前言

Applied Computing，這家於 2023 年在倫敦成立的新創公司，正在開發一個為石油、天然氣、煉油與石化產業量身打造的基礎 AI 模型。這些設施會產生大量感測器資料 — 通常有數千個溫度、壓力、流量等測量值 — 但操作人員通常只使用其中一小部分來做決策。本文旨在說明 Applied Computing 如何透過將感測器串流、工程文件與流程知識整合到單一預測系統中來彌補這一落差。目標是加速分析與決策，同時維持廠區安全與連續性。

Lazy bag

Applied Computing 推出名為 Orbital 的基礎模型，該模型融合了 時間序列、物理為本 與 語言 模型來預測廠區狀態。透過將三種資料來源近即時地結合，Orbital 可標示異常、辨識可能原因並模擬修正方案 — 全部強調速度與全廠情境。

主體

石油、天然氣與石化的工業廠區是高度感測化的環境。單一場址可能產生數千個感測器訊號，記錄溫度、壓力、流量、組成、振動及其他參數。雖然操作人員會持續收集這些資訊，但感測器、工程記錄與領域知識的複雜性與分散性，使得難以將這些輸入快速整合以提供及時的行動依據。Applied Computing 的共同創辦人兼執行長 Callum Adamson 精鍊地描述了這項挑戰：困難之處在於讓三種資料來源 — 即時量測、工程文件與物理/化學約束 — 能夠迅速「互相溝通」，以便操作人員能從觀察轉為有效介入。

Applied Computing 因此開發了 Orbital，一個專為工業廠區設計的所謂基礎模型。不同於預測文字序列的一般用途大型語言模型，Orbital 將三種建模範式合併以推理設施的物理狀態。時間序列元件追蹤演變中的感測器量測並偵測異常模式。以物理為本的模型編碼了來自流程工程與化學的領域約束與基本關係。語言模型則攝取並解讀非結構化文件、操作員日誌與程序文字，讓人類知識與設備脈絡與數值訊號一起被表示。

這種綜合方法支援數個對廠區操作人員重要的使用情境。首先，更快速的異常偵測：Orbital 旨在迅速揭露偏離常態的行為並提供情境化說明。其次，根因調查：透過將感測器趨勢與工程約束及操作紀錄相關聯，系統能優先列出可能原因，而非僅呈現原始警示。第三，假設情境模擬：技術人員可以測試廠區某一部分的變動 — 例如閥門調整、產量變動或原料配方改變 — 如何在其他單元中產生連鎖效應。公司表示，這些工作流程可將過去需數日或數週的調查壓縮到數分鐘或數秒，對於減少能源浪費、維持產出與提升安全邊際皆有直接影響。

Applied Computing 的主張強調速度與可採取行動的情境資訊。這家新創公司表示 Orbital 不僅能標示異常，還能提出候選修正措施並模擬擬議介入是否會造成下游問題。這類操作前瞻在連續式流程產業中特別有價值，因為小幅變動可能在塔槽、反應器與分離單元間放大其影響。

市場採用似乎正在成長。公司披露了一輪由 KBR 領投、Databricks Ventures 參與的 2000 萬美元 A 輪，並報告從秘密運作到約 18 個月內年經常性收入成長到雙位數百萬美元。Orbital 已在數家大型上市公司於上游油氣、下游煉油與石化領域投入使用，Applied Computing 也已與合作夥伴整合該模型至更廣泛的數位平台。值得注意的是，KBR 已將 Orbital 嵌入其 INSITE 3.0 平台並將該技術應用於氨生產，而與其他工程與能源公司的合作則同時提供領域專業與部署路徑。

這家新創公司正進入一個由既有工業軟體廠商與新興 AI 廠商共同競逐的市場。既有廠商如 AspenTech 與 AVEVA 提供模擬、流程最佳化與假設情境建模。以資料為中心的平台如 Cognite 與 Seeq 協助統一與分析工業資料集，並使機器學習能應用於營運。Applied Computing 主張其差異化在於集合專門的 AI 研究人才，提供一個能跨時間序列、物理與文本推理的統一基礎模型 — 這是一項工程與建模上的挑戰，而非僅僅是資料整合問題。

取得來自實際運轉廠區的操作資料是 Applied Computing 策略的另一個要素。真實世界的操作串流通常無法公開取得，單靠模擬也可能無法重現生產環境中發生的微妙互動。與工業工程公司合作及直接部署，既提供標記的經驗也提供持續回饋，協助模型精進。特別是與 KBR 的關係，提供了領域知識、客戶引薦與可加速產品成熟與客戶採用的操作情境存取。

展望未來，公司計畫運用 A 輪資金擴展地域布局、強化研究與工程團隊，並深化與能源客戶的部署。Applied Computing 已在倫敦總部之外開設休士頓辦公室，並在班加羅爾設立運營樞紐，以更接近北美客戶並在中東等地區追求進一步成長。

儘管結果可期且商業採用早期成效良好，挑戰仍然存在。工業軟體市場已有為工程與營運提供服務的供應商，買方在導入影響安全或生產連續性的創新技術時通常較為保守。Applied Computing 的成功將取決於證明 Orbital 在不同運行環境中的可靠性、展示明確的投資回報，並維持與既有控制系統與工程工作流程的穩健整合。如果該新創公司能持續展示在縮短調查時間、降低能源消耗與減少非計劃停機方面的可衡量成效，它可能透過提供一個補充而非取代既有工具的全廠 AI 而開拓出獨特定位。

總結：Applied Computing 正推動一個專門的基礎模型，將時間序列、以物理為本的推理與語言理解統一起來，協助廠區操作人員分析並對整體設施營運做出行動。藉由策略夥伴與早期客戶，公司旨在擴大部署同時在競爭與以安全為重的市場中穩健前進。

關鍵見解表