Gigaton gọi vốn 26 triệu USD: Đặt AI vào vị trí điều khiển ngành công nghiệp nặng

Nguồn vốn mới sẽ thúc đẩy một đợt mở rộng đáng kể: công ty có kế hoạch tăng quy mô đội ngũ gấp năm lần và mở rộng ra ngoài thế mạnh ban đầu là xi măng, tiến vào các lĩnh vực sản xuất thép, thủy tinh và hóa chất . CEO Josh Vernon chia sẻ với Global Cement rằng khoản tài trợ này hỗ trợ sứ mệnh giảm phát thải ở quy mô "gigaton" (tỷ tấn), với kế hoạch mở rộng triển khai trên "hàng chục địa điểm" trong giai đoạn tăng trưởng tiếp theo .

Thay thế triệt để, thay vì chỉ tích hợp thêm

Trong khi hầu hết các giải pháp AI công nghiệp chỉ bổ sung thêm một lớp tối ưu hóa lên trên hệ thống điều khiển hiện có, Gigaton thay thế hoàn toàn kiến trúc điều khiển nền tảng. Công ty mô tả cách tiếp cận này là "xóa sổ" phần mềm cũ để AI có thể trực tiếp vận hành nhà máy . Đây là một kiến trúc khác biệt cơ bản so với các công cụ Điều khiển Quy trình Nâng cao (APC) thông thường, vốn chỉ chạy bên trên và đưa ra đề xuất.

Về mặt thực tiễn, AI tự động điều chỉnh một số thông số vận hành quan trọng trong thời gian thực: hỗn hợp nhiên liệu cấp cho lò nung, tốc độ quay của chính lò nung, và nồng độ oxy cần thiết để đốt cháy hiệu quả . Các biến số này phụ thuộc lẫn nhau và thay đổi liên tục dựa trên chất lượng nguyên liệu thô, điều kiện môi trường và mục tiêu sản xuất. Hệ thống của Gigaton liên tục học hỏi hành vi của nhà máy và đưa ra các quyết định theo vòng kín mà không cần chờ đợi sự can thiệp của người vận hành.

Kết quả thực tế trong ngành xi măng, thời gian triển khai tính bằng tuần

Trọng tâm ban đầu của công ty là sản xuất xi măng, một trong những ngành công nghiệp khó cắt giảm phát thải nhất. Một nghiên cứu điển hình với Heidelberg Materials đã ghi nhận những cải thiện vận hành cụ thể: giảm 4% chỉ số chi phí nhiên liệu, nhờ vào mức giảm 2,2% nhiệt lượng tiêu thụ riêng, cùng với đó là giảm 33% độ biến động của C3S và giảm 2% khí thải carbon từ nhiên liệu . Hệ thống này đã đi từ khâu tích hợp đến vận hành thực tế chỉ trong vòng tám tuần .

Trong sách trắng của mình, Gigaton báo cáo rằng AI của họ có thể giảm tới 5% lượng khí thải carbon từ nhiên liệu ở giai đoạn pyroprocess – giai đoạn tiêu tốn nhiều năng lượng nhất trong sản xuất xi măng . Phần mềm tích hợp với các hệ thống APC hiện có như ABB Ability và FLSmidth ECS/ProcessExpert, nhưng thay vì chỉ khuyến nghị, nó tự động thiết lập các mục tiêu vận hành động .

Từ Carbon Re đến Gigaton: Năm năm nghiên cứu thực địa

Công ty được thành lập vào năm 2020 với tên gọi Carbon Re, một công ty deep-tech tách ra từ Đại học Cambridge và UCL . Giai đoạn phát triển ban đầu kéo dài hơn năm năm hợp tác chặt chẽ với các kỹ sư vận hành nhà máy, cho đội ngũ sự thấu hiểu trực tiếp về những hạn chế và các tình huống lỗi của môi trường sản xuất thực tế . Việc đổi tên thành Gigaton gần đây phản ánh một tham vọng lớn hơn: cái tên này thể hiện cam kết loại bỏ hàng tỷ tấn CO2 trên nhiều phân khúc công nghiệp nặng, không chỉ riêng xi măng .

Gigaton là một phần trong làn sóng các công ty ứng dụng AI vào thế giới vật lý, thay vì vào các quy trình văn phòng hay phần mềm tiêu dùng. Như một phân tích đã nhận định, đây là "một câu chuyện AI khác với chat, tìm kiếm hay quy trình văn phòng" – nó nằm trong sản xuất vật lý, nơi mà thời gian, mức tiêu thụ năng lượng, độ ổn định quy trình và độ tin cậy thiết bị quan trọng theo cách mà một sự "ảo giác" của AI không thể được dung thứ .

26 triệu USD sẽ mở ra điều gì?

Vòng Series A này sẽ tài trợ cho hai hướng đi song song: tiếp tục phát triển nền tảng thế hệ tiếp theo và triển khai rộng rãi hơn trên bốn lĩnh vực mục tiêu . Việc mở rộng đội ngũ gấp năm lần báo hiệu rằng Gigaton đang chuyển từ giai đoạn tập trung nghiên cứu sang mở rộng thương mại hóa. Sự mở rộng ra ngoài xi măng sang thép, thủy tinh và hóa chất cho thấy công nghệ lõi của họ không bị ràng buộc vào một ngành cụ thể – nếu AI có thể học cách điều khiển một loại quy trình nhiệt, nó có khả năng học thêm một loại khác.

Đối với ngành công nghiệp nặng, thời điểm này rất cấp bách. Chi phí năng lượng vẫn biến động, giá carbon đang mở rộng phạm vi áp dụng trên toàn cầu, và các nhà máy đối mặt với áp lực ngày càng tăng trong việc giảm phát thải mà không hy sinh sản lượng. Một hệ thống điều khiển tự học có thể đồng thời cắt giảm tiêu thụ nhiên liệu và khí thải, và có thể đi vào hoạt động trong vòng chưa đầy hai tháng, mang lại một lộ trình khả thi cho một ngành công nghiệp vốn chậm chạp trong chuyển đổi số.