Коротко

  • Что: AI-система автономного управления цементными печами, заменяет операторов и legacy-системы · $1-3 млн экономии на завод в год · 10 заводов · 4 крупнейших клиента
  • Бюджет входа: $2-5 млн до первого платящего клиента (ML-команда + edge-инфра + пилот)
  • Время до первой версии / до продаваемого: 12-18 месяцев / 2-3 года (регулируемая отрасль, длинный цикл продаж)
  • Навык: команда из ML-инженеров + доменных экспертов по процессам горения
  • Окупаемость: пилот окупается за 4-8 месяцев на одном заводе
  • Вердикт для РФ: применимо — РФ входит в топ-8 производителей цемента, автоматизация в зачаточном состоянии
  • Сложность: ●●●●●

Завязка

Цементная печь — это труба длиной 60-80 метров, внутри которой 1 400 градусов. Управляет ею оператор по приборам: регулирует подачу топлива, скорость вращения, поток воздуха. Делает это на глаз и по опыту — и каждую ночь, когда опытный оператор уходит на перерыв, завод теряет деньги на неоптимальном режиме. На одном заводе эти потери — $1-3 млн в год. В мире 4 000+ цементных заводов. Четверо учёных из Кембриджа и UCL решили, что нейросеть справится лучше человека.

Что делают

Gigaton (до мая 2026 года — Carbon Re) разработал систему автономного управления промышленными печами. Не надстройку с советами для оператора — а замену оператора. Система подключается напрямую к заводскому оборудованию, строит физико-химическую модель процесса, прогнозирует последствия каждого действия на 15-30 минут вперёд и автономно регулирует десятки параметров: топливную смесь, скорость вращения печи, уровень кислорода, температуру зон.

Основатели — Даниэль Саммербелл, Баффи Прайс, Шериф Эльсайед-Али и Эйдан О'Салливан. Все четверо — из UCL и Кембриджа, специализация на промышленной декарбонизации. В начале 2024 года CEO стал Джош Вернон — бывший сооснователь австралийского финтеха Earnd, переехавший из Сиднея в Лондон.

Главная идея: цементная промышленность отвечает за 8% мировых выбросов CO2, но управляется софтом 30-40-летней давности. ABB Expert Optimizer и FLSmidth ProcessExpert — лидеры рынка — работают на правилах, написанных инженерами вручную. Gigaton заменяет правила на нейросеть, которая переобучается на живых данных завода в реальном времени.

Главная Gigaton — дашборд управления Интерфейс Gigaton: система в реальном времени показывает параметры печи и автономно управляет процессом. Оператор видит, что AI делает и почему — но не вмешивается.

Юнит-экономика

Метрика Значение Статус Источник
Экономия на завод/год $1-3 млн 🟡 по словам CEO TNW
Снижение CO2/завод/год 30 000 тонн 🟡 по словам Tech.eu
Экономия для крупного клиента (мультисайт) $100 млн+ 🟡 по словам CEO TNW
Заводов в работе 10 🟡 по словам TechFundingNews
Цель заводов к концу 2026 70-75 🟡 по словам CEO TNW
Привлечено инвестиций (всего) $35 млн+ 🟢 Verified Crunchbase
Команда сейчас 33 человека 🟡 по словам TNW
Цель команды к концу 2026 ~100 человек 🟡 по словам TNW

Gigaton не раскрывает выручку напрямую. Но можно посчитать: 10 заводов, каждый экономит $1-3 млн в год. Если Gigaton берёт 20-30% от экономии (типичная модель для промышленного AI) — это $2-9 млн ARR на текущем портфеле. При 70-75 заводах к концу 2026 — потенциал $15-60 млн ARR.

Для сравнения: ABB Expert Optimizer даёт экономию $400-600 тыс. на завод в год. Gigaton заявляет в 2-5 раз больше — потому что не оптимизирует поверх оператора, а заменяет его.

Такой разбор с финмоделью — каждый день в @solopreneuro.

Считаем твою экономику

Это не pet-project и не SaaS за вечер. Бюджет на запуск промышленного AI-продукта — от $2 млн, срок до первой продажи — 2-3 года. Но если ты уже работаешь в промышленной автоматизации (АСУ ТП, SCADA, MES) — входной барьер ниже.

