（來源：麻省理工科技評論）

OpenSnow 是一款面向滑雪和單板愛好者的天氣預(yù)報 App，被滑雪圈的人喻為“最棒的天氣預(yù)報 App”。OpenSnow 不是官方氣象機(jī)構(gòu)的出品，也不來自任何大牌廠商——它出自一家獨(dú)立的 App 初創(chuàng)公司，靠政府?dāng)?shù)據(jù)、自研 AI 模型，加上幾十年的高山生活經(jīng)驗(yàn)，做出了比任何同行都更精準(zhǔn)的下雪預(yù)報（很快還會有雪崩預(yù)報）。

懂行的滑雪者都關(guān)注 OpenSnow。從美國的 Alpine Meadows 到歐洲的勃朗峰，從科羅拉多的 Crested Butte 到佛蒙特的 Killington，除非 OpenSnow 的預(yù)報員認(rèn)為“可以去”，否則滑雪愛好者們不會貿(mào)然出發(fā)。這些預(yù)報員通過篩選和分析海量數(shù)據(jù)，為全球各地撰寫“每日雪報”。

“我算是 F 級名人，”O(jiān)penSnow 創(chuàng)始合伙人兼預(yù)報員布萊恩·阿萊格雷托（Bryan Allegretto）笑著說，“連 D 級都算不上?！?/p>

這款 App 在上個冬季尤其重要，因?yàn)檫@是有記錄以來最怪的冬天之一：美國西部日常降雪稀少，卻經(jīng)歷了一輪極端的暴風(fēng)雪周期，引發(fā)了歷史上最致命的雪崩之一；緊接著，融雪速度之快也是多年罕見，加州幾個度假村已經(jīng)提前結(jié)束了雪季；與此同時，東部一直在下雪，雪季又厚又長，似乎沒有要停的意思。

《麻省理工科技評論》在塔霍湖（Tahoe）山區(qū)追上了阿萊格雷托，和他聊了天氣、AI、雪崩，以及這款小小的天氣 App 是如何成為粉雪獵人最接近“預(yù)言神器”的存在：每天提供業(yè)內(nèi)最新鮮、最易讀、最微觀精準(zhǔn)的預(yù)報。還有兩個曾經(jīng)一文不名的滑雪迷——阿萊格雷托和他在科羅拉多的搭檔、CEO 喬爾·格拉茨（Joel Gratz）——是如何白手起家，把一個 37 人的郵件列表，做成了一個 50 萬人的死忠粉社群。

本次訪談經(jīng)過編輯，以確保內(nèi)容清晰準(zhǔn)確。

麻省理工科技評論：你在新澤西長大。論降雪量，新澤西在美國算中等。你小時候的冬天是什么樣的？

我從小就癡迷天氣，尤其是極端天氣，比如東北風(fēng)暴。我記得好像是 1989 年的那場暴風(fēng)雪，重創(chuàng)了東海岸——下了兩到三英尺的雪，對澤西海岸來說是非常多的。我父親在公路管理局工作，所以他有比晚間新聞更厲害的工具。每次下雪他都負(fù)責(zé)調(diào)度鏟雪車，所以我記得自己一直跟著我爸追風(fēng)暴。我不能坐鏟雪車，只能看著。長大一點(diǎn)之后，我就成了那個去幫鄰居鏟車道的人。我喜歡待在外面，待在雪里。上大學(xué)的時候，我經(jīng)常出去幫女生們鏟門前的人行道，挺好玩的。

麻省理工科技評論：你什么時候開始滑雪的？

我們當(dāng)時會偷偷逃課坐大巴去滑雪，父母完全不知道。那是 90 年代，沖浪的人覺得單板滑雪很好玩，本地的沖浪店就開始組織大巴，一群沖浪的人涌上車去 Hunter Mountain。我們也會開車去波科諾山區(qū)夜滑，然后掉頭回來。我高中時也經(jīng)常一個人開車出門——我、我的狗、我的背包。我會睡在加油站，然后去滑雪。在東北部追著風(fēng)暴跑。

