Applied Computing 推出工厂级工业AI模型 Orbital，聚焦油气石化全流程智能诊断与模拟

英国初创公司 Applied Computing 完成2000万美元A轮融资 该公司成立于2023年，专注于为油气、炼化及石化行业构建覆盖整座工厂的统一AI建模平台。本轮融资由工程巨头KBR领投，Databricks Ventures跟投，资金将用于国际业务拓展、核心研发团队扩充，以及加速在能源客户的现场部署。 打破数据孤岛：构建真正意义上的工厂级AI模型 典型油气或石化工厂部署数千个传感器，持续采集温度、压力、流速、黏度等实时运行参数。但长期以来，这些数据散落在DCS系统、SCADA日志、工艺文档、物理化学模型及人工经验中，彼此割裂，无法形成对工厂整体状态的动态认知。Applied Computing 认为，问题核心并非数据不足，而是缺乏能贯通多源异构数据的统一建模框架。 Orbital：非语言模型路线的工业原生AI 其自主研发的基础模型 Orbital 并非基于大语言模型（LLM）路径，而是融合三类能力：高精度时间序列建模、第一性原理驱动的物理约束模型，以及轻量化语义理解模块。该架构使系统既能解析毫秒级传感器波动，又能理解设备间能量流、物料平衡与安全联锁等工艺逻辑，从而实时判断当前工况是否偏离设计基准，并推演局部操作调整对全厂系统的级联影响。 从数天到数秒：异常响应与决策闭环提速 Orbital 的核心价值体现在响应效率上。当检测到异常信号时，系统可在数分钟内完成三重任务：精准定位异常源头、回溯可能诱因链、并模拟多种干预方案对上下游单元的潜在扰动。联合创始人兼CEO Callum Adamson指出，传统依赖人工排查与离线仿真方式往往耗时数天甚至数周，而Orbital将这一闭环压缩至秒级。这不仅缩短非计划停机时间，更支持在维持产量前提下动态优化能耗——据其内部评估，部分场景可实现单位产品能耗下降3%–7%。 数据利用率提升：从8%走向全面激活 当前多数工厂实际用于实时决策的数据占比不足可用总量的8%。Orbital 通过结构化接入传感器流、PID图纸、操作规程、安全仪表系统（SIS）逻辑及历史维修记录，将沉睡数据转化为可计算、可推理、可验证的数字资产。模型训练过程始终嵌入工艺约束，确保输出结果符合工程可行性边界。 落地进展与全球布局加速 公司已实现数千万美元级别年度经常性收入（ARR），从启动到商业化仅用不到18个月。Orbital 已被多家上市油气与石化企业部署于实际生产环境。KBR 将其集成至新一代能源数字平台 INSITE 3.0，并率先应用于氨合成装置的实时工况诊断；同时正与一家美国大型上游运营商开展联合验证，并即将宣布与欧洲头部石油公司的合作项目。公司在伦敦设总部，在班加罗尔设有工程中心，并于休斯敦新设北美运营办公室，中东市场拓展亦已启动。