Applied Computing எண்ணெய் மற்றும் வாயு ஆபரேட்டர்களுக்கு முழு ஆலையின் AI மாதிரியை வழங்க விரும்புகிறது

பெரும்பாலான தொழிற்சாலை AI கதைகள் ஒரு பரிச்சயமான முறையைப் பின்பற்றுகின்றன: ஒரு விஷயத்தை மேம்படுத்தும் ஒரு புள்ளி সমাধান — ஒரு பம்ப், ஒரு குழாய், ஒரு பராமரிப்பு அட்டவணை. Applied Computing என்பது தவறான அமூர்த்தமான நிலை என்று பந்தயம் கட்டுகிறது. லண்டன் அடிப்படையிலான இந்த ஸ்டார্টআப் முழு எண்ணெய், வாயு மற்றும் பெட்ரோகெமிக்கல் ஆலையின் ஒரு ভিত்தி AI மாதிரியை உருவாக்க விரும்புகிறது — மற்றும் ताज $20 மில்லியன் Series A என்பது தீவிர மூலதனம் ஒப்புக்கொள்ள தொடங்கியுள்ளது என்பதை பரிந்துரைக்கிறது. கனரக தொழிற்சாலையில் AI உண்மையில் எங்கு தரையிறங்குகிறது என்பதைக் கண்காணிக்கும் டெவலப்பர்கள் மற்றும் நிறுவனர்களுக்கு, இது ஒரு சமிக்ஞை மதிப்பு வாய்ந்தது.

Applied Computing எண்ணெய் மற்றும் வாயு ஆபரேட்டர்களுக்கு முழு ஆலையின் AI மாதிரியை வழங்க விரும்புகிறது — ஒரு டாஷ்போர்டு அல்ல, ஒரு குறுகிய அசாதாரணத்ன সনாক்তকாரி அல்ல, ஆனால் ஒரு ஒருங்கிணைந்த மாதிரி இது சென்சார் ஸ்ட்ரீம்கள், பொறியியல் ஆவணங்கள் மற்றும் செயல்முறை இயற்பியல் ஒரே நேரத்தில் உட்கொள்கிறது. அந்த উচ்চাகாঙ்க்ஷை பெரும்பாலான தொழிற்சாலை மென்பொருளிலிருந்து வேறு வகையில் வைக்கிறது, மற்றும் விளைவுகள் வட கடல் தாண்டி நீண்டுவிரிந்துள்ளன.

என்ன நடந்தது

Applied Computing, 2023 இல் நிறுவப்பட்டு லண்டனில் தலைமையிடம் கொண்டுள்ளது, $20 மில்லியன் Series A உயர்த்தியது பொறியியல் ராக்கெட் KBR ஆல் வழிநடத்தப்பட்டு, Databricks Ventures ஆ பங்கேற்றுக்கொண்டது. இந்த சுற்று அதன் அளவுக்கு மட்டுமல்ல குறிப்பிடத்தக்கது ஆனால் யார் காசோலை எழுதினார் — KBR உலகின் மிகப்பெரிய பொறியியல் மற்றும் அரசாங்க சேவைகள் நிறுவனங்களில் ஒன்று, பெட்ரோகெமிக்கல் ஆலை வடிவமைப்பு மற்றும் செயல்பாடுகளில் ஆழமான வேர்கள் கொண்டுள்ளது. இது অনুমানமான வென்சர் மூலதனம் அல்ல; இது ஒரு தொழிற்சாலை அধிகாரி ஒரு কৌশலগত பந்தயம் வைக்கிறது.

Applied Computing தாக்குவது மূல சிக்கல் அளவில் தரவு பிரிவுகளாக்கல் ஆகும். ஒரு ஒক்கல, வாயு, அல்லது பெட்ரோகெமிக்கல் வசதி ஆயிரம் சென்சார்கள் வெப்பநிலை, அழுத்தம், வேகம், பாகுத்தன்மை, மற்றும் ஒரே நேரத்தில் டஜன் கணக்கான பிற மாறிகள் அளவிடும் கொண்டு செல்லலாம். ஆபரேட்டர்கள் ஏற்கனவே பெரும்பாலான இந்த தரவு சேகரிக்கிறார்கள். சிக்கல், co-founder மற்றும் CEO Callum Adamson படி, வசதிகள் தற்போது அவர்களுக்கு கிடைக்கும் தரவு 8% க்கும் குறைவாக பயன்படுத்தி இயக்க முடிவுகள் செய்கிறது. மீதமுள்ளவை silos இல் உட்கார — சென்சார் வாசனை பொறியியல் ஆவணங்கள் இருந்து துண்டிக்கப்பட்ட, செயல்முறை வேதியியல் மாதிரிகள் என்று உண்மையான-நேரம் இயக்க தரவு பேச்சு ஒருபோதும்.