麻省理工科技評論：為什么喜歡追風(fēng)暴？

因?yàn)樘烊坏目旄泻涂鞓贰Ｎ乙恢笔莻€尋找心靈歸屬的人。我成長于一個混亂的家庭，破碎的家庭，我只想逃離。我是老大，一直想照顧我媽，確保她沒事。沒有人告訴我要去上學(xué)、要有一份事業(yè)。我只想做一些能讓自己有滿足感的事。

麻省理工科技評論：你是怎么確定什么事能滿足你的？

對我來說，上大學(xué)本身就是一件大事，考慮到我的家庭背景。家里沒錢。但因?yàn)槲覌屘F了，我能拿到助學(xué)金和獎學(xué)金。我本來想去賓州州立，但成績不夠。最后去了新澤西的一所公立大學(xué) Kean，那里有氣象學(xué)專業(yè)。我們能去紐約市的 NBC，在綠幕前練習(xí)。在氣象學(xué)院的時候，我開始想：怎么才能既在滑雪和單板行業(yè)里工作，又能用上氣象知識？后來我去南澤西的羅文大學(xué)讀商科，中間還跑到夏威夷沖浪，又花了一年時間教單板滑雪。我的目標(biāo)始終是不要做一份自己討厭的職業(yè)。

麻省理工科技評論：我猜你和大多數(shù)氣象學(xué)專業(yè)的學(xué)生不太一樣。

我們這些朋克、滑板少年、單板愛好者——和典型的氣象學(xué)書呆子有點(diǎn)不一樣。我是那個激進(jìn)的風(fēng)暴追逐者，性格鮮明?，F(xiàn)在也還是。

麻省理工科技評論：你不太符合傳統(tǒng)氣象主播的形象。

那時候沒有智能手機(jī)，也沒有社交媒體。如果你是氣象學(xué)家，要么進(jìn)政府機(jī)構(gòu)坐格子間，要么去保險公司做天氣風(fēng)險評估，要么上地方電視臺。這些都不是我想要的。他們也不會想讓一個大胡子的灰熊亞當(dāng)斯出現(xiàn)在屏幕上。

麻省理工科技評論：為什么呢？

氣象學(xué)家都住在城市，因?yàn)楣ぷ鳈C(jī)會都在那里。他們不住小山城。這正是行業(yè)里缺失的東西。2006 年我搬到塔霍湖時，我意識到根本沒有人信任天氣預(yù)報。大家更像是抱著一種“等看到了再說”的老派心態(tài)。如果你是平原地區(qū)的預(yù)報員，你就只是看一眼天氣模型，然后照本宣科地復(fù)述。薩克拉門托或里諾的氣象主播根本不在乎滑雪場！他們只會說“6000 英尺以上將有 3 英尺降雪”，然后就切到下一段了?？苫┑娜讼胫赖氖牵骸暗鹊?，山頂會有風(fēng)嗎？”我就想：那我們就專心做滑雪者真正想看的預(yù)報。

麻省理工科技評論：所以你那時候在塔霍湖一邊滑雪一邊做預(yù)報？

我在一個度假村辦公室上班，玩單板，業(yè)余做天氣。每天凌晨 4 點(diǎn)起床，在 9 點(diǎn)上班前先把預(yù)報做完。研究風(fēng)暴怎么和這些山相互作用。我開始把自己的判斷郵件發(fā)給辦公室所有人，大家都說“發(fā)給我！發(fā)給我！”后來塔霍周邊的度假村也開始想用我的預(yù)報。

麻省理工科技評論：你具體是怎么做預(yù)報的？

NOAA、GFS（全球預(yù)報系統(tǒng)）、加拿大模型、歐洲模型，還有德國、日本——這些政府都建立了自己的天氣模型來做預(yù)測，并且公開數(shù)據(jù)，誰都可以訪問。但你不能光看一個天氣模型就說，對，就是這樣。山區(qū)不是這么運(yùn)作的。它要難得多。你不能依賴模型數(shù)據(jù)，分辨率太低，預(yù)測的網(wǎng)格區(qū)域太大，無法理解山里到底發(fā)生了什么。它會把天氣泛化處理。你硬照著做，就會犯錯。很多人就不會再聽你的了。我能比大多數(shù)人預(yù)測得更準(zhǔn)，是因?yàn)槲揖妥≡谀抢铮苄拚芏噙@類錯誤。2007 年左右，我開了自己的網(wǎng)站，叫 Tahoe Weather Discussion。

