Den Londonbaserade startupen Gigaton tar in 282 miljoner kronor för att ersätta föråldrad styrprogramvara med självlärande AI i cement-, stål- och glasindustrin

Kapitalet ska finansiera en rejäl expansion: företaget planerar att femdubbla sitt team och röra sig bortom sitt ursprungliga starka fäste inom cement till produktion av stål, glas och kemikalier. Vd Josh Vernon berättade för branschtidningen Global Cement att finansieringen möjliggör företagets uppdrag att minska utsläpp i en ”gigaton-skala”, med planer på att skala upp driftsättningen till ”dussintals anläggningar” i nästa tillväxtfas.

Riv ut och ersätt, inte bara ett tillägg

Där de flesta industriella AI-erbjudanden lägger ett optimeringslager ovanpå ett befintligt styrsystem, ersätter Gigaton hela den underliggande styrstacken. Företaget beskriver tillvägagångssättet som att ”riva ut” den gamla mjukvaran så att AI:n direkt kan styra anläggningen. Detta är en fundamentalt annorlunda arkitektur jämfört med konventionella verktyg för avancerad processkontroll (APC) som ligger ovanpå och ger förslag.

I praktiken justerar AI:n självständigt flera kritiska parametrar i realtid: bränslemixen som matar en ugn eller smältverk, ugnens rotationshastighet och de syrenivåer som krävs för effektiv förbränning. Dessa variabler är beroende av varandra och förändras konstant baserat på råvarukvalitet, omgivningsförhållanden och produktionsmål. Gigatons system lär sig kontinuerligt anläggningens beteende och fattar beslut i en ”closed loop” utan att invänta operatörens input. Det är en tydlig kontrast till dagens synsätt där människan hela tiden måste övervaka och justera.

Bevisade resultat inom cement, med driftsättning på veckor

Företagets initiala fokus har legat på cementtillverkning, en av de svåraste industrisektorerna att ställa om. En fallstudie med den globala byggmaterialjätten Heidelberg Materials dokumenterade konkreta operativa förbättringar: en 4-procentig minskning av bränslekostnadsindex, driven av en 2,2-procentig minskning av den specifika värmeförbrukningen, tillsammans med en 33-procentig minskning av variabiliteten hos C3S (trikalciumsilikat, en central komponent i cementklinker) och en 2-procentig minskning av bränslerelaterade koldioxidutsläpp. Systemet gick från integration till aktiv drift på åtta veckor – vilket kan jämföras med månader eller år för liknande industriella mjukvaruprojekt.

I sin tekniska vitbok rapporterar Gigaton att dess AI kan minska bränslerelaterade koldioxidutsläpp med upp till 5 % i pyroprocess-steget – den mest energiintensiva delen av cementproduktionen där kalksten hettas upp till över 1 400 grader. Mjukvaran integreras med befintliga APC-system som ABB Ability och FLSmidth ECS/ProcessExpert, men tar över den dynamiska målsättningen istället för att bara rekommendera justeringar. AI:n agerar alltså som en ständigt närvarande, självlärande expertoperatör snarare än en passiv rådgivare.

Från Carbon Re till Gigaton: fem år av forskning på fabriksgolvet

Företaget grundades 2020 under namnet Carbon Re, som en djup-tech-avknoppning från University of Cambridge och UCL. Den tidiga utvecklingen involverade mer än fem års arbete sida vid sida med industriella anläggningsoperatörer, vilket gav teamet direkt insikt i begränsningar och felkällor i verkliga produktionsmiljöer. Det nyliga namnbytet till Gigaton speglar en bredare ambition: namnet signalerar ett åtagande att avlägsna miljarder ton koldioxid över flera tunga industrisektorer, inte bara cement.

Gigaton är en del av en våg av företag som tillämpar AI på den fysiska världen snarare än på kontorsflöden eller konsumentmjukvara. Som en analys noterade är detta ”en annan AI-historia än chatt, sök eller kontorsflöden” – den verkar inuti fysisk produktion där timing, energianvändning, processtabilitet och utrustningens tillförlitlighet spelar roll på sätt som inte tolererar hallucinationer eller felaktiga beslut.

Vad de 282 miljonerna ska låsa upp

Serie A-finansieringen kommer att finansiera två parallella spår: fortsatt utveckling av nästa generations plattform och bredare driftsättning inom de fyra målsektorerna. Den femfaldiga expansionen av teamet signalerar att Gigaton rör sig från en forskningstung fas till kommersiell skalning. Expansionen bortom cement till stål, glas och kemi antyder att kärnteknologin är sektors-agnostisk – om en AI kan lära sig att styra en typ av termisk process, kan den sannolikt lära sig en annan. Detta påminner om hur en skicklig lokförare kan anpassa sig till olika tågmodeller; AI:n lär sig varje anläggnings unika ”personlighet”.

För tung industri är tajmingen pressande. Energikostnaderna förblir volatila, koldioxidprissättning – liknande EU:s utsläppshandelssystem – breder ut sig över fler jurisdiktioner, och anläggningar möter en allt större press att minska utsläpp utan att ge avkall på produktion. Ett självlärande kontrollsystem som kan sänka bränsleförbrukning och utsläpp samtidigt, och tas i drift på under två månader, erbjuder en konkret väg framåt för en industri som har varit långsam med att digitalisera.