全球7000多種語言，AI能翻譯的不到200種——這個冷知識常被用來感嘆技術的局限。但換個角度：全球開花植物超過30萬種，能被你手機天氣App識別并單獨預報的，有幾種？

答案是零。大多數(shù)花粉應用只給你一個數(shù)字："高"。這對樺樹過敏卻對橡樹無感的人來說，約等于廢話。

Atmospore想做的是物種級預報。25公里網(wǎng)格、每日更新、覆蓋全球任意陸地坐標，精確到具體樹種。不是"花粉濃度高"，而是"樺樹花粉將在未來48小時達到峰值"。

25公里很糙？對花粉來說剛剛好

25公里聽起來遠不如街頭空氣質量傳感器精細。但花粉不是汽車尾氣。

空氣中的花粉濃度由中尺度天氣驅動：風場、鋒面過境、降水、溫度梯度——這些作用范圍在數(shù)十公里級別。Atmospore的網(wǎng)格捕捉的正是這些驅動因素。

有研究用36公里分辨率的大氣傳輸模型覆蓋整個美國，成功復現(xiàn)了觀測到的季節(jié)性花粉分布（與58個監(jiān)測站的皮爾遜相關系數(shù)0.35-0.40）。

城市內(nèi)部確實存在亞公里級差異。柏林的一項研究記錄到同一城市內(nèi)300%的濃度差異。但這源于單棵樹木和局部風道效應，不是預報能預測的東西。更精細的網(wǎng)格只是給噪聲穿上信號的外衣。

一粒花粉的旅程

樺樹花粉直徑約22微米，重量5-10納克。釋放后，它表現(xiàn)得像一顆細氣溶膠顆粒。

風將其水平輸送，重力沉降和湍流擴散控制其垂直分布。干燥多風的春日早晨，樺樹花粉可升至2公里高度，飛行100公里以上才沉降。濕沉降（雨水將花粉從空氣中洗出）是主要清除機制，可在數(shù)小時內(nèi)將濃度削減80%。

這些物理特性解釋了為什么物種級預報可行：不同樹種的花粉釋放時機、飛行距離、對濕度的敏感度各不相同。橡樹和樺樹的花季可能重疊，但它們的傳播模式足夠差異化，可以被分別建模。

為什么"總數(shù)"沒用

大多數(shù)人對特定物種過敏，而非花粉本身。樺樹過敏者可能對橡樹完全無感。

更復雜的是，單�；ǚ鄣闹旅舻鞍缀坎町惥薮蟆Ｑ芯勘砻�，不同地區(qū)的樺樹花粉所含Bet v 1蛋白（觸發(fā)免疫反應的關鍵物質）水平可能截然不同。不知道空氣中有哪些物種，總花粉計數(shù)幾乎毫無意義。

Atmospore目前覆蓋25個物種。每個物種模型單獨調(diào)校，追蹤各自獨特的行為模式——釋放閾值、傳播速度、沉降規(guī)律。模型持續(xù)用全球實測數(shù)據(jù)校準，每季更新。

API即產(chǎn)品

預報通過JSON接口交付：物種分解、地理定位、每日更新。免費試用，無需信用卡。

curl示例請求的是奧斯陸坐標（59.91°N, 10.75°E）2026年5月9日的樺樹花粉預報。返回的是結構化數(shù)據(jù)，可直接嵌入健康應用、穿戴設備或哮喘管理工具。

這個商業(yè)模式很清晰：把氣象機構不做、花粉應用做不了的中間層，做成基礎設施。不碰C端用戶，只做B端數(shù)據(jù)供應商。全球過敏人群超過10億，但精準預報的供給幾乎為零——這是典型的信息不對稱套利。

技術層面沒有突破性的神經(jīng)網(wǎng)絡或衛(wèi)星遙感。核心是對大氣物理的理解，加上愿意做臟活：收集全球各地的物種觀測數(shù)據(jù)，年復一年地調(diào)校模型。25公里網(wǎng)格是工程權衡的結果，不是技術天花板。

花粉預報的難點從來不在算法，而在認知：承認"足夠好"比"盡可能精細"更有價值，承認物種身份比濃度數(shù)字更重要，承認過敏者的真實需求是被當作獨立個體而非統(tǒng)計均值。

Atmospore的賭注是：當健康應用和保險公司終于意識到精準環(huán)境數(shù)據(jù)的價值時，他們會發(fā)現(xiàn)這個領域已經(jīng)有人把基礎設施建好了。