Параметр Значение
Стоимость пилота (1 завод) $200-500 тыс. (данные + edge-инфра + интеграция)
Время пилота 6-12 месяцев
Экономия на пилоте $1-3 млн/год
Payback для завода 4-8 месяцев
Маржа на контракт (оценка) 70-80% (после пилота — SaaS с минимальной инфрой)
Точка безубыточности 3-5 заводов на контракте

Чувствительность: если экономия ниже заявленной ($500K вместо $1M) — payback растягивается до 12 месяцев, но всё ещё привлекательно для завода с бюджетом на энергию $4-5 млн/год. Главный риск — длинный цикл продаж (6-18 месяцев на enterprise-уровне).

Что нужно, чтобы повторить

Нужно Конкретика
Бюджет старта $2-5 млн (ML-команда 5-7 человек + edge-инфра + 1-2 пилотных завода)
Время до MVP 12-18 месяцев (модель + интеграция с DCS/SCADA + пилот)
Время до продаваемого 2-3 года (после успешного пилота нужен трек-рекорд)
Навыки ML-инженеры с опытом reinforcement learning + доменные эксперты по процессам горения/химии + инженеры интеграции (OPC UA, Modbus, PI System)
Главная сложность Доверие: оператор должен отдать управление 1 400-градусной печью нейросети

Альтернативы: почему не взять готовое

На рынке промышленного APC (Advanced Process Control) работают гиганты:

  • ABB Expert Optimizer — самая распространённая система в цементе. Правила пишут инженеры ABB, обновление — раз в несколько лет. Экономия $400-600K/завод.
  • FLSmidth ECS/ProcessExpert — конкурент ABB, тоже rule-based. Последний релиз v9.1 (июль 2024) добавил элементы ML, но ядро остаётся ручным.
  • Rockwell Pavilion8, AspenTech, Honeywell — широкие платформы для разных отраслей, не специализированы на цементе.

Все эти системы объединяет одно: они дают оператору рекомендации, а не управляют процессом автономно. Gigaton — первая система, которая берёт контроль на себя. Разница в экономии — 2-5x.

Твоё незанятое пространство: ни один из существующих игроков не специализируется на российских промышленных контроллерах и стандартах. В РФ рынок APC для цемента/металлургии почти пуст — большинство заводов работают на ручном управлении или устаревших SCADA без оптимизации.

Точка дизрапта

Классический APC работает на правилах: «если температура зоны 3 выше X — снизить подачу топлива на Y%». Правила пишет инженер на основе опыта. Проблема: правила не адаптируются к изменениям — новое сырьё, альтернативное топливо (переработанные шины, пластик), износ оборудования. Каждое изменение требует визита инженера ABB/FLSmidth и ручной перенастройки.

Gigaton работает иначе: нейросеть строит цифровой двойник процесса и переобучается на живых данных каждые минуты. Когда завод переходит с угля на альтернативное топливо (тренд в EU из-за регуляции углеродных выбросов) — система адаптируется сама. По словам CEO Джоша Вернона: «Альтернативное топливо сложнее в управлении, чем уголь. Это играет нам на руку — правила ABB ломаются, а наша система учится».

Отдельный рычаг — ночная смена. Опытный оператор днём держит оптимальный режим. Ночью его заменяет менее квалифицированный — и завод теряет 10-15% эффективности. AI работает одинаково 24/7.

Индустрии Gigaton — цемент, сталь, стекло Gigaton начал с цемента — но платформа адаптируется к любому энергоёмкому производству: сталь, стекло, химия. Каждая индустрия — это новый рынок на десятки миллиардов.

Конкурентное преимущество

Данные — главная защита. Каждый завод, где работает Gigaton, генерирует миллионы точек данных о физико-химических процессах. Эти данные обучают общую модель — чем больше заводов, тем точнее прогнозы на новых объектах. У ABB тоже есть данные, но они лежат мёртвым грузом — rule-based система ими не пользуется.

