Британская CloudNC привлекла $20 млн, чтобы расширить продажи CAM Assist — ИИ-инструмента, который готовит первый вариант стратегии обработки детали на станке с ЧПУ. Для небольших производств ставка практичная: быстрее оценивать и запускать заказы, не убирая специалиста из процесса.
Суть события
CloudNC объявила о дополнительном раунде серии B на $20 млн. После сделки общий объём привлечённого компанией капитала достиг $128 млн. Раунд возглавила Nimble Ventures; среди участников также Calculus Venture Capital, Entrepreneur First и венчурное подразделение Lockheed Martin — LM Capital.
Компания развивает CAM Assist, дополнение для традиционных CAM-систем вроде Autodesk Fusion и Mastercam. Оно автоматизирует часть подготовки обработки: выбирает подходящие инструменты, направления подхода, подачи и скорости резания, а затем формирует черновик кода для станка с ЧПУ. Программист проверяет результат, редактирует его и только потом утверждает.
Детали
Узкое место возникает ещё до того, как станок начнёт резать металл. Специалисту нужно понять, как закрепить деталь, какой инструмент взять и в какой последовательности выполнять операции. Обычная CAM-система помогает описать выбранный путь, но значительная часть решения всё равно остаётся ручной. CloudNC пытается автоматизировать именно этот первый проход, сохраняя за человеком окончательное инженерное решение.
По словам главы CloudNC Тео Сэвилла, CAM Assist используют более 1 000 механических производств по всему миру, а 80% клиентской базы компании находится в США. В штате стартапа 80 человек. Новые деньги пойдут на расширение продаж, выход в существующие и новые рынки и разработку продуктов, включая Quote Agent.
Контекст
Quote Agent должен помочь производствам быстрее оценивать стоимость и риск нового проекта, чтобы оперативнее принимать или отклонять заказ. Запуск намечен на следующий месяц. Это соседняя с программированием станка задача: медленный расчёт цены способен задержать сделку ещё до появления детали в цехе.
Для малого производственного бизнеса ценность здесь не в эффектной полной автономности, а в пропускной способности команды. Если опытный технолог тратит меньше времени на повторяющуюся первичную настройку и расчёт заявки, предприятие может быстрее отвечать заказчику и эффективнее использовать уже имеющиеся станки. Но ошибку в выборе режима обработки нельзя списать на алгоритм, поэтому этап проверки специалистом остаётся критическим.
Спрос на такие инструменты поддерживают одновременно возвращение производственных цепочек в США и дефицит квалифицированных кадров. На этом фоне важны и сроки поставки оборудования: например, AI Digest ранее писал о том, как задержки сложных систем Nvidia растягивают планы заказчиков более чем на год.
Что дальше
Главная проверка для CloudNC — сможет ли компания превратить более чем тысячу внедрений в массовое использование и доказать экономию не на демонстрации, а в ежедневной работе цеха. Производствам стоит измерять время от получения чертежа до готовой программы, долю ручных исправлений, скорость подготовки коммерческого предложения и число принятых заказов.
Следующей контрольной точкой станет запуск Quote Agent. Если связка быстрой оценки заказа и ускоренного программирования действительно сократит простой между запросом клиента и началом обработки, у небольших цехов появится способ нарастить выручку без немедленного расширения штата. Если же черновики потребуют долгой перепроверки, обещанная экономия растворится в работе опытных специалистов.
