Applied Computing 获 2000 万美元融资，为油气行业打造基础 AI 模型
Applied Computing 用多模态模型打通油气设施的数据孤岛，让操作决策提速数天，获得 2000 万美元融资。
伦敦初创公司 Applied Computing 为石油、天然气和石化行业构建基础 AI 模型 Orbital，该模型融合时间序列、物理和语言模型，能实时分析传感器读数（如温度、压力）、工程文档和物理化学规律，在几分钟内发现异常、排查原因并模拟修复影响，帮助运营商利用不足 8% 的可用数据做出更快决策。公司已获由工程巨头 KBR 领投的 2000 万美元 A 轮融资。
正文摘录
[Applied Computing](https://appliedcomputing.com/) 是一家总部位于伦敦的初创公司，正在为石油、天然气和石化行业构建一个基础 AI 模型（即通用型的底层模型）。该公司已获得 2000 万美元 A 轮融资，由工程巨头 KBR 领投，Databricks Ventures 跟投。 这家初创公司成立于 2023 年，瞄准石油、天然气、炼油和石化系统。在这些系统中，单个设施可能拥有数千个传感器，测量从温度、压力到速度和粘度的一切。虽然帮助能源公司解决数据跟踪问题存在一个 [庞大市场](https://www.grandviewresearch.com/industry-analysis/digital-oilfield-market) ，但数据碎片化构成了一个重大障碍。 Applied Computing 的联合创始人兼 CEO Callum Adamson（上图右）表示，设施因此只能利用其可获取数据的不到 8% 来做出运营决策。他说，运营商已经在收集大部分这些信息，但他们难以足够快地将传感器读数、工程文档以及物理和化学原理结合起来进行分析和预测。 “关键在于让这三个数据源实时地相互对话。这才是真正的关键，”他告诉 TechCrunch。 与大语言模型（LLM）预测下一个词不同，Applied Computing 表示其基础模型 Orbital 结合了一个时间序列模型、一个基于物理的模型和一个语言模型，来预测设施的状态。它通过分析传感器读数，同时考虑物理和化学规律，并识别设施的设备约束和操作员活动来实现这一点。它还允许技术人员模拟设施某一部分的变化如何影响其余部分的运营。