Gigaton ระดมทุน 26 ล้านดอลลาร์สหรัฐ ให้ AI เข้าควบคุมอุตสาหกรรมหนักแทนมนุษย์

ในโลกของอุตสาหกรรมหนักอย่างการผลิตปูนซีเมนต์ เหล็ก หรือกระจก เครื่องจักรกลและเตาเผามหึมามักถูกควบคุมด้วยซอฟต์แวร์ที่เก่าแก่หลายสิบปี วิศวกรต้องคอยจับตาดูและปรับแต่งค่าต่างๆ ด้วยมือตลอดเวลาเพื่อประคองการผลิต ซึ่งนอกจากจะสิ้นเปลืองแรงงานแล้ว ยังเผาผลาญเชื้อเพลิงมากเกินความจำเป็นอีกด้วย

Gigaton บริษัท AI สัญชาติอังกฤษที่แยกตัวออกมาจาก University of Cambridge และ UCL กำลังจะเปลี่ยนแปลงสิ่งนั้น ด้วยการประกาศระดมทุน Series A มูลค่า 26 ล้านดอลลาร์สหรัฐ เพื่อนำเสนอแนวคิดที่กล้าหาญ: การ 'รื้อทิ้ง' ซอฟต์แวร์ควบคุมแบบเก่า และให้ระบบ AI ที่เรียนรู้ได้เองเข้าควบคุมโรงงานโดยตรง [1, 2, 4]

เมื่อวันที่ 3 มิถุนายน 2026 บริษัทประกาศว่าเงินทุนรอบนี้นำโดย Plural โดยมี 2150 และ Semapa Next ร่วมลงทุนใหม่ และได้รับการสนับสนุนต่อเนื่องจากนักลงทุนเดิม ได้แก่ Planet A Ventures, Cambridge Enterprise Ventures, กองทุน UCL Technology Fund (บริหารโดย AlbionVC) และ Clean Growth Fund [1, 3, 4] การระดมทุนครั้งนี้ทำให้ยอดเงินทุนทั้งหมดของ Gigaton อยู่ที่มากกว่า 35 ล้านดอลลาร์สหรัฐ [1, 3, 4]

เงินทุนก้อนนี้จะถูกใช้เพื่อการขยายตัวอย่างก้าวกระโดด โดยบริษัทมีแผนเพิ่มขนาดทีมงานเป็น 5 เท่า และขยับขยายจากฐานที่มั่นเดิมในอุตสาหกรรมปูนซีเมนต์ ไปสู่อุตสาหกรรมเหล็ก กระจก และเคมีภัณฑ์ [4, 5, 7] Josh Vernon ซีอีโอของ Gigaton กล่าวกับ Global Cement ว่าเงินทุนนี้จะช่วยให้ภารกิจในการลดการปล่อยมลพิษในระดับ 'กิกะตัน' เป็นจริงได้ โดยมีแผนขยายการใช้งานไปยัง 'โรงงานหลายสิบแห่ง' ในระยะต่อไป

ทางออกคือการ 'รื้อทิ้ง' ไม่ใช่ 'ติดเพิ่ม'

จุดแตกต่างที่สำคัญของ Gigaton คือการไม่ใช้วิธีนำ AI ไปเป็นเพียง 'เครื่องมือเสริม' ที่ทำงานบนระบบควบคุมเดิม เหมือนเครื่องมือ Advanced Process Control (APC) ทั่วไปที่คอยให้คำแนะนำแล้วให้มนุษย์ตัดสินใจ แต่ Gigaton เลือกที่จะ แทนที่ระบบควบคุมทั้งหมด เพื่อให้ AI ของตนสามารถสั่งการและเดินเครื่องจักรได้โดยตรง [2, 5] นี่คือการเปลี่ยนโครงสร้างพื้นฐานการควบคุมแบบถอนรากถอนโคน

ในทางปฏิบัติ AI จะปรับเปลี่ยนค่าตัวแปรสำคัญหลายอย่างในแบบเรียลไทม์ ไม่ว่าจะเป็น สัดส่วนการผสมเชื้อเพลิง ที่ป้อนเข้าสู่เตาเผา, ความเร็วรอบของเตาเผา และปริมาณออกซิเจนที่จำเป็นสำหรับการเผาไหม้ที่มีประสิทธิภาพสูงสุด [2, 5] ตัวแปรเหล่านี้สัมพันธ์กันและเปลี่ยนแปลงตลอดเวลาตามคุณภาพของวัตถุดิบ สภาพแวดล้อม และเป้าหมายการผลิต ระบบของ Gigaton จะเรียนรู้พฤติกรรมของโรงงานอย่างต่อเนื่อง และตัดสินใจในระบบวงปิด (Closed-Loop) ได้เอง โดยไม่ต้องรอการตัดสินใจจากมนุษย์

ผลงานพิสูจน์แล้วในอุตสาหกรรมปูนซีเมนต์ พร้อมใช้งานในไม่กี่สัปดาห์

บริษัทเริ่มต้นจากการมุ่งเป้าไปที่อุตสาหกรรมปูนซีเมนต์ ซึ่งเป็นหนึ่งในภาคอุตสาหกรรมที่ลดการปล่อยมลพิษได้ยากที่สุด กรณีศึกษากับบริษัทยักษ์ใหญ่อย่าง Heidelberg Materials แสดงให้เห็นผลลัพธ์ที่เป็นรูปธรรม: ดัชนีต้นทุนเชื้อเพลิงลดลง 4% จากการลดการใช้ความร้อนจำเพาะลง 2.2%, ความแปรปรวนของค่า C3S (ตัวบ่งชี้คุณภาพปูนเม็ด) ลดลงถึง 33% และการปล่อยคาร์บอนจากเชื้อเพลิงลดลง 2% ที่น่าสนใจคือ ระบบใช้เวลาตั้งแต่เริ่มติดตั้งจนถึงเดินเครื่องจริงเพียง 8 สัปดาห์เท่านั้น