（來源：麻省理工科技評論）

麻省理工科技評論：很潮的名字。

與此同時，我聽說科羅拉多博爾德有個叫喬爾的人。大家互相介紹，說：“你們倆在做同一件事！”他當(dāng)時睡在朋友的沙發(fā)上，運(yùn)營一個叫 Colorado Powder Forecast 的網(wǎng)站。還有猶他州的伊萬（Evan，后來加入了公司）。我記得他的網(wǎng)站叫 Wasatch Forecast。

麻省理工科技評論：英雄所見略同！

伊萬其實(shí)是在費(fèi)城郊外長大的，離我只有一小時車程。我們都癡迷風(fēng)暴和雪，都搬到了西部山區(qū)，都開了類似的網(wǎng)站。我們小時候要是認(rèn)識，肯定是最好的朋友！總之，2010 年喬爾給我打電話說：“嘿，我在做一個網(wǎng)站，預(yù)報各個雪州的滑雪天氣?！彼胱屛壹尤搿Ｋ牢业牧髁亢艽?。他說：“我們一起做，別互相競爭。”我問：“工資多少？”他說，零。

麻省理工科技評論：而你居然就答應(yīng)了？

我就是非常信任他。他也找了伊萬，但伊萬的反應(yīng)是，把我的網(wǎng)站和流量白送給你？不行，這是我建起來的。

麻省理工科技評論：正常反應(yīng)。

我就是那個二愣子，說，行。伊萬當(dāng)時還是單身，我已經(jīng)有老婆和兩個孩子了，兒子剛出生。我同時打兩份工，已經(jīng)焦頭爛額了。白天在 Northstar 的麗思卡爾頓當(dāng)客戶經(jīng)理，忙得不行。Vail 集團(tuán)剛剛收購了那家酒店，我們都覺得自己要丟飯碗了。我自己的網(wǎng)站也步履維艱。我太需要有人和我一起做這件事了。我覺得這是個好機(jī)會，但當(dāng)然也害怕。

麻省理工科技評論：那是 15 年前。OpenSnow 早期是怎么運(yùn)轉(zhuǎn)的？

我們就是用腦子。最初就是這樣：用我們的腦子?？此械奶鞖饽Ｐ汀姓Ｐ偷臄?shù)據(jù)，加上飛機(jī)、衛(wèi)星、氣球的數(shù)據(jù)。來源有上百萬個。我們做表格，修正預(yù)報模型里的錯誤。把數(shù)據(jù)拿過來重新組織，讓它適配山區(qū)。很長一段時間里都是手工的。

麻省理工科技評論：有多手工？

非常老派。所有度假村都在自己網(wǎng)站上發(fā)布降雪報告，是我手動一條條把它們敲進(jìn)我們系統(tǒng)里：“3 到 6 英寸”。是我每天早上在后臺為每一個滑雪場逐個錄入。要花好幾個小時。

2018 年左右，我們建了自己的天氣模型來做我們之前手工做的事。我們叫它 METEOS。它是一個縮寫，但我連它代表什么都記不得了！METEOS 就是把我們的經(jīng)驗(yàn)和判斷變成公式，自動化所有流程，讓我們能在全世界范圍內(nèi)建立網(wǎng)格，對任何 GPS 坐標(biāo)進(jìn)行預(yù)報。它會攝入這些數(shù)據(jù)，修正其中一部分，然后為世界上任何位置輸出預(yù)報。

