伦敦初创公司Applied Computing致力于为石油、天然气及石化行业构建基础AI模型，近日完成由工程巨头KBR领投、Databricks Ventures参与的2000万美元A轮融资。
该公司成立于2023年，专注于油气、炼油和石化系统，这些设施通常配备数千个传感器，监测温度、压力、流速和粘度等多种参数。尽管能源企业面临庞大的数据追踪市场，但数据碎片化严重，成为一大难题。
Applied Computing联合创始人兼CEO Callum Adamson指出，设施运营决策仅利用了不到8%的可用数据。虽然运营商已收集大量信息，但难以快速整合传感器数据、工程文档及物理化学知识，进行有效分析和预测。
“关键在于让这三类数据实时互通，”Adamson对TechCrunch表示。
与传统的大型语言模型不同，Applied Computing的基础模型Orbital结合了时间序列模型、基于物理的模型和语言模型，能够预测设施状态。它通过分析传感器数据，结合物理化学原理，识别设备限制和操作员活动，帮助技术人员模拟设施某一部分变化对整体运营的影响。
Applied Computing强调速度优势：Orbital能在几分钟内发现异常、分析原因，并模拟拟议修复方案是否会引发其他问题。Adamson称，该产品将以往需数天或数周的调查压缩至数秒，助力运营商降低能耗并保持产能。
这一速度承诺已获得市场认可。公司从隐秘状态起步，18个月内实现年经常性收入达数千万美元。Adamson透露，Orbital已被多家大型上市的上游油气、下游炼油及石化企业采用，但未透露具体客户数量。
合作伙伴包括印度能源公司Wipro和KBR，后者已将Orbital集成至其INSITE 3.0能源数字平台，并应用于氨生产。公司还与一家美国大型上游运营商合作，计划数周内公布与欧洲石油巨头的合作。
然而，Applied Computing进入的是一个已有成熟工业软件供应商和专注AI初创企业的市场。AspenTech提供上游、炼油及化工的仿真及AI建模软件，AVEVA则提供基于物理的流程仿真、优化及“假设”建模。Cognite和Seeq专注于数据层，帮助设施分析工业数据并应用AI设计工作流程。
Adamson认为，公司核心竞争力不在于工业数据或工艺知识，而是汇聚AI研究人员打造可与Orbital竞争的模型。
“这是AI问题，不是数据问题，也不是能源问题，”他说，“顶尖AI研究人员会选择在哪里工作？我认为壳牌不在他们的首选名单上。”
他还强调Orbital通过部署获得的运营数据价值。炼油厂及其他能源设施的运营数据通常不公开，而模拟数据无法完全再现实际工厂内部情况。
与KBR的合作也为公司带来优势，提供运营数据、行业专业知识及更多潜在客户资源。
Applied Computing计划利用这笔2000万美元资金拓展国际市场，招聘研发和工程人才，并推动与能源客户的部署合作。
公司周四宣布在休斯顿开设新办公室，继伦敦总部和班加罗尔运营中心之后。Adamson表示，美国基地使其更接近北美现有客户，同时也在筹备中东市场的扩展。
