石油・ガス工場向けの全工場AIモデルを構築、Applied Computingが2000万ドルの資金調達を完了

エネルギー業界のデジタルトランスフォーメーションの波の中で、Applied Computingというスタートアップ企業が「基盤モデル」によって石油・ガス工場のインテリジェント運営を再定義しようとしている。同社は先日、2000万ドルのシリーズA資金調達を完了したと発表した。著名なベンチャーキャピタルがリード投資家となり、調達資金は石油・天然ガス・石油化学業界の全プロセスをカバーするAI基盤モデルの構築に充てられる。このモデルは単一のシナリオに特化したものではなく、工場全体のマテリアルフロー、エネルギーフロー、設備状態、プロセスパラメータを理解することで、生産スケジューリングから故障予測まで、オペレーターへの包括的な意思決定支援を提供するものだ。

従来の産業AIが抱える断片化の課題

長年にわたり、石油・ガス業界におけるAIの活用は点的なシナリオに集中してきた。特定のコンプレッサーの振動分析、特定の装置の収率最適化、あるいは特定のパイプラインの漏洩検知といった具合だ。各ソリューションは個別に開発・展開・保守される必要があり、データサイロの問題が深刻で、モデルの移植性も低い。業界レポートによれば、中規模の製油所では数十種類の異なるAIアプリケーションが同時稼働していることもあるが、それらは互いに連携できず、カスタマイズコストも極めて高い。Applied Computingの創業者は、このような断片化モデルはリソースを浪費するだけでなく、グローバル最適化を実現できないと指摘する。局所的な効率向上が、工場全体の安定性を犠牲にするリスクがあるからだ。

「私たちが目指しているのは、もう一つの製油所向け『AIガジェット』を作ることではなく、工場全体のエコシステムを理解できる『デジタルブレイン』を構築することです。」——Applied Computing CEOのインタビューより

基盤モデルはどのように石油・ガス工場に実装されるのか？

Applied Computingのソリューションの核心は、自社開発の大規模時系列予測モデルだ。このモデルは膨大な過去の運転データ（センサー読み値、操作ログ、保守記録、環境データを含む）を用いて事前学習され、その後、特定の工場向けにファインチューニングされる。従来の手法と比較した主な優位性は以下の通りだ。
1. クロスシナリオ転移能力：基盤モデルはすでに大量の汎用的な産業規則を学習しており、新しい工場でも少量のデータで迅速に適応できる。
2. マルチタスク協調：同一のモデルが生産最適化、エネルギー消費予測、設備ヘルス管理などのタスクを同時に処理でき、複数モデル間の競合を回避できる。
3. リアルタイム推論とフィードバック：モデルはエッジ側に展開され、秒単位で操作提案を提示し、クローズドループ制御をサポートする。

業界背景と市場機会

国際エネルギー機関（IEA）のデータによると、石油化学分野だけで非効率な運営によって毎年500億ドル以上の損失が生じている。同時に、世界の石油・ガス企業は脱炭素化の圧力に直面しており、スコープ1およびスコープ2の排出量を2030年までに30%以上削減する必要がある。従来の対応策は高コストな物理的改修（炭素回収設備の導入など）に依存してきたが、AIによるインテリジェント運営は低コストかつ即効性のある補完手段として注目されている。Applied Computingが狙うのはまさにこの市場の空白——ソフトウェアによって物理システムの最適化ハードルを下げることだ。

編集注：技術的な進化の観点から見ると、基盤モデルは自然言語処理や画像認識の分野ではすでにブレークスルーを達成しているが、産業シナリオではデータ品質のばらつき、因果推論の困難さ、高い説明可能性の要求といった課題が依然として残る。Applied Computingが大規模モデルの「汎用」能力をリスクの高い工業生産に真に実装できるかどうかは、まだ検証が必要だ。しかし、同社が選択した「全工場レベル」の視点が業界の痛点と非常に合致していることが、投資家が注目する理由かもしれない。

注目すべきは、Applied Computingが産業基盤モデルに賭けた唯一のスタートアップではないという点だ。以前にも、化学産業に特化したAI企業Synthesis AIが同規模の資金調達を実施している。ただし、Applied Computingの差別化ポイントは、モデル設計の当初から既存のDCS（分散制御システム）およびSCADAシステムとのシームレスな統合を重視しており、ゼロから作り直すアプローチを取っていないことだ。このような実用主義的な路線は、従来の石油・ガス企業により受け入れられやすいかもしれない。

今回の資金調達後、Applied Computingはチーム規模を倍増させる計画で、石油・ガス業界の経験を持つAIエンジニアとドメインエキスパートの採用に注力する。共同創業者によると、最初のパイロットプロジェクトはすでに中東地域の製油所で稼働しており、年末までに初期成果を発表できる見込みだという。

今後の課題

将来性は魅力的だが、Applied Computingにはまだ二つの大きな障壁を克服する必要がある。一つはデータ主権とプライバシーの問題だ。石油・ガス企業はコアプロセスデータに対して非常に敏感であり、モデルの学習に機密情報が関わる可能性がある。もう一つは安全信頼性の問題で、AIモデルが誤判断した場合、深刻な生産事故を引き起こす恐れがある。同社は連合学習（Federated Learning）とモデル検証フレームワークを通じてこれらのリスクに対処すると述べている。

いずれにせよ、この2000万ドルの資金調達は、「産業基盤モデル」という分野への資本からの承認を意味している。AIが「付加価値」から「コア生産システム」へと移行し始めた今、石油・ガス業界のインテリジェント変革は本格的に始まりつつあるのかもしれない。

本記事はTechCrunchより編訳