Gigaton lander kæmpe millionbeløb: Vil erstatte forældet software med selvkørende AI i cement- og stålindustrien

Tung industri kører på software, der ikke har fulgt med tidens krav. Cementovne, der drejer ved 1.400°C, glasovne og kemiske reaktorer styres ofte af systemer, der er årtier gamle – hvilket tvinger operatører til konstant at foretage manuelle justeringer og bruge mere brændstof end nødvendigt. Gigaton, et London-baseret AI-selskab udsprunget af University of Cambridge og UCL, har netop rejst 26 millioner dollars (ca. 180 mio. kr.) i Serie A-finansiering for at smide den gamle software på porten og lade en selvkørende AI tage styringen direkte .

Den 3. juni 2026 annoncerede selskabet, at runden blev ledet af Plural med deltagelse fra 2150, Semapa Next og eksisterende investorer som Planet A Ventures, Cambridge Enterprise Ventures, UCL Technology Fund (forvaltet af AlbionVC) og Clean Growth Fund . Kapitalindsprøjtningen bringer Gigatons samlede finansiering op på over 35 millioner dollars .

Pengene skal bruges på en markant ekspansion: Virksomheden planlægger at femdoble sit team og bevæge sig ud over sit nuværende hovedfokus på cement og ind i produktion af stål, glas og kemikalier . CEO Josh Vernon udtalte til Global Cement, at finansieringen understøtter virksomhedens mission om at reducere emissioner på en "gigaton"-skala med planer om at skalere implementeringen til "dusinvis af fabrikker" i næste vækstfase .

Ud med det gamle, ind med det nye

Hvor de fleste industrielle AI-løsninger lægger et optimeringslag oven på et eksisterende kontrolsystem, erstatter Gigaton hele den underliggende kontrolsoftware. Virksomheden beskriver fremgangsmåden som at "rive" den gamle software ud, så deres AI direkte kan styre fabrikken . Det er en fundamentalt anderledes arkitektur end konventionelle avancerede proceskontrolværktøjer, der ligger ovenpå og kommer med anbefalinger.

I praksis justerer AI'en autonomt flere kritiske parametre i realtid: brændstofblandingen, der føder ovnen, selve ovnens rotationshastighed og iltniveauet, der kræves for en effektiv forbrænding . Disse variabler er indbyrdes afhængige og ændrer sig konstant baseret på råvarekvalitet, omgivelsernes forhold og produktionsmål. Gigatons system lærer løbende fabrikkens adfærd og træffer selvstændige beslutninger uden at vente på input fra en operatør.

Dokumenterede resultater i cementindustrien – implementering på få uger

Virksomhedens indledende fokus har været cementproduktion, en af de sværeste sektorer at reducere CO2-udledningen i. Et casestudie med Heidelberg Materials dokumenterede konkrete driftsforbedringer: en reduktion på 4% i brændstofomkostningsindekset, drevet af et fald på 2,2% i specifikt varmeforbrug, samtidig med et fald på 33% i C3S-variabiliteten og en reduktion på 2% i brændstofrelaterede CO2-emissioner . Systemet gik fra integration til live drift på otte uger .

I sin hvidbog rapporterer Gigaton, at deres AI kan reducere brændstofrelaterede CO2-emissioner med op til 5% i pyroprocessen – den mest energikrævende del af cementproduktionen . Softwaren integreres med eksisterende avancerede proceskontrolsystemer som ABB Ability og FLSmidth ECS/ProcessExpert, men overtager den dynamiske målsætning i stedet for blot at anbefale justeringer .

Fra Carbon Re til Gigaton: fem års forskning på fabriksgulvet

Virksomheden blev grundlagt i 2020 som Carbon Re, en deep-tech spinout fra University of Cambridge og UCL . Den tidlige udvikling involverede mere end fem års arbejde side om side med industrielle fabriksoperatører, hvilket gav teamet direkte indsigt i de begrænsninger og fejlkilder, der findes i virkelige produktionsmiljøer . Den nylige rebranding til Gigaton afspejler en bredere ambition: navnet signalerer en forpligtelse til at fjerne milliarder af tons CO2 på tværs af flere sværindustrielle sektorer, ikke kun cement .

Gigaton er en del af en bølge af virksomheder, der anvender AI på den fysiske verden snarere end på kontor-workflows eller forbruger-software. Som en analyse bemærkede, er dette "en anden AI-historie end chat, søgning eller kontor-workflow" – den befinder sig inde i fysisk produktion, hvor timing, energiforbrug, processtabilitet og udstyrs pålidelighed betyder noget på en måde, hvor en hallucination fra en sprogmodel ikke kan tolereres .

Hvad de 26 millioner dollars skal bruges til

Serie A-runden vil finansiere to parallelle spor: fortsat udvikling af næste-generations platformen og bredere implementering på tværs af de fire målsektorer . Den femdobling af medarbejderstaben signalerer, at Gigaton bevæger sig fra en forskningsintensiv fase til kommerciel skalering. Udvidelsen ud over cement til stål, glas og kemikalier antyder, at kerneteknologien er sektor-agnostisk – hvis en AI kan lære at styre én type termisk proces, kan den sandsynligvis også lære en anden.

For sværindustrien haster det. Energipriserne forbliver volatile, CO2-afgifter udvides på tværs af jurisdiktioner, og fabrikker står over for et stigende pres for at reducere emissioner uden at gå på kompromis med produktionen. Et selvkørende kontrolsystem, der samtidig kan reducere brændstofforbrug og emissioner og være oppe at køre på under to måneder, tilbyder en håndgribelig vej frem for en industri, der har været langsom til at digitalisere.