Applied Computing கட்டுகிறது தீர்வு எண்ணெய், வாயு, சுத்திகரணம், மற்றும் பெட்ரோகெமிக்கல் அமைப்புகளின் குறிப்பிட்ட இயற்பியல், வேதியியல், மற்றும் இயக்க முறைகளில் பயிற்சி ஒரு ভিত்தி மாதிரி ஆகும். இது ஒரு டொமைன்-குறிப்பிட்ட பெரிய மாதிரி என்று நினைக்கவும் — ஒரு பொது-நோக்கம் LLM ஒரு தொழிற்சாலை உத்தரவு retrofitted அல்ல, ஆனால் ஒரு மாதிரி யாருடைய স்থাপত்য மற்றும் பயிற்சி தரவு thermodynamics, திரவ গতিবিজ்ஞান, மற்றும் எதிர்வினை kinetics சுற்றி கட்டப்பட்ட என்று ஆளும் எப்படி இந்த ஆலைகள் உண்மையில் நடந்து கொள்ளுங்கள்.

Databricks Ventures' பங்கேற்பு குறிப்பிடத்தக்கது. Databricks தீவிரமாக அதன் தரவு lakehouse தளம் நிறுவனம் AI க்கான உள்கட்டமைப்பு அடுக்கு என்று நிலைநிறுத்தி வருகிறது. அவர்களின் பங்கேற்பு Applied Computing இன் அணுகுமுறை — கட்டமைக்கப்பட்ட சென்சார் தரவு unstructured பொறியியல் ஆவணங்கள் fusing — தீவிர நிறுவனம் AI தரவு pipelines தலைவர் இடத்தில் சீரமைக்கப்பட்ட என்பதை சமிக்ஞை.

ஏன் இது ஆசியாவுக்கு முக்கியமானது

ஆசியா எண்ணெய், வாயு, மற்றும் பெட்ரோகெமிக்கல் கதையில் ஒரு செயலற்ற பார்வையாளர் அல்ல. பகுதி உலகின் மிகப்பெரிய சுத்திகரணம் மற்றும் பெட்ரோகெமிக்கல் complexes சில ஹோஸ்ட — Reliance இன் Jamnagar சுத்திகரணம் இந்தியாவில் (திறன் மூலம் உலகின் மிகப்பெரிய) থেকে Jurong Island Singapore இல் பெரிய பெட்ரோகெமிக்கல் hubs, Map Ta Phut Thailand இல், மற்றும் விரிவாக்கம் downstream clusters Malaysia மற்றும் Indonesia இல். Southeast ஆசியா தனியாக உலக சுத்திகரணம் திறன் ஒரு குறிப்பிடத்தக்க பங்கு கணக்கு, மற்றும் அந்த திறன் வளர்ந்து கொண்டிருக்கிறে பகுதி ஆற்றல் চাহிதை ஏறிக்கொண்டு தொடர்ந்து.

இந்த வசதிகள் சரியாக பிரிவுகளாக்கல் சிக்கல் Applied Computing விவரிக்கிறে எதிர்முகமாக. பல அவர்கள் legacy விநியோகிக்கப்பட்ட கட்டுப்பாட்டு அமைப்புகள் (DCS) மற்றும் SCADA உள்கட்டமைப்பு இது ஒருபோதும் AI-readiness உள்ளে வடிவமைக்கப்பட்ட இல்லை இயக்க. தரவு proprietary historian தரவுசேகரங்கள் வாழ — OSIsoft PI மிகவும் பொதுவான இருக்கிறது — மற்றும் தரவு பெறுவது ஒரு நவீன AI மாதிரி பயன்படுத்த முடியும் என்று ஒரு வடிவ தேவை non-trivial பொறியியல் வேலை. "நாம் நிறைய தரவு சேகரிக்க" மற்றும் "நாம் அந்த தரவு முடிவுகள் செய்" இடையே இடைவெளி ஆசியாவின் பழைய வசதிகள் வேறு எங்கும் விட ஆর்গুয়েபிளி பரந்தவ।

ஒரு ஆசியா தொழில்நுட்ப দৃষ்টিகோணம் இருந்து, முதலீட்டு thesis இங்கே பொருள் மாதிரி. KBR இந்த சுற்று வழிநடத்தல் ஒரு பொறியியல் ஒப்பந்தக்காரர் — வகை நிறுவனம் என்று வடிவமைப்பு, கட்ட, மற்றும் இயக்க இந்த ஆலைகள் — நேரடியாக AI அடுக்கு நிதி. அந்த ஒரு procurement சமிக்ஞை. இது ஆசியாவில் பொறியியல் ஆபரேட்டர்கள் பல KBR partners அல்லது போட்டியாளர்கள் இருக்கிறে, அவர்களின் clients ஒத்த AI திறன் வழங்க அழுத்தம் எதிர்முகமாக இருக்கும் பரிந்துரைக்கிறது. Startups மற்றும் டெவலப்பர்கள் Singapore, Kuala Lumpur, அல்லது Mumbai தொழிற்சாலை AI tooling கட்டுகிறது யார் இந்த நெருக்கமாக பார்க்க வேண்டும்.