Вторая защита — доверие регулятора. Цементный завод — опасный объект. Чтобы получить разрешение на автономное управление печью, нужны месяцы сертификации на конкретном объекте. Каждый пройденный объект — барьер для конкурента.

Третья — клиенты-гиганты. Holcim (#1 в мире по цементу), Heidelberg Materials (#2) и Adani Cement — это не просто логотипы. Один контракт с Holcim = потенциал 80+ заводов. Переключить такого клиента на конкурента — процесс на годы.

Как выходили на рынок — и как выходить тебе

Как Gigaton реально продавала

Начало — академическое. В 2020 году четверо учёных из UCL и Кембриджа основали Carbon Re как первый совместный спинаут двух университетов. Первые деньги — от университетских фондов (Cambridge Enterprise Ventures, UCL Technology Fund).

Первый пилот — Mannok Holdings, ирландский цементный производитель. Это типичный для deep tech путь: один завод-партнёр, готовый рискнуть, потому что основатели пришли с научными публикациями и моделью, которую можно проверить на реальных данных.

Дальше — founder-led sales через отраслевые конференции (Global Cement Conference, IEEE). Цементная индустрия — замкнутое сообщество, где все друг друга знают. Успешный пилот на Mannok стал рекомендацией для Holcim и Heidelberg.

В начале 2024 года пригласили CEO со стороны — Джоша Вернона с опытом масштабирования стартапов. Это типичный переход от founder-led sales к систематическим продажам. Параллельно привлекли инвесторов со связями в индустрии: Semapa Next — инвестфонд португальской цементной группы Semapa. Стратегический инвестор = прямой доступ к заводам.

География расширялась по клиентам: Mannok (Ирландия) → Adani (Индия) → Heidelberg (Европа, Турция) → Holcim (глобально). К июню 2026 — 10 заводов в Европе, Турции, Индии, Юго-Восточной Азии и Южной Америке.

Что публично не сработало — неизвестно. Но ребрендинг с Carbon Re на Gigaton (май 2026) — косвенный сигнал: «декарбонизация» как позиционирование оказалась слишком узкой; «автономное управление тяжёлой индустрией» — шире и ближе к деньгам.

Как выходить билдеру с похожим продуктом

Важно: это не продукт для соло-разработчика. Это deep tech с командой и инвестициями. Но принципы GTM переносимы в любой промышленный AI.

Кому продавать первым. Один конкретный завод в одной конкретной отрасли. Не «промышленность в целом», а «цементный завод мощностью 3 000-5 000 тонн/день с расходом на топливо $3-5 млн/год в стране с углеродным налогом (EU ETS)». Завод в EU платит за выбросы CO2 — значит, у него двойная мотивация: экономия топлива + экономия на квотах.

Почему им. Триггер покупки — рост стоимости углеродных квот в EU (с €25 в 2020 до €65-80 в 2025). Каждая тонна CO2, сэкономленная на заводе — прямые деньги. ЛПР — технический директор завода (CTO/Chief Engineer), не CEO. Бюджет — из статьи на энергию и обслуживание (capex + opex, обычно $5-10 млн/год для среднего завода).

Как достать первых 3-5 клиентов:

  1. Академические связи — если есть. Публикации в отраслевых журналах (ZKG International, International Cement Review) дают доверие.
  2. Отраслевые конференции — Global Cement Conference, Cement & Concrete Science. Маленький мир, 200-300 людей принимают решения по автоматизации на 4 000 заводах.
  3. Стратегический инвестор из отрасли. Gigaton привлёк Semapa Next — фонд цементной группы. Один такой инвестор = 5-10 пилотов на своих заводах.
  4. Пилот за свой счёт с гарантией результата: «Мы поставим систему бесплатно на 6 месяцев. Если экономия <$500K — уходим, данные ваши».

Последовательность: 1 пилот (6-12 мес.) → кейс с цифрами → 3-5 заводов у 2-3 клиентов → Series A → масштаб через стратегов.

С кем не начинать: мелкие заводы (<1 000 т/день) — экономия не оправдает интеграцию. Заводы в странах без углеродного регулирования — мотивация только в экономии топлива, а не CO2. Заводы с новейшими DCS — там ABB/FLSmidth уже стоят, переключение дольше.

