Gigaton привлек $26 млн, чтобы заменить устаревшее ПО заводов самообучающимся ИИ

Привлеченный капитал позволит провести масштабное расширение: компания планирует увеличить штат в пять раз и выйти за пределы своего первоначального плацдарма в цементной отрасли в сектора стали, стекла и химического производства . Генеральный директор Джош Вернон сообщил изданию Global Cement, что финансирование приближает миссию компании по сокращению выбросов в масштабе гигатонн, а на следующем этапе роста систему планируется развернуть на «десятках объектов» .

Не надстройка, а полная замена

Большинство предложений по промышленному ИИ работают как надстройка поверх существующей системы управления, оптимизируя ее работу. Gigaton же полностью заменяет сам базовый уровень управления. В компании описывают свой подход как «демонтаж» устаревшего ПО, чтобы ИИ мог напрямую управлять заводом . Это принципиально иная архитектура по сравнению с обычными инструментами усовершенствованного управления технологическими процессами (APC), которые лишь «сидят сверху» и выдают рекомендации.

На практике ИИ автономно регулирует несколько критически важных параметров в режиме реального времени: состав топливной смеси, подаваемой в печь, скорость вращения самой печи и уровень кислорода, необходимый для эффективного горения . Эти переменные взаимозависимы и постоянно меняются в зависимости от качества сырья, условий окружающей среды и производственных задач. Система Gigaton непрерывно изучает поведение завода и принимает решения в замкнутом цикле, не дожидаясь команды оператора.

Подтвержденные результаты в цементной отрасли и внедрение за несколько недель

Первоначально компания сосредоточилась на производстве цемента — одной из отраслей, где сложнее всего сократить выбросы. Практический пример внедрения на заводе компании Heidelberg Materials показал конкретные улучшения: снижение индекса затрат на топливо на 4%, достигнутое за счет сокращения удельного расхода тепла на 2,2%, а также уменьшение вариативности содержания алита (C3S) на 33% и сокращение выбросов CO2 от сжигания топлива на 2% . При этом путь от интеграции системы до ее запуска в промышленную эксплуатацию занял восемь недель .

В своем техническом документе Gigaton сообщает, что ее ИИ способен сократить выбросы углекислого газа от сжигания топлива на этапе пиропроцессинга (самой энергоемкой стадии производства цемента) до 5% . Программное обеспечение интегрируется с существующими APC-системами, такими как ABB Ability и FLSmidth ECS/ProcessExpert, но вместо простых рекомендаций оно берет на себя динамическую установку целевых показателей .

От Carbon Re к Gigaton: пять лет полевых исследований

Компания была основана в 2020 году под названием Carbon Re как дочернее deep-tech предприятие Кембриджского университета и UCL . На раннем этапе более пяти лет велась работа бок о бок с операторами промышленных предприятий, что дало команде прямой доступ к пониманию ограничений и возможных сбоев реальных производственных сред . Недавний ребрендинг в Gigaton отражает более широкие амбиции: название символизирует стремление сократить выбросы на миллиарды тонн CO2 в нескольких отраслях тяжелой промышленности, а не только в цементной .

Gigaton — часть волны компаний, применяющих ИИ в физическом мире, а не в офисных рабочих процессах или потребительском ПО. Как отметили аналитики, это «совсем другая история ИИ, не похожая на чаты, поиск или офисные задачи», — она находится внутри реального производства, где критически важны тайминг, энергопотребление, стабильность процессов и надежность оборудования, а любая «галлюцинация» недопустима .

На что пойдут $26 миллионов

Средства раунда Series A будут направлены на два параллельных трека: продолжение разработки платформы следующего поколения и более широкое внедрение в четырех целевых секторах . Пятикратное расширение команды сигнализирует о переходе Gigaton от фазы активных исследований к коммерческому масштабированию. Выход за пределы цементной отрасли в сталелитейную, стекольную и химическую промышленность говорит о том, что базовая технология не привязана к конкретному сектору — если ИИ может научиться управлять одним типом термического процесса, он, скорее всего, сможет освоить и другой.

Для тяжелой промышленности время играет решающую роль. Цены на энергоносители остаются нестабильными, механизмы углеродного регулирования распространяются на все больше юрисдикций, а предприятия испытывают растущее давление в плане необходимости сокращения выбросов без ущерба для производительности. Самообучающаяся система управления, способная одновременно снизить расход топлива и выбросы, запуск которой занимает менее двух месяцев, — это реальный путь вперед для отрасли, которая долгое время медлила с цифровизацией.