麻省理工科技評論：當(dāng)時賺錢嗎？

一開始很慘，只能靠廣告。我們從《丹佛郵報》挖來了埃里克·斯特拉斯伯格（Eric Strassburger），他全職加入的第一年就讓我們的廣告收入翻了一番。但 Google Ads 把我們的廣告費(fèi)率砍了一半。光靠廣告不是一個好的長期策略。我們必須轉(zhuǎn)向 B 計(jì)劃，否則就要倒閉了。當(dāng)所有報紙都開始對文章收費(fèi)時，喬爾說：我們是每天寫專欄的氣象學(xué)家，但靠新聞式天氣是無法持續(xù)的！我們應(yīng)該做一個天氣網(wǎng)站，做一個天氣 App。

麻省理工科技評論：從廣告轉(zhuǎn)向訂閱之后呢？

收入起飛了。我們能辭掉白天的工作，全職做 OpenSnow。公司爆發(fā)式增長。我們當(dāng)時還在想：真的會有人付錢嗎？結(jié)果真的有！雖然他們其實(shí)仍然可以免費(fèi)訪問網(wǎng)站的大部分內(nèi)容。

麻省理工科技評論：2021 年底你們設(shè)了付費(fèi)墻？

那是我們最慌的一刻！我們要丟掉 90% 的用戶了！但 10% 的死忠會留下來付費(fèi)。從一開始到現(xiàn)在，我們的流量只下降過兩次：付費(fèi)墻那次，還有新冠那次。其他時候每年都在漲。人們的反應(yīng)是：我離不開這個東西。

麻省理工科技評論：我承認(rèn)，我就是其中之一。其他天氣 App 對滑雪者來說都沒用。

只要是滑雪小鎮(zhèn)，所有人都在用 OpenSnow。塔霍湖那次雪崩發(fā)生時，我們一大早就接到搜救電話，幫救援人員做預(yù)報。我們現(xiàn)在是 Ski California、Ski Utah 的官方首席預(yù)報供應(yīng)商，是國家滑雪巡邏隊(duì)的預(yù)報負(fù)責(zé)人，也是美國職業(yè)滑雪教練協(xié)會、美國大學(xué)生滑雪與單板協(xié)會、幾十個目的地和度假村的合作伙伴。喬爾不喜歡公開講，但我們的續(xù)費(fèi)率、留存率和郵件打開率遠(yuǎn)遠(yuǎn)高于行業(yè)平均水平。

人們喜歡和一家有地下根脈的小公司建立聯(lián)系。我們是獨(dú)立的，全職 14 人，再加上季節(jié)工。大約一半人有氣象學(xué)背景，從本科到博士都有。我們的第一位員工是薩姆·科倫汀（Sam Collentine），博爾德的氣象學(xué)學(xué)生，2012 年作為實(shí)習(xí)生加入，現(xiàn)在是 COO，什么都管。

麻省理工科技評論：聽起來員工和訂閱者一旦加入就再也不走了。

所有人都留下來了！我們的聯(lián)合創(chuàng)始人安德魯·默里（Andrew Murray），喬爾的朋友，OpenSnow 的網(wǎng)頁設(shè)計(jì)師，在 2021 年左右離開了。但是的，人們覺得他們認(rèn)識我們。他們 20 年來每天早上喝咖啡時都在塔霍湖讀我的預(yù)報！我走到哪里都會被人認(rèn)出來。比如我的滑雪固定器壞了，去滑雪店問能不能借一副試用，店員看著我說：你是 BA 嗎？拿走，免費(fèi)！聽起來挺爽——直到你只想和家人安靜吃頓飯，或者只想買一副手套。喬爾也一樣——人們會在雪坡上給喬爾搭神龕，看上去就像天主教的蠟燭陣。

麻省理工科技評論：你收到很多惡意郵件或者私信嗎？

成千上萬。人們以為我能讓天下雪。我覺得他們以為不下雪就是我的錯。新冠期間也有人罵我：“你在鼓勵大家出門滑雪！”那不是 2020 年 3 月，是 2022 年 1 月。我后來把個人社交媒體都刪了。我從來不想成為聚光燈下的人。這就是為什么我開始用“BA”在預(yù)報末尾署名——我不想用全名。我做這些只是因?yàn)閷居泻锰?。喬爾很多年前就意識到，人們來我們這里看預(yù)報，也是來看預(yù)報員的。這就是為什么我們到現(xiàn)在還保留人類預(yù)報員。即使 AI 現(xiàn)在也能做我們做的事。

