Applied Computing ha appena incassato 20 milioni di dollari in un round guidato dal colosso dell’ingegneria KBR, con la partecipazione di Databricks Ventures. Non è solo un’operazione finanziaria: è un segnale di come l’intelligenza artificiale stia scivolando sempre più in profondità nei settori industriali, abbandonando le demo generiche per abbracciare modelli costruiti su misura per ambienti operativi reali.

La startup, con sede a Londra e uffici a Bengaluru e Houston, sviluppa Orbital, una piattaforma che combina IA fisico-informata con modelli per l’ingegneria chimica, le serie temporali e il linguaggio. L’obiettivo dichiarato è migliorare l’efficienza, ridurre le emissioni e rendere più affidabili le operazioni upstream, downstream e petrolchimiche. Dietro c’è un principio semplice ma dirompente: un Large Language Model generico non capisce la fluidodinamica di un oleodotto o le reazioni di un cracker catalitico. Servono modelli addestrati su domini specifici, capaci di integrare leggi fisiche e dati operativi.

L’accordo con KBR non è una semplice partecipazione finanziaria. Le due aziende hanno siglato un’intesa pluriennale per sviluppare prodotti IA in esclusiva. Questo blinda un canale commerciale già esistente e crea una barriera all’ingresso significativa. KBR, che opera con governi e grandi imprese nel settore energetico e della difesa, offre un accesso diretto a infrastrutture critiche dove l’affidabilità e la sicurezza contano più della potenza di calcolo grezza.

Per chi segue l’evoluzione dei modelli fondazionali, la mossa conferma una tendenza strutturale: il valore non sta più nel modello generalista, ma nella capacità di adattarlo a un dominio verticale con dati proprietari. Il caso di BloombergGPT per la finanza aveva aperto la strada; qui si applica a un settore dove l’errore si misura in incidenti ambientali o fermi impianto milionari. Non stupisce che Applied Computing abbia scelto di integrare l’IA con la fisica, riducendo l’allucinazione dei modelli e migliorando la robustezza delle previsioni.

L’aspetto più interessante, per chi valuta scenari di deployment, riguarda il controllo dei dati. Le utility energetiche gestiscono informazioni operative sensibili e spesso sono soggette a regolamentazioni stringenti. Sebbene oggi Orbital sia una piattaforma prevalentemente cloud, la direzione naturale per il settore è quella ibrida o on-premise, dove i modelli girano vicino ai dati per garantire latenze basse e sovranità. Non è un caso che l’azienda stia rafforzando la presenza a Houston, epicentro dell’industria oil&gas americana, dove le decisioni tecniciche passano anche per valutazioni di Total Cost of Ownership e resilienza infrastrutturale.

L’ingresso di Databricks Ventures aggiunge un altro tassello: la startup potrà sfruttare l’ecosistema del data lakehouse per gestire i volumi di dati industriali che alimentano i modelli. Per gli operatori energetici, significa poter unificare dati di processo, manutenzione e IoT in un’unica pipeline, accelerando il time-to-value.

In definitiva, il round di Applied Computing mostra che il mercato sta premiando chi costruisce IA specializzata, non chi rincorre l’ennesima variante di un LLM general-purpose. E per un’industria come quella energetica, dove l’equilibrio tra innovazione, sicurezza e controllo dei dati è delicato, la strada dell’IA verticale appare sempre meno una scommessa e sempre più un obbligo competitivo.