DI Lab 首席执行官闵明光提供决策所需的气候情报信息。

2007年北汉山雷击事件发生当天，韩国气象厅首席执行官明光民意识到雷击强度正在逼近。然而，他却无法在需要时将这一信息传递给附近的人员。韩国气象厅在全国设有约700个观测站，平均间距为5至15公里。这使得探测短时间内小范围内的极端天气事件（例如局部强降雨）变得十分困难。

DI Lab 在客户现场建立直接监控网络，并利用人工智能每 5 至 10 分钟进行一次预测，快速识别风险。此外，它还根据每位客户的停产标准，提供 24 小时工厂运行或停产信息。

DI Lab首席执行官明光民是韩国首位气象预报员。他曾在空军和私营企业工作，处理过各种各样的数据。2007年，他担任空军气象官期间，北汉山的一次雷击改变了他的人生轨迹。

“在从事天气预报工作期间，我亲身感受到现有系统在应对平民天气风险方面的缺陷。当时，我的任务是识别北汉山地区附近闪电的强度，并将预警信息传递给相关部门。然而，由于系统结构上的限制，我无法将这些信息传递给徒步旅行的平民，这让我感到非常沮丧。”

当时我脑海中一直萦绕着一个问题：“预测是对的，但为什么我们没能阻止事故发生？”DI Lab 的“数据智能”理念正是源于这个问题。

明议员表示：“问题不在于预报的准确性，而在于现有的体系阻碍了预报转化为实际的决策和行动。”他补充道：“在实际的工业环境中，这种差距就显而易见了。有些公司即使只下了1毫米的雨也必须停工，而有些公司即使下了20毫米的雨也无妨。然而，现有的气象服务却未能考虑到这些差异，而是向所有人提供相同的信息。”

从一开始，DI Lab 就专注于能够变革决策的数据，而非“更准确的预测”。因此，我们定义了每个行业和领域真正变得危险的阈值，并将预测资源集中于该阈值即将被突破前的特定时间和点。

目前，韩国气象厅以5至15公里的间隔提供全国范围的天气信息。这种方式对于台风和季风降雨等大范围天气现象较为有效，但在探测局部强降雨方面存在局限性。

明议员将其比作“用大网捕小鱼”，并批评道：“由于这些数据的局限性，像江南站洪水这样的事故不断发生，而且往往是在事故发生后才被发现。”

从更广阔的观测区域来看，来自包括地方政府和公共机构在内的约3400个地点的降水观测数据，理论上可以实现更精细的观测。然而，首席执行官明明表示：“问题在于数据的可靠性。”他补充道：“这些观测站的平均正常数据率约为86%，错误和数据缺失的情况很常见，限制了其实际应用。”这主要是由于人员频繁轮换和行政结构的原因，导致难以投入足够的专业知识和时间进行设备管理和数据审核。

成本也相当可观。根据韩国气象厅2026年设备采购计划，用于购置24台防灾气象观测设备的预算为10.8亿韩元，每台设备成本约为4500万韩元。维护服务数据显示，未来两年内，全国709个气象观测站的维护费用约为39.9亿韩元，平均每个观测站每年约281万韩元。

“如果大规模重建该观测网络，并采用民用技术进行标准化，我们相信可以将安装成本降低五分之一，维护成本降低一半。”

我们有信心在同样的预算下安装更多的天文台，并对其进行更严格的管理。

“当我们将异常检测技术应用到这个系统中时，我们可以从密集的观测网络收集的数据中获得高质量的数据。”

明议员称此为“气候磁共振成像”。正如疾病需要借助磁共振成像进行精确诊断才能得到正确治疗一样，近期气候异常也需要借助类似磁共振成像的密集观测网络进行精确诊断，才能做好充分准备。

事实上，很多情况下，局部暴雨造成的损失非常严重，因为不清楚“短时间内降雨的强度究竟有多大”。

首尔市政府已投资约1.4万亿韩元用于扩建江南站周边33个易涝地区的防洪设施。如果将其中1%的资金用于提前获取详细的观测数据，难道不能避免很大一部分损失吗？

DI Lab首先在客户所在地建立直接观测网络，以精确测量局部强降雨。如果观测站距离客户的太阳能电站或物流中心较远，观测到的降雨量可能存在50%至100%的差异，在极端情况下甚至可能超过500%。此外，人工智能和平台技术能够快速收集、分析和预测数据，最大限度地减少信息滞后。天气预报的波动性会随着预报周期的延长而增加，准确性也会降低，因此最大限度地减少滞后可以提高预报的准确性。

下一步是每 5 到 10 分钟快速生成和更新 AI 预测。
“我们可以通过预测新的强降雨区域在 10 分钟内的发展位置和移动方向，快速识别风险。”

最后，系统会精确分析这些经过分析和预测的天气信息对客户的影响，并将其用于指导决策。例如，如果预计三小时内降雨量为 85 毫米，则客户 A 会被告知工厂将正常运营，因为预测值低于 100 毫米/3 小时的阈值。而客户 B 则会被告知工厂将停产，因为预测值低于 60 毫米/3 小时的阈值。

。

DI Lab 的策略是收集只能在现场获取的“决策数据”，将其与气象数据相结合，并重构为特定行业的阈值和成本函数。我们定期与客户会面，询问他们哪些气象因素决定了各行业的盈亏，哪些数值会导致流程停滞，以及这些决策由谁做出，又面临怎样的时间压力。领域融合的关键在于理解客户的领域。

最终，DI Lab的领域融合在于通过数据学习行业的决策结构，从而将天气预报转化为可直接操作的指导。正因如此，DI Lab不仅可以作为预测模型，还能作为决策引擎发挥作用。

DI Lab在全球市场的优势显而易见。
“由于大额投资需要高额回报，西方解决方案别无选择，只能专注于价格高的大型市场。因此，它们主要被开发成面向发达市场的通用服务。”

与此同时，DI Lab 也体现了韩国、亚洲以及发展中国家的独特特点。首席执行官 Myung 解释说：“我们利用物联网传感和异常检测技术，即使在数据不完整的发展中国家也能运行我们的模式。” 他补充道：“我们还提供能力建设服务，以应对发展中国家在数据基础设施和技术人才短缺方面面临的挑战。”

该公司目前正与庆熙大学文容宰教授的研究团队合作，将生成式人工智能技术应用于地球静止卫星数据，以生成比现有数据准确两倍以上的降水信息。他补充道：“这项技术正被用于观测数据匮乏地区的预警、水资源管理和农业，例如太平洋岛国、中亚和非洲。”

DI Lab致力于成为一家气候风险管理公司的原因很明确。“在气候危机时代，企业面临的最大挑战并非天气本身，而是资产何时、何地以及如何遭受损失的不确定性。”

DI Lab 的“气候磁共振成像”（Climate MRI）技术可以通过将其比作医疗系统来轻松理解。如果将一般天气信息比作 X 光片，“气候磁共振成像”就如同 MRI，能够精确诊断资产的气候脆弱性。它会分析每个资产，确定工厂在每小时降水量达到多少毫米时开始出现洪水风险，以及设施在哪个临界点面临最大风险。

最后，我问了他关于愿景的问题。首席执行官明（Myung）设想了一个“我们的解决方案融入日常生活”的世界，并表达了他的梦想：“未来，高度个性化的气候智能信息不仅用于天气风险管理和商业用途，还用于个人健康管理、睡眠、协调和休闲。”