Applied Computing 想为油气运营商提供覆盖整个工厂的 AI 模型

一句话看懂：伦敦初创公司 Applied Computing 获得 2000 万美元 A 轮融资，主推名为 Orbital 的基础模型，目标是为油气、炼化工厂提供能融合实时传感器数据、物理化学规律和工程文档的 AI 预测系统，意图解决工厂仅使用了不到 8% 可用数据的低效问题。

事件核心：发生了什么

Applied Computing 于 2023 年成立，公司自主研发的 Orbital 模型并非传统的大语言模型，而是一个将时间序列模型、基于物理的模型和语言模型组合在一起的“工厂级”AI 系统。Orbital 能够实时分析数千个传感器的读数（温度、压力、速度等），同时考虑设备约束和操作活动，并在几分钟内完成异常检测、原因追溯与修复方案对整个工厂影响的模拟。公司声称该产品能将原本需要数天到数周的调查压缩到秒级。本轮 2000 万美元 A 轮由工程巨头 KBR 领投，Databricks Ventures 参投，资金将用于国际扩张（包括在休斯顿新设办公室）、研发招聘及与更多能源客户的合作落地。

为什么重要

当前工业 AI 市场被两类玩家占据：一是传统的仿真软件商如 AspenTech、AVEVA，提供物理模型驱动的模拟；二是专注数据层的创业公司如 Cognite、Seeq。Applied Computing 的差异化在于它试图在模型层级就实现数据的融合与推理，而不是在应用层拼接不同系统。其思路是把 AI 研究能力视为核心护城河——联合创始人 Callum Adamson 强调，真正的壁垒不是数据或行业知识，而是能否招募到顶尖 AI 研究员来构建一个能够整合多信源、对抗碎片化问题的基础模型。从商业化节奏看，公司在不到 18 个月内实现了从隐身到两位数百万美元的年经常性收入，说明其“全厂级 AI 模型”叙事对特定客户具有较强吸引力。

对用户/开发者/创作者的影响

对于油气和炼化企业的技术采购团队而言，Orbital 提供了一个潜在的整合方案，可以减少同时运维多套传感器分析、物理仿真和文档管理系统的成本。开发者角度，Orbital 背后的多模态混合架构（时间序列+物理建模+语言模型）展示了工业场景下基础模型的新构建路径，如纯预测下一个 token 的大语言模型无法直接胜任物理因果推理。对于从事 AI 在垂直行业落地的产品经理，该项目印证了一个趋势：在数据收集相对成熟但整合利用率低的领域，AI 基础模型的进入方式可能是先解决“让多源数据实时对话”的工程问题，然后再谈通用智能。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

第一，Orbital 模型的实际效果需要更长时间和更多客户公开案例来验证，尤其是其“分钟级完成全厂影响建模”的能力在不同规模炼厂中的部署细节值得追踪。第二，与 KBR 的合作是重要信号——KBR 已将 Orbital 集成到其 INSITE 3.0 数字平台中，并用于氨生产场景，这种工程巨头作为渠道和验证方能否加速行业采纳是观察点。第三，公司计划拓展中东市场，传统能源巨头对本土工业数据出海的敏感度可能成为其扩张中需要协调的合规因素。

来源：TechCrunch AI