di osservazione potrebbero anche colmare lacune specifiche. Ulteriori lanci convenzionali, sensori sugli aeromobili o migliori rilevamenti satellitari potrebbero ridurre il valore di determinati profili di palloni.

WindBorne necessita quindi di qualcosa in più della novità tecnica. Deve dimostrare che le sue misurazioni migliorano le decisioni a sufficienza da giustificare acquisti ripetuti.

L’assegnazione senza gara rafforza la posizione dell’azienda, ma solleva un’altra domanda. Le informazioni pubbliche non mostrano il confronto completo del governo tra WindBorne e metodi di raccolta alternativi.

Sushko ha dichiarato che l’Air Force ha stabilito che solo WindBorne soddisfaceva le sue esigenze operative. È un’affermazione significativa, ma la valutazione tecnica a supporto non è pubblica.

I lettori dovrebbero considerarla un’indicazione di fiducia negli approvvigionamenti, non una prova di esclusività permanente sul mercato.

Cosa mostrerà se i dati dei palloni possono diventare infrastruttura

Tre segnali determineranno se questa assegnazione diventerà un’attività durevole: ordini successivi, validazione indipendente e prestazioni sostenute della costellazione.

Il primo segnale è un’ulteriore spesa dell’Air Force. Nuovi ordini di attività mostrerebbero che i team operativi hanno trovato nei dati iniziali un valore sufficiente per richiedere una copertura più ampia o ripetuta.

La dimensione degli ordini conta, ma la cadenza conta di più. Acquisti regolari in più periodi sosterrebbero l’idea che i profili dei palloni siano entrati nella pianificazione ordinaria.

Una lunga pausa dopo il primo ordine indebolirebbe questa interpretazione. Suggerirebbe che il contratto funzioni soprattutto come opzione disponibile, anziché come infrastruttura attiva.

Il governo potrebbe non divulgare ogni località di missione. Potrà comunque pubblicare impegni aggregati, modifiche contrattuali e informazioni sul completamento attraverso i database degli appalti.

Il secondo segnale è una valutazione indipendente dei modelli. I benchmark interni di WindBorne formulano un’affermazione forte, ma i confronti esterni devono metterla alla prova in condizioni variabili.

Valutazioni utili dovrebbero coprire temperatura, vento, precipitazioni, sistemi tropicali, convezione intensa e calibrazione probabilistica. Dovrebbero includere regioni diverse e differenti durate previsionali.

Il risultato più persuasivo isolerebbe il contributo dei dati Atlas. Ciò richiede di confrontare previsioni altrimenti simili con e senza osservazioni WindBorne.

Un simile esperimento risponderebbe alla domanda strategica alla base del contratto. Mostrerebbe se i profili proprietari producono miglioramenti oltre l’architettura, i dati di addestramento e la capacità di calcolo.

Anche l’assimilazione di NOAA merita attenzione. WindBorne afferma che le sue osservazioni entrano nel Global Forecast System, ma l’analisi pubblica dovrebbe quantificarne l’effetto sulla qualità previsionale.

Il terzo segnale è l’affidabilità della costellazione. Una rete di 700 palloni sembra significativa, ma i clienti hanno bisogno di una copertura geografica costante e di una consegna tempestiva dei dati.

WindBorne dovrebbe essere valutata in base alla durata dei voli riusciti, ai profili consegnati, alla disponibilità nelle regioni target, alla qualità dei sensori, alla continuità delle comunicazioni e al recupero dei veicoli.

Le prestazioni durante eventi meteorologici estremi saranno particolarmente rivelatrici. L’azienda ha dichiarato di aver inviato un sistema non motorizzato nell’occhio di un tifone nell’agosto 2026.

Quell’operazione suggerisce che la rete possa raggiungere ambienti difficili. Missioni ripetute dimostrerebbero se l’evento sia stato una pietra miliare o una capacità affidabile.

La scalabilità metterà alla prova anche il ciclo di feedback. Più palloni dovrebbero creare più osservazioni, migliorare le previsioni di navigazione e rendere più semplice la raccolta mirata.

Tuttavia, la crescita può far emergere variazioni nella produzione, colli di bottiglia nei lanci e problemi di controllo qualità. La flotta deve diventare più utile man mano che diventa più grande.

Il più ampio mercato delle previsioni meteorologiche basate sull’AI si sta muovendo verso operazioni ibride. I sistemi di machine learning integrano sempre più i modelli fisici invece di limitarsi a sostituirli.

Questa direzione favorisce le aziende in grado di integrare osservazioni, stime dell’incertezza e output dei modelli nei flussi di lavoro esistenti. WindBorne ha progettato la propria piattaforma attorno a questa combinazione.

Il contratto WindBorne con l’Air Force offre all’azienda tempo e un percorso credibile verso i clienti. Non garantisce che Atlas diventerà uno strato standard delle previsioni globali.

Il prossimo capitolo sarà scritto attraverso registri degli appalti, punteggi previsionali indipendenti e prestazioni quotidiane della flotta. Questi segnali sono meno spettacolari del valore massimo del contratto.

Sono però più informativi. I lettori che valutano WindBorne dovrebbero osservare cosa ordina l’Air Force, cosa verificano i previsori esterni e con quale affidabilità Atlas effettua le consegne.

Se tutti e tre avanzeranno insieme, le osservazioni private mediante palloni potrebbero diventare un’infrastruttura meteorologica duratura. Se uno si arresta, il contratto potrebbe restare un veicolo promettente ma di utilità limitata.

Per sviluppatori e acquirenti aziendali, la lezione va oltre la meteorologia. I prodotti AI acquisiscono difendibilità quando controllano input affidabili che i concorrenti non possono riprodurre facilmente.

Tuttavia, i dati proprietari contano solo quando superano i test operativi. Seguite le evidenze, confrontate le previsioni durante eventi difficili e distinguete la spesa impegnata dal valore massimo del contratto.

La domanda centrale ora è pratica: le agenzie continueranno a ordinare i dati dei palloni WindBorne dopo il primo incarico, e miglioramenti previsionali misurabili giustificheranno tale domanda?