麻省理工科技評論：AI 現(xiàn)在真的在做你們做的事嗎？

我們之前一直用 METEOS，直到這個雪季。12 月我們發(fā)布了 PEAKS，自研的機(jī)器學(xué)習(xí)模型。AI 接管了我們之前在做的事，而且做得更廣、更快，整個世界幾分鐘內(nèi)就能完成。它能回過頭去攝取美國政府從 1979 年到 2021 年的全境天氣估算數(shù)據(jù)，然后修正其中的錯誤。

麻省理工科技評論：它為什么這么準(zhǔn)？

PEAKS 出現(xiàn)之前，預(yù)報不夠具體。喬爾把以前的數(shù)據(jù)形容為“團(tuán)狀的”——一大塊一大塊的色斑覆蓋在山脈上。就像你拿筆在紙上一壓，墨水會擴(kuò)散開來。AI 更像是你只用筆尖輕輕一點(diǎn)。一個點(diǎn)，對比一個團(tuán)。現(xiàn)在我們能知道，比如 Palisades 停車場會下多少雪，山頂又會下多少。不再是團(tuán)狀，而是更清晰、更精確的輪廓。

麻省理工科技評論：怎么做到的？

所有天氣模型的輸出都是網(wǎng)格化的。每個網(wǎng)格點(diǎn)的數(shù)據(jù)本質(zhì)上是這個網(wǎng)格區(qū)域的平均值。所以一個 25 公里分辨率的模型，是把 25 公里（約 16 英里）范圍內(nèi)的數(shù)據(jù)取平均。這個范圍太大了，尤其在山區(qū)，幾英里的差距就能讓實(shí)際體驗(yàn)天差地別。AI 把這些模型降尺度成更小、更小的網(wǎng)格。我們能訓(xùn)練一個模型，把同一時期的低分辨率數(shù)據(jù)轉(zhuǎn)換成高分辨率的“地面真值”數(shù)據(jù)。然后這個模型就能把這套訓(xùn)練泛化到全球的實(shí)時降尺度上。PEAKS 在學(xué)習(xí)風(fēng)的模式、溫度梯度、地形和天氣模式，把這些因素全部串聯(lián)起來，學(xué)會如何把粗分辨率轉(zhuǎn)換成 3 公里的高分辨率，從而給出更精確的預(yù)報。我們基本上是教會了 AI 像我們一樣做預(yù)報，只不過比我們準(zhǔn) 50%。現(xiàn)在我凌晨 4 點(diǎn)起床的時候，PEAKS 已經(jīng)做完了。

麻省理工科技評論：如果 AI 能做，那你凌晨 4 點(diǎn)在做什么？

哦，我還是會做預(yù)報。我喜歡復(fù)核一遍，但其實(shí)沒必要。PEAKS 讓我可以把更多時間花在寫作上。以前我要花 4 小時做預(yù)報，再匆匆忙忙寫出來；現(xiàn)在我可以讓我的預(yù)報更有趣、更有意思。是的，AI 大概也能寫——但我想自己寫。重要的是和讀者之間的個人連接。

麻省理工科技評論：去年聯(lián)邦政府削減國家氣象局（NWS）和 NOAA 的經(jīng)費(fèi)，對你們的業(yè)務(wù)有影響嗎？

事情剛發(fā)生時我們討論過。做預(yù)報，你仍然需要人來發(fā)射氣象氣球、值守氣象站、采集原始數(shù)據(jù)。我們辦公室有些人很慌——他們的配偶或朋友被裁了。我們也想過，進(jìn)來的數(shù)據(jù)會不會變少，模型會不會變得不那么準(zhǔn)。但氣象界的反彈來得非?？臁Ｎ矣X得大家都在表達(dá)一個意思：有些重要的東西是不能砍的。所以那次沖擊其實(shí)很短暫。我們對未來擔(dān)心嗎？不，只要數(shù)據(jù)還在公開就行。沒有政府發(fā)布數(shù)據(jù)，我們活不下去。

