Applied Computing привлекла 20 миллионов долларов для создания базовой модели для нефтеперерабатывающего завода.

      Одна единственная нефтеперерабатывающая установка может иметь тысячи датчиков, измеряющих температуру, давление, скорость и вязкость. Согласно данным Applied Computing, операторы принимают решения, используя менее 8% информации, которую предоставляют эти датчики. Лондонский стартап привлек 20 миллионов долларов в рамках раунда Series A, чтобы сократить этот разрыв, при этом ведущую роль сыграла инженерная компания KBR, а участие приняла Databricks Ventures. Основанный в 2023 году, он создает фундаментальную модель для нефтяной, газовой, перерабатывающей и нефтехимической отраслей. Проблема не в сборе данных, по словам соучредителя и генерального директора Каллума Адамсона. Операторы уже собирают информацию. Они не могут достаточно быстро объединить показания датчиков, инженерную документацию и основные физические и химические процессы, чтобы предсказать что-то полезное. Форма будет знакома: фундаментальная модель, обученная на закрытых промышленных данных, с крупным игроком в качестве инвестора и канала выхода на рынок. Mistral запустил свой уровень промышленной инженерии с Airbus, BMW и EDF в качестве названных клиентов по той же логике. «Дело в том, чтобы заставить эти три источника данных взаимодействовать друг с другом в реальном времени», - сказал Адамсон TechCrunch. «Это и есть ключевой момент». Его модель, Orbital, не является языковой моделью с промышленной оболочкой. Компания утверждает, что она объединяет модель временных рядов, физическую модель и языковую модель, чтобы предсказать состояние объекта, считывая данные с датчиков, учитывая химию, ограничения оборудования и то, что на самом деле делают операторы. Она также позволяет техникам смоделировать, как изменение в одной части завода повлияет на остальную часть. Это та часть, за которую отрасль исторически платила консультантам и неделями простоя. Это также то место, где находятся ставки. Нефтеперерабатывающий завод - это не очередь обслуживания клиентов, и Amazon уже предупреждал, что человеческий контроль над ИИ ухудшается именно потому, что люди перестают внимательно следить за системой, которая обычно работает правильно. В конечном итоге речь идет о скорости. Applied Computing утверждает, что Orbital может выявить аномалию, выяснить, что ее вызвало, и смоделировать, создает ли предложенное исправление проблему где-то еще, все это за считанные минуты. Адамсон говорит, что расследования, которые раньше занимали дни или недели, теперь сжимаются до секунд. Часть этого уже срабатывает. Компания утверждает, что она перешла от скрытого режима к двузначным миллионам долларов в годовом повторяющемся доходе менее чем за 18 месяцев, при этом Orbital развернут в неназванных «крупных публичных» компаниях в области добычи, переработки и нефтехимии. Адамсон отказался сказать, сколько у нее клиентов, что является упущением, которое стоит заметить рядом с заявлением о доходах. KBR интегрировала Orbital в свою платформу INSITE 3.0 и использует его для производства аммиака. Адамсон сказал, что компания работает с крупным оператором в США и ожидает анонсировать европейскую нефтяную компанию в ближайшие недели. Конкуренция на рынке плотная и старая. AspenTech продает моделирование и моделирование на основе ИИ в области добычи, переработки и химии, в то время как AVEVA занимается физическим моделированием процессов и моделированием «что если». Cognite и Seeq работают на уровне данных. Ни одна из этих компаний не является стартапом, который можно обойти. Ответ Адамсона заключается в том, что ни одна из них не конкурирует за правильные таланты. «Это проблема ИИ. Это не проблема данных, и это не проблема энергии», - сказал он. «Если вы исследователь ИИ первого уровня, где вы собираетесь работать? Я не думаю, что Shell в этом списке». Это хорошая фраза, и это также вся ставка. Утверждение заключается в том, что защитный барьер - это не промышленные данные и не знания процессов, которые у действующих компаний есть в избытке, а способность собрать исследователей, которые могут построить модель, превосходящую Orbital. Является ли 20 миллионов долларов в раунде Series A достаточной суммой для конкуренции с установленной базой AspenTech - это открытый вопрос. Существует аргумент второго порядка. Адамсон отмечает, что операционные данные работающих нефтеперерабатывающих заводов не являются публичными, и что смоделированные данные не могут воспроизвести то, что происходит внутри действующего завода, что делает сами развертывания активом. Партнерство с KBR имеет значение по той же причине: оно приносит операционные данные, отраслевую экспертизу и знакомства. Эта логика объясняет, почему тяжелая промышленность продолжает оказываться здесь. UPS управляет цифровым двойником своей всей логистической сети в реальном времени на очень похожих основаниях. Деньги пойдут на международную экспансию и найм исследователей и инженеров. Компания открыла офис в Хьюстоне в четверг, добавив его к своему главному офису в Лондоне и операционному центру в Бангалоре. Ближний Восток - следующий.