ஒரு திறமை dynamic குறিப்பிடத்தக்கது மதிப்பு உள்ளது. ஆசியா உலக இரசায়ন பொறியியல்கள் மற்றும் செயல்முறை பொறியியல்கள் ஒரு பெரிய பங்கு உৎপাদন. ஆ ভিত্தி மாதிரிகள் செயல்முறை தொழிற்சாலைகள் முதிர, பொறியியல்கள் யார் டোমைன் மற்றும் AI tooling இரண்டு புரிந்து கொள்ள অসাধারণ மূল্যবান இருக்கும். அந்த intersection — செயல்முறை டোমைன் அறிவு மற்றும் AI பொறியியல் — உண்மையான leverage உட்கார, மற்றும் ஆசিய universities இது உৎপাদন செய்ய நன்றாக நிலைநிறுத்தப்பட்ட.

டெவலப்பர்களுக்கு இது என்ன அর்த்தம்

நீங்கள் ஒரு டெவலப்பர் தொழிற்சாலை AI அல்லது ஆற்றல் தொழில்நுட்ப இடத்தில் கட்டுகிறை, Applied Computing இன் அணுகுமுறை சில architectural ধারণைகள் மேற்பரப்பு சাবধানாக மூலம் சிந்தனை மதிப்பு.

டোமைன்-குறிப்பிட்ட ভিত்தி மாதிரிகள் உண்மையான moat ஆகும். பொது-நோக்கம் LLMs செயல்முறை பொறியியல் கோரும் precision உடன் போராட. ஒரு மாதிரி ஒரு வெப்ப exchanger இன் fouling விகிதம் மற்றும் downstream column performance இடையே interaction பற்றி reason தேவை, அது internalised உள்ளடக்கப்பட்ட thermodynamic உறவுகள் — வெறுமனே pattern-matched உரை பற்றி அவர்களை. Applied Computing இன் பந்தயம் ஆ அமைப்புகள் குறিப்பிட்ட இயற்பியல் மாதிரி பயிற்சி ஒரு பொது மாதிரி prompt-engineering விட qualitatively சிறந்த reasoning உৎপাদন. அந்த பந்தயம் பணம் பெறினாலும், இது ஒரு தரவு மற்றும் பயிற்சி moat நிறுவ என்று உண்மையாக கடினமாக replicate.

சென்சார் தரவு + unstructured ஆவணங்கள் கடினமாக fusion சிக்கல் ஆகும்। பெரும்பாலான தொழிற்சாலை AI projects மாதிரி நிலை இல்லை ব்যর்థ ஆனால் தரவு pipeline நிலை. সময்-series சென்சார் ஸ்ட்ரீம்கள் (உচ்च frequency, கட்டமைக்கப்பட்ட, numeric) unstructured பொறியியல் ஆவணங்கள் (PDFs, P&IDs, உপকরணம் datasheets — unstructured, heterogeneous) கூட்டு சাবধানে தரவு architecture தேவை. டெவலப்பர்கள் ஒত்த சிக்கல்கள் பணி unstructured அடுக்கு க்கு அவர்களின் embedding কৌশல பற்றி கடினமாக சிந்தனை வேண்டும் மற்றும் அவர்கள் சென்சார் நிகழ்வுகள் மற்றும் ஆவணங்கள் அவர்களை விவரிக்கிறে இடையே temporal alignment கையாளுகிறে எப்படி.

integration அடுக்கு projects பெறு stuck இடத்தில் ஆகும்। ஒரு பெரிய மாதிரி கூட, ஒரு ஆலை historian தরவு பெறுவது மற்றும் ஒரு நவீன AI pipeline இல் அது வেதனை ஆகும். OSIsoft PI, Honeywell PHD, மற்றும் ஒত்த அமைப்புகள் APIs உள்ளன, ஆனால் அவர்கள் உচ்च-throughput ML workloads க்கு வடிவமைக்கப்பட்ட அல்ல. டெவலப்பர்கள் இந்த இடத்தில் கட்டுகிறை ஒரு disproportionate தொகை সময় connectors — legacy OT அமைப்புகள் மற்றும் நவீன தரவு உள்கட்டமைப்பு இடையே plumbing செலவிடும். எந்த தளம் என்று அடுக்கு cleanly abstracts ஒரு உண்மையான நன்மை உள்ளன.

Physics-informed AI traction பெறுகிறது। Applied Computing இன் அணுகுமுறை implicitly physics-informed machine learning மீது lean — கருத்து என்று நீங்கள் உங்கள் மாதிரி இன் outputs கட்டுப்பாட்டு உள்ளன physically சாத்தியமான states உள்ள. இது தூய தரவு-driven அணுகுமுறை இருந்து ஒரு meaningful விலகல் ஆகும், மற்றும் இது குறிப்பாக முக்கியமாக பாதுகாப்பு-critical தொழிற்சாலைகள இல் இடத்தில் ஒரு மாதிரி என்று physically சாத்தியமற்ற states predict usefulness விட மோசமாக ஆகும். டெவலப்பர்கள் கட்டுகிறை