伦敦初创公司 Applied Computing 宣布完成 2000 万美元 A 轮融资，由工程巨头 KBR 领投，Databricks Ventures 参投。该公司正在为石油、天然气和石化行业开发一款名为 Orbital 的 AI 基础模型。
行业痛点：海量数据沦为"沉默资产"
一座石化工厂通常配备数千个传感器，实时监测温度、压力、流速、黏度等数十项参数。然而据 Applied Computing 联合创始人兼 CEO Callum Adamson 透露，运营商实际用于决策的数据不足可用总量的 8%。
问题不在于数据采集——工厂早已积累大量历史记录——而在于传感器读数、工程文档与物理/化学模型三者难以快速融合，导致运营团队无法及时完成分析与预测。"让这三类数据源实时互通，才是真正的关键，"Adamson 在接受 TechCrunch 采访时表示。
技术路线：多模态融合而非"大语言模型"
Orbital 并非又一个预测下一个词的语言模型。它采用三层架构：
- 时序模型：处理传感器历史数据流
- 物理模型：基于物理/化学规律进行约束校验
- 语言模型：整合工程文档与操作记录
三者在同一框架内协同工作，根据设备约束条件和操作员行为，预测工厂当前及未来运行状态。技术人员还可借助 Orbital 模拟某一环节的变化将如何影响全厂运营。
商业成绩：18 个月内 ARR 突破数千万美元
Applied Computing 成立于 2023 年，短时间内从"隐形模式"走到年度经常性收入（ARR）达"数千万美元"级别。
Orbital 目前已在多家"大型上市公司"的上游油气、炼油及石化装置中投入使用，合作伙伴包括：
- Wipro（印度能源公司）
- KBR——已将 Orbital 集成至其能源项目数字化平台 INSITE 3.0，并用于氨生产场景
- 一家"大型美国上游运营商"（未披露名称）
- 即将在数周内宣布的欧洲某石油巨头合作
公司已同步在伦敦总部、印度班加罗尔运营中心之外，新增休斯顿办公室，以贴近北美现有客户，并计划向中东市场扩展。
竞争格局与护城河
石油化工工业软件领域不乏老牌玩家：AspenTech 提供仿真与 AI 建模，AVEVA 主攻物理过程模拟与"假设"分析，Cognite 和 Seeq 则聚焦工业数据分析与 AI 工作流。
Adamson 认为，Applied Computing 的护城河并非数据或工艺知识本身，而在于能否招募顶级 AI 研究人才构建竞争性模型。"这是一个 AI 问题，不是数据问题，也不是能源问题。如果你是一线 AI 研究者，你会选择去哪儿？我不认为壳牌会在那个名单上。" 此外，实际运营数据的高度私密性（炼油厂真实数据无法公开获取，模拟数据也无法完全复现真实工况）也为 Orbital 积累了竞争对手难以快速复制的数据壁垒。
未来规划
本轮 2000 万美元将主要用于：国际业务扩张、招聘研发人员，以及与能源客户联合部署 Orbital。
评论