一座石化工厂,传感器动辄上千个。测温度、测压力、测流速、测粘度,数据每秒都在涨。但真正被用来做运营决策的,不到8%——这个数字来自伦敦创业公司Applied Computing的联合创始人兼CEO Callum Adamson,他没给统计口径,却点出了行业老毛病:数据一直在采,没人来得及看懂。
这家公司刚拿到2000万美元A轮融资,工程巨头KBR领投,Databricks Ventures跟投。钱的去向很明确:养一个名叫Orbital的AI模型,目标是让它看懂整座石化工厂的状态。
发生了什么:融资、机制与客户版图
Applied Computing成立于2023年,做的是油气、炼化和石化厂运营团队的生意。操作员手里有三类数据——传感器读数、工程文档、物理化学规律——但这三类数据互相不说话,靠人工拼起来分析,等结果出来,问题往往早就过去了。
Orbital的做法是把时序模型、物理模型和语言模型放在一起跑,同时读传感器数值、设备约束和历史操作记录,给出工厂当前状态的判断。
公司自称脱离隐身状态18个月内,年度经常性收入做到了两位数千万美元级别。但客户数量、客户名称都没公开,官方只说是"部分大型上市"的上游、炼化和石化企业。
目前能确认的合作方有两家:印度IT公司Wipro,以及领投方KBR。KBR已经把Orbital接入自家的INSITE 3.0数字平台,用在氨生产环节。公司还提到在和一家"美国主要上游运营商"接触,并计划公布与一家欧洲石油巨头的合作,但这两条都还没正式确认。
这轮钱的用途也写明白了:国际扩张,招研究和工程人员,再多接几个能源客户。公司同时在休斯敦开了新办公室,理由是离北美两个现有客户更近,中东市场也在规划里。
Orbital能做什么,做不到什么
按公司描述,Orbital干三件事:发现异常、追查原因、模拟局部改动会不会牵动全厂其他环节。工程师可以在系统里先试跑一个调整方案,看看连锁反应。
Adamson的说法是,过去排查一个问题要数天甚至数周,现在能压到分钟级甚至秒级,帮运营方省能耗、稳产量。这个逻辑说得通——工厂本就是牵一发动全身的耦合系统,靠人工翻文档、跑仿真软件确实慢。
但目前公开信息只支持预测、诊断、模拟这三件事。没有证据表明Orbital已经接管了分布式控制系统(DCS),也没有证据表明它取代了AspenTech、AVEVA这类传统仿真软件。安全责任这条线,还压在运营方和工程团队身上——真出了问题,签字担责的不是AI模型。
油气和炼化企业的运营团队,现实选择大概率是先小范围试点,拿实际部署数据说话,再决定要不要把它接入更核心的环节。采购决策会拖到有独立验证的案例出现之后,不会只看官方公布的ARR数字。
护城河:研究人才,还是数据和信任
| 公司 | 主打方向 |
|---|---|
| AspenTech | 工艺仿真与AI建模软件 |
| AVEVA | 物理仿真、"假设情景"分析 |
| Cognite | 工业数据整理与分析 |
| Seeq | 工业数据整理与分析 |
| Applied Computing(Orbital) | 时序+物理+语言模型融合预测 |
这几家都是干了一二十年的老牌供应商,客户关系和现场部署经验是硬门槛。Orbital想挤进去,靠的不只是模型好不好用。
Adamson对护城河的解释挺硬气:"这是个AI问题,不是数据问题,也不是能源问题。"他还说,顶尖AI研究人才不会把壳牌当求职选项。但他转头又说,KBR这轮投资的价值,恰恰在于带来了真实工业数据、行业工程知识和客户引荐——这三样,正是他刚说"不重要"的东西。
工欲善其事,必先利其器。算法是"器",但工业数据、安全认证、系统集成能力才是真正的刃。老牌软件公司几十年攒下的不是聪明,是无数次现场部署踩过的坑。
Applied Computing现在拿到了钱、拿到一个懂行业的领投方,也拿到一小批客户案例。这比多数工业AI故事讲得实在。接下来真正该盯的,是INSITE 3.0会不会从氨生产扩展到更多工艺环节,以及下一轮融资时,公司愿不愿意把客户名单摊开——名单摊开的那一天,比现在任何一个自报数字,都更能说明那8%的缺口补上了多少。