与大多数在现有控制系统上层叠加优化功能的工业AI产品不同,Gigaton的做法是彻底替换底层控制堆栈。该公司将这种方法描述为“拔掉”传统软件,以便其AI能直接运行工厂 。这与传统高级过程控制(APC)工具那种“坐在上层提建议”的架构有根本区别。
在实践中,该AI能实时自主调整几个关键参数:送入窑炉或熔炉的燃料混合物、窑炉本身的转速,以及高效燃烧所需的氧气含量 。这些变量相互依赖,并会随着原材料质量、环境条件和生产目标而不断变化。Gigaton的系统能持续学习工厂的行为,并在闭环控制中做出决策,无需等待操作员输入指令。
公司的初始重点一直是水泥制造——这是最难实现减排的工业部门之一。一项与全球建材巨头海德堡材料(Heidelberg Materials)合作的案例研究记录了具体的运营改进:由于单位热耗降低了2.2%,燃料成本指数下降了4%;同时,硅酸三钙(C3S)的变异性减少了33%,燃料相关的碳排放降低了2% 。该系统从集成到上线运行仅用了八周时间
。
在其白皮书中,Gigaton报告称,其AI可以在水泥生产最耗能的烧成环节,将燃料相关的碳排放减少高达5% 。该软件可与ABB Ability和FLSmidth ECS/ProcessExpert等现有APC系统集成,但它接管的是动态目标设定,而不仅仅是提出调整建议
。
公司成立于2020年,最初名为Carbon Re,是一家源自剑桥大学和UCL的深科技衍生公司 。早期的开发工作包括与工业工厂操作员并肩工作超过五年,让团队直接接触到了真实生产环境中的种种限制和故障模式
。近期更名为Gigaton反映了更宏大的志向:这个名字标志着公司致力于在多个重工业垂直领域减少数十亿吨的二氧化碳,而不仅仅局限于水泥行业
。
Gigaton是那股将AI应用于物理世界,而非办公工作流或消费软件的浪潮的一部分。正如一份分析所指出的,这是“一个不同于聊天、搜索或办公流程的AI故事”——它置身于物理生产之中,在这里,时机把握、能源消耗、过程稳定性和设备可靠性至关重要,容不得半点“幻觉” 。
A轮融资将用于两条并行轨道:持续开发下一代平台,以及在四个目标行业的更广泛部署 。团队规模五倍的扩张信号表明,Gigaton正在从以研究为主的阶段迈向商业化规模。从水泥扩展到钢铁、玻璃和化工,意味着其核心技术是跨行业的——如果一个AI能学会控制一类热工过程,它很可能也能学会控制另一类。
对于重工业而言,时机紧迫。能源成本持续波动,碳定价在全球各司法管辖区不断扩展,工厂面临越来越大的减排压力,同时又要保证产量。一个能在不到两个月内上线,并能同时降低燃料消耗和排放的自学控制系统,为这个数字化进程缓慢的行业,提供了一条切实可行的前进道路。
Comments
0 comments