ในเอกสารไวท์เปเปอร์ Gigaton ระบุว่า AI ของบริษัทสามารถลดการปล่อยคาร์บอนจากเชื้อเพลิงในขั้นตอนไพโรโพรเซส (Pyroprocess) ซึ่งเป็นขั้นตอนที่ใช้พลังงานเข้มข้นที่สุดในการผลิตปูนซีเมนต์ ได้มากถึง 5% ซอฟต์แวร์นี้สามารถทำงานร่วมกับระบบ APC ที่มีอยู่แล้ว เช่น ABB Ability และ FLSmidth ECS/ProcessExpert แต่แทนที่จะเป็นแค่ 'ผู้แนะนำ' มันจะเข้าไป 'ควบคุม' การตั้งค่าเป้าหมายแบบไดนามิกโดยตรง

จาก Carbon Re สู่ Gigaton: ห้าปีแห่งการวิจัยหน้างานจริง

Gigaton ก่อตั้งขึ้นในปี 2020 ภายใต้ชื่อ Carbon Re เป็นบริษัท Deep-Tech ที่แยกตัวออกมาจากมหาวิทยาลัย Cambridge และ UCL [1, 4, 19] การพัฒนาในช่วงแรกใช้เวลากว่า 5 ปีในการทำงานอย่างใกล้ชิดกับผู้ควบคุมโรงงานอุตสาหกรรม ทำให้ทีมงานเข้าใจถึงข้อจำกัดและจุดที่มักเกิดความผิดพลาดในสภาพแวดล้อมการผลิตจริงอย่างลึกซึ้ง [1, 4, 5] การเปลี่ยนชื่อเป็น Gigaton เมื่อไม่นานมานี้ สะท้อนถึงเป้าหมายที่ใหญ่ขึ้น คือการมุ่งมั่นที่จะลดคาร์บอนไดออกไซด์หลายพันล้านตันในหลากหลายภาคอุตสาหกรรมหนัก ไม่ใช่แค่ปูนซีเมนต์อีกต่อไป

เรื่องราวของ Gigaton เป็นส่วนหนึ่งของเทรนด์การนำ AI มาประยุกต์ใช้กับโลกกายภาพ มากกว่าที่จะใช้กับงานเอกสารหรือซอฟต์แวร์สำหรับผู้บริโภคทั่วไป ดังที่นักวิเคราะห์รายหนึ่งให้ข้อสังเกตว่า นี่คือ 'เรื่องราวของ AI ที่ต่างออกไปจากแชท การค้นหา หรือระบบงานสำนักงาน' มันเข้าไปนั่งอยู่ในหัวใจของกระบวนการผลิตจริง ที่ความแม่นยำของเวลา การใช้พลังงาน เสถียรภาพของกระบวนการ และความน่าเชื่อถือของอุปกรณ์คือทุกสิ่งทุกอย่าง และความผิดพลาดเพียงเล็กน้อยก็อาจหมายถึงหายนะที่ใหญ่หลวงได้

เงิน 26 ล้านดอลลาร์จะนำไปสู่อะไร

เงินทุน Series A นี้จะขับเคลื่อนภารกิจสองส่วนคู่ขนานกัน คือการพัฒนาต่อยอดแพลตฟอร์มรุ่นต่อไป และการนำไปใช้งานในวงกว้างขึ้นในสี่อุตสาหกรรมเป้าหมาย [4, 5] การขยายทีมงานถึงห้าเท่าตัวคือสัญญาณว่า Gigaton กำลังเปลี่ยนผ่านจากช่วงที่เน้นการวิจัยอย่างหนัก ไปสู่การขยายตลาดเชิงพาณิชย์เต็มตัว การขยับออกจากปูนซีเมนต์ไปสู่เหล็ก กระจก และเคมีภัณฑ์ ยังชี้ให้เห็นว่าเทคโนโลยีหลักของบริษัทสามารถปรับใช้กับภาคส่วนอื่นๆ ได้ โดยที่ AI ไม่ยึดติดกับกระบวนการใดกระบวนการหนึ่ง—หากมันเรียนรู้ที่จะควบคุมกระบวนการความร้อนประเภทหนึ่งได้ มันก็มีแนวโน้มที่จะเรียนรู้กระบวนการอื่นๆ ได้เช่นกัน

สำหรับอุตสาหกรรมหนักแล้ว นี่คือช่วงเวลาที่คับขัน ต้นทุนพลังงานยังคงผันผวน ราคาคาร์บอนกำลังขยายขอบเขตไปในหลายประเทศ และโรงงานต่างๆ อยู่ภายใต้แรงกดดันที่ต้องลดการปล่อยมลพิษโดยไม่กระทบต่อกำลังการผลิต ระบบควบคุมที่เรียนรู้ได้เอง ซึ่งสามารถลดทั้งการใช้เชื้อเพลิงและการปล่อยมลพิษไปพร้อมๆ กัน และพร้อมทำงานได้ภายในเวลาไม่ถึงสองเดือน จึงเป็นเส้นทางที่จับต้องได้จริง สำหรับอุตสาหกรรมที่เคยถูกมองว่าเปลี่ยนแปลงสู่ดิจิทัลได้ช้าที่สุด