Применение в России и СНГ

Рынок. Россия — 8-й производитель цемента в мире, ~56 млн тонн в год. Крупнейшие производители: Евроцемент групп (42 завода, крупнейший в РФ), Холсим Россия (бывший LafargeHolcim), Сибирский цемент, Мордовцемент, Новоросцемент. Большинство заводов работают на ручном управлении или устаревших АСУ ТП советского образца.

Локальные аналоги. Прямого аналога Gigaton в РФ нет. Ближайшее:

  • Цифра — российский вендор промышленного AI, работает с горнодобычей и нефтянкой, но не с цементом конкретно
  • Северсталь — внутренняя разработка ML для металлургии (прокатный стан), не продаёт на сторону
  • SCADA-интеграторы (ОВЕН, Прософт) — классическая автоматизация без AI-оптимизации

Регуляторика. Цементный завод — опасный производственный объект (ФЗ-116). Внедрение автономного управления требует согласования с Ростехнадзором. Углеродного налога в РФ нет (пока), но Сахалинский эксперимент по квотированию выбросов CO2 (с 2025) — первый сигнал. Экспорт цемента в EU подпадает под CBAM (Carbon Border Adjustment Mechanism) — российские экспортёры уже платят за углеродный след.

Стек под РФ.

  • ML-инфра: Yandex Cloud ML, Selectel GPU
  • Интеграция: OPC UA (стандартный), Modbus (устаревший, но распространённый), PI System (OSIsoft/AVEVA)
  • Edge computing: отечественные промышленные ПК (OVEN, Advantech через дистрибьюторов)
  • Визуализация: Grafana, собственные дашборды
  • AI: open-source модели (PyTorch, TensorFlow), без зависимости от западных API

Каналы. Отраслевые конференции (Цемент. Бетон. Сухие смеси), выставки (ConTech, ИННОПРОМ), профильные Telegram-каналы для промышленников, прямой выход на техдиров заводов через отраслевые ассоциации (Союзцемент).

Вердикт: применимо с адаптацией. Ключевые адаптации: согласование с Ростехнадзором (долгий процесс), замена западных edge-платформ на российские, фокус на экономию топлива (а не CO2 — углеродного налога пока нет). Потенциал огромный: 42 завода только у Евроцемента, большинство без серьёзной оптимизации.

О компании Gigaton Gigaton — спинаут UCL и Кембриджа. «Подсказка в названии»: гигатонна — масштаб, на котором они планируют снижать выбросы.

Риски

Доверие и безопасность. Передать нейросети управление печью с температурой 1 400 градусов — серьёзный шаг для директора завода. Один инцидент (даже не авария, а просто сбой с остановкой) — и доверие ко всей категории промышленного AI откатится на годы. Gigaton называет прозрачность решений ключевым приоритетом, но ни одна система пока не прошла проверку масштабным инцидентом.

Длинный цикл продаж. Enterprise-продажа в тяжёлую промышленность — это 6-18 месяцев переговоров, 3-6 месяцев пилота, ещё 3-6 месяцев до полного контракта. При 33 людях в команде и $35 млн привлечённых денег — бегут против часов.

Конкуренция от ABB и Honeywell. ABB уже добавляет ML в Expert Optimizer. Если ABB или Siemens решат сделать полноценную автономную систему — у них доступ к тысячам заводов, где уже стоит их железо. Gigaton конкурирует не с софтом, а с каналом дистрибуции.

Концентрация клиентов. 4 крупных клиента на 10 заводов. Потеря Holcim или Heidelberg — потеря значительной части потенциального рынка. Диверсификация в сталь и стекло — правильный ход, но новая отрасль = новые 2-3 года на пилоты.

Вердикт

$1-3 млн экономии на каждом из 4 000+ цементных заводов мира — рынок, где AI-замена оператора выигрывает у 30-летних rule-based систем; в России 42+ заводов одного только Евроцемента без серьёзной оптимизации, а углеродное регулирование (CBAM, Сахалинский эксперимент) подталкивает к действиям.

Ещё разборы в нише промышленного AI и Hardware:

Такой разбор с финмоделью — каждый день. Подписывайся на @solopreneuro.