石油化工行业迎来专用AI基础模型

在石油天然气行业，一个典型的工厂可能装有数千个传感器，实时监测温度、压力、流速、粘度等参数。然而，由于数据来源分散、格式各异，运营人员通常只能利用其中不到8%的数据来做出决策。伦敦初创公司Applied Computing正在试图改变这一现状。该公司近日宣布获得2000万美元A轮融资，由工程巨头KBR领投，Databricks Ventures参与跟投，资金将用于加速其AI基础模型Orbital的研发与市场拓展。

Applied Computing成立于2023年，专注于为石油、天然气、炼油和石化系统构建AI基础模型。其核心产品Orbital并非传统的大语言模型——它不预测下一个单词，而是通过融合时间序列模型、基于物理的模型和语言模型，来预测整个工厂的运行状态。该模型能够实时分析传感器读数，同时考虑物理与化学规律，并识别设备的约束条件和操作人员的活动。更关键的是，技术人员可以利用Orbital进行模拟推演：如果改变工厂某一环节的参数，会对其他环节产生怎样的连锁反应。

“关键在于让三种数据源——传感器读数、工程文档以及物理化学知识——实时对话，”Applied Computing联合创始人兼CEO Callum Adamson表示。他声称，Orbital能够在几分钟内完成异常标记、原因调查以及修复方案对全厂影响的建模，将以往需要数天甚至数周的调查压缩到几秒钟，从而帮助运营商降低能耗并维持产量。

这种速度优势已经赢得了市场的认可。Applied Computing表示，在不到18个月的时间里，公司从隐身模式发展到拥有数千万美元的年经常性收入。Adamson透露，Orbital已被一些“大型上市”的上游油气、下游炼油和石化公司采用，但他未透露具体客户数量。其合作伙伴包括印度能源公司Wipro，以及本轮领投方KBR。KBR已将Orbital集成到其INSITE 3.0数字平台中，用于能源项目，并已应用于氨生产场景。此外，Applied Computing正在与一家“美国主要上游运营商”合作，并计划在未来几周内宣布与一家欧洲石油巨头的合作。

尽管势头强劲，Applied Computing进入的市场并非空白。传统工业软件供应商如AspenTech提供上游、炼油和化工领域的仿真与AI建模软件，AVEVA则提供基于物理的过程模拟工具。此外，还有一批更聚焦的AI初创公司也在争夺这一市场。然而，Applied Computing的差异化在于其“全厂级”基础模型思路：不是针对单一设备或流程优化，而是试图构建一个能够理解整个工厂运行逻辑的AI系统。这种端到端的能力，对于希望减少数据孤岛、加速决策的能源企业而言，具有显著吸引力。

从技术层面看，Orbital的多模态融合方法也值得关注。它同时处理时序数据、物理约束和自然语言文本，这种架构在工业AI领域尚属前沿。如果该模型能够持续证明其预测准确性和推理速度，它有望成为能源行业数字化转型的关键基础设施。对于投资者而言，Applied Computing所处的赛道——工业AI基础模型——正处于爆发前夜。据行业分析，全球石油天然气行业每年在数据管理上的支出超过百亿美元，而AI驱动的预测性维护和运营优化市场仍在快速增长。KBR和Databricks Ventures的参与，不仅提供了资金，更带来了行业渠道和技术生态支持。

不过，挑战依然存在。工业AI模型的落地需要与现有控制系统深度融合，并满足严格的安全与可靠性要求。此外，能源企业对新技术的采纳周期通常较长，Applied Computing需要持续证明其产品的投资回报率。但无论如何，这家成立仅两年的公司已经迈出了关键一步：用AI模型为整个工厂赋予“数字大脑”，让沉睡在传感器中的数据真正流动起来，为能源行业的智能化运营提供新的可能性。