Gigaton raises $26M to replace legacy industrial control software

•Gigaton的前身是Carbon Re，於2020年從倫敦大學學院(UCL)和劍橋大學分拆出來，是兩所大學首次聯合分拆的企業。
•此次2600萬美元的A輪融資使其總融資額超過3500萬美元，並將用於將員工人數增加五倍，同時將業務擴展到鋼鐵、玻璃和化學品等其他能源密集型產業。
•與大多數在現有控制系統之上提供建議的工業AI解決方案不同，Gigaton的平台旨在取代部分底層控制軟體，實現更深層次的自主控制，而非僅僅作為分析儀表板。
•該公司已與Mannok、Adani Cement、Heidelberg Materials和Holcim等主要水泥生產商合作，據稱每年為每家工廠節省100萬至300萬美元的營運成本，並減少約30,000噸的二氧化碳排放。

📊 競品分析▸ Show

公司名稱	方法/技術	部署方式	報告效益 (水泥產業)
Gigaton	自主學習AI控制軟體，利用深度強化學習模擬過程行為，預測結果，並自主調整參數（燃料混合、窯速、氧氣）。	取代部分底層控制軟體，而非僅提供建議。	每廠每年節省100萬至300萬美元營運成本，減少約30,000噸二氧化碳排放。
Imubit	閉環AI優化(AIO)，利用神經網絡持續監測數千個變量，進行實時調整。	通常疊加在現有控制系統之上。	能源效率提升5-10%，產量增加3-8%，穩定熟料質量，預測設備故障。
iFactory AI	AI驅動的窯爐優化，機器學習模型預測調整對效率和質量的影響，自主實施優化。	疊加在現有DCS/SCADA基礎設施之上。	燃料消耗減少6-15%，熟料質量穩定。
Alcemy	物聯網與AI優化生產。	未明確說明是取代或疊加。	專注於優化熟料生產過程以減少能源和排放。
Wizata	AI優化轉變水泥生產，通過高級數據分析、機器學習算法和強化學習，實時分析大量數據，識別模式並精確調整生產參數。	未明確說明是取代或疊加。	提高效率、質量和可持續性。

Gigaton的平台能夠模擬工業過程行為，預測每個動作的潛在影響，然後自主地調整關鍵操作參數，包括燃料混合、窯速和氧氣水平。
該技術的核心是深度強化學習（deep reinforcement learning），這是一種特別適合管理複雜決策和優化連續過程的AI領域。
AI模型持續監測數千個過程變量，並能夠進行實時調整，其精確度遠超人類操作員的能力。
該系統在實時工廠數據上持續進行再訓練，以適應不斷變化的操作條件和環境變化。
雖然旨在取代部分底層控制軟體，但Gigaton的平台仍與現有的DCS/SCADA（分散式控制系統/監控與數據採集）基礎設施連接，從現有傳感器獲取數據，並將其整合到新的智能層中。

Gigaton擴展到鋼鐵、玻璃和化學品等產業將加速其他難以減排的重工業的脫碳進程。

該公司在水泥產業的成功經驗，加上其直接取代傳統控制系統的方法，使其能夠在類似的能源密集型產業中實現顯著的減排和成本節約。

重工業將把自主AI控制系統視為營運上的必要條件，而非僅僅是競爭優勢。

不斷上漲的能源成本、日益嚴格的碳排放法規，以及中國等地區「黑暗工廠」（dark plants）的競爭優勢，正推動各產業採用更先進、自學習的控制機制。

工業AI市場在過程優化領域將經歷顯著增長和投資增加。

由於製造商追求降低成本和實現碳排放目標，該市場已經呈現穩定的投資活動，其中AI驅動的自動化是增長最快的領域之一。

2020

公司成立，當時名為Carbon Re，由倫敦大學學院(UCL)和劍橋大學共同分拆成立。

2021-10

Carbon Re（現為Gigaton）因利用AI技術大規模減少工業排放而受到關注，特別是利用深度強化學習。

2024年初

Josh Vernon被任命為執行長，負責領導公司下一階段的增長。

2026-05

公司從Carbon Re更名為Gigaton，以反映其更廣泛的工業控制雄心。

2026-06-03

完成2600萬美元的A輪融資，使總融資額超過3500萬美元，用於擴大營運和產品開發。

Gigaton 獲 2600 萬美元融資，旨在取代舊型工業控制軟體