麻省理工科技評論：你們接下來的計(jì)劃是什么？

我們最近收購了一家叫 StormNet 的小公司，專門追蹤強(qiáng)對流天氣、閃電、冰雹和龍卷風(fēng)的發(fā)生概率，剛剛上線。以前是“風(fēng)暴還有一小時到達(dá)”，現(xiàn)在我們能說“7 天后這里可能有龍卷風(fēng)”。下個雪季，我們正在做一個用 AI 預(yù)報雪崩的功能。目前雪崩預(yù)報還是手工的——人們要去野外測試積雪層，預(yù)報能力很有限。我們不是要取代雪崩中心，但我們的系統(tǒng)能綜合所有信息，包括坡度、之前的天氣和當(dāng)前條件，做出更長遠(yuǎn)的、針對具體地點(diǎn)的預(yù)警，更早提醒公眾。

麻省理工科技評論：這也能幫助挽救生命。

塔霍雪崩那次，事發(fā)前的星期天，我跟一個從 Frog Lake 小屋出來的人聊過。他本來是和后來被埋的那群人一起的。他告訴我：“人們總是覺得，哎呀?jīng)]那么糟。但我讀 OpenSnow。從你用的措辭里，我就能看出我們應(yīng)該趕緊離開那里。我一點(diǎn)都不想跟那場暴風(fēng)雪沾邊。”我們不渲染風(fēng)暴，也不粉飾。我們唯一的動力就是準(zhǔn)確。

麻省理工科技評論：那是塔霍 40 年來最大的暴風(fēng)雪嗎？

1982 年我們 5 天下了 118 英寸雪，這次是 111 英寸，而這兩場規(guī)模相近的暴風(fēng)雪造成了同等級別的悲劇。太多、太快了。當(dāng)時一小時下 3 到 4 英寸雪，是我們見過最快的。我都不知道哪個故事更值得講，是 40 多年來最大的暴風(fēng)雪，還是這些雪在 5 天內(nèi)全部消失。

麻省理工科技評論：你會擔(dān)心 OpenSnow 的未來嗎？

我們剛經(jīng)歷了至少 45 年來第二溫暖的 3 月?，F(xiàn)在的天氣波動越來越劇烈。年度積雪量平均值差別不大，但比起 80 年代和 90 年代，變化要大得多。要么特別冷要么特別暖，要么特別干要么特別濕。

差的雪季肯定會影響我們的生意。整個行業(yè)都在受沖擊，我知道 Vail 和 Alterra 今年都損失慘重。通常我們沒事，因?yàn)樗舾珊档臅r候，猶他或科羅拉多還在下雪，這是我們?nèi)笾饕袌觥Ｎ也挥浀糜心囊粋€雪季整個西部都同時陷入低迷。今年是西部最糟糕的一年，但我們的流量還在繼續(xù)上漲——所有指標(biāo)都在漲。東海岸今年表現(xiàn)不錯，日本和不列顛哥倫比亞也是。我們正在慢慢拓展到那些地方。

喬爾和我多年來反復(fù)有過同一段對話——兩周前我們又聊了一次：“你能相信我們做到了這一切嗎？這從來不是我們的目標(biāo)?！蔽抑两衩刻於加X得不可思議。我們從來沒向投資人借過錢，沒有 A 輪、B 輪、C 輪；有人來談收購，我們都拒絕了。

我只知道一件事：喬爾和我都不是出身富裕的人。我們從未追逐金錢或名聲，但兩樣都得到了，我覺得這正是因?yàn)槲覀儧]有去追逐它們。我們一直追逐的是滑雪和預(yù)報粉雪的快樂，并把這份快樂帶給別人，我們只是想做一件讓自己開心的事。

https://www.technologyreview.com/2026/03/26/1134470/the-snow-gods-how-a-couple-of-ski-bums-built-the-internets-best-weather-app/