Voxel henter Ventral AI ind – kamera-AI skal løse industriens blinde vinkler

San Francisco-baserede Voxel meddelte 13. oktober 2026, at Ventral AI's ingeniørteam bliver integreret i virksomheden efter et års strategisk samarbejde; Voxels direktør Vernon O'Donnell beskrev bidraget sådan: “Their expertise in complex computer vision further accelerates the evolution of our operational intelligence platform.” Ventral AI er stiftet af Matko Kulaš og Luka Žagar. Teamet har arbejdet med billedanalyse fra kameraer på udstyr i bevægelse samt modeller til datacenterbyggeri og tung industri. Det giver Voxel specialistviden til at udvide den software, selskabet lægger oven på eksisterende kameraer.

AI Market Watch beskriver aftalen som et gennemført opkøb og oplyser, at købsprisen ikke er offentliggjort. I Axios Pro siger O'Donnell, at Voxel overvejer en Serie C på mindst 50 mio. dollar i 2027; mediet peger også på kølekæden som et muligt nyt marked. Kapitalrejsningen er endnu en overvejelse, mens Ventral-teamet allerede er på vej ind i Voxels udviklingsorganisation.

Bevægelige kameraer kan dække mere end et fast udsnit

Ventrals arbejde med kameraer på bevægeligt udstyr er den tydeligste ændring af, hvilke billeder Voxels software potentielt kan analysere. Et fastmonteret kamera ser typisk det samme område fra samme vinkel. Et kamera på et køretøj eller andet udstyr får derimod skiftende baggrund, afstand og udsyn, mens arbejdet fortsætter omkring det.

Den forskel stiller andre krav til billedanalysen. En model skal kunne fortolke det, der sker i billedet, selv om kameraets egen bevægelse ændrer scenen. Ventral-teamet har erfaring med både computersyn og modeller, der forbinder billeder og sprog, i sådanne dynamiske miljøer. Det er relevant for en platform, som hidtil især er blevet beskrevet gennem analyse af eksisterende kameraer på industrielle arbejdssteder.

Et bevægeligt kamera kan i princippet se forhold uden for et fast kameras synsfelt, men rækkevidden afhænger af, hvad kameraet faktisk optager, og hvor stabilt modellen kan fortolke optagelserne. Voxel har beskrevet teamets kompetencer og integration, ikke fremlagt målinger af, hvordan de ændrer registreringen hos selskabets kunder. Den konkrete nyhed er derfor en udvidelse af udviklingskapaciteten og de kameramiljøer, den kan arbejde med.

Datacenterbyggeri kræver modeller til en plads i forandring

Datacenterbyggeri er et særskilt anvendelsesområde i Ventral-teamets arbejde. Her handler det om billedmodeller til opførelse af datacentre og byggepladser med høje præcisionskrav. Miljøet adskiller sig fra en færdig industribygning: aktiviteter flytter sig, arbejdsområder ændrer form, og det, et kamera kan se, varierer i takt med byggeriet.

Det gør tilpasning til den konkrete plads central. Billeder fra eksisterende kameraer giver kun et anvendeligt grundlag, hvis modellerne kan skelne relevante forhold fra almindelige ændringer i byggeprocessen. Ventrals bidrag er erfaring med at udvikle og anvende modeller til netop denne type miljø, hvor en generel analyse af en kamerastrøm ikke i sig selv fortæller, hvad der er vigtigt for driften.

For Voxel kan den erfaring gøre det lettere at udvide platformens anvendelse til projekter uden for de etablerede lager- og produktionsmiljøer, som selskabet allerede arbejder med. Der er dog ikke offentliggjort en konkret datacenterinstallation eller et målt resultat af integrationen. Anvendelsesområdet er dokumenteret som en del af teamets ekspertise; effekten i Voxels samlede produkt afventer dokumentation fra faktiske udrulninger.

Tung industri sætter Voxels kameramodel på en bredere prøve

Ventral-teamet bringer også modeller til tunge og komplekse industrimiljøer. Her bliver spørgsmålet, om samme grundidé kan tilpasses forskellige anlæg: Voxel bruger eksisterende kamerainfrastruktur som input til software, der skal udpege forhold i den løbende drift. Værdien ligger i at omsætte optagelser til oplysninger, medarbejdere kan handle på, frem for alene at gemme video til senere gennemsyn.

Voxels nuværende platform er rettet mod at identificere risici, analysere årsager og hjælpe teams med at reagere. Selskabet kalder sin bredere ambition et System of Reality, men det er dets egen betegnelse for produktkategorien. Ventrals erfaring fra flere fysiske miljøer giver en teknisk vej til at udvide platformen; den viser endnu ikke, at alle modeller fungerer ens på tværs af anlæg med forskellig indretning, belysning og kameradækning.

Skellet mellem et kamera og en driftsoplysning er væsentligt. Et kamera kan kun levere billeder af det område, det ser, mens en model må afgøre, hvilke synlige hændelser der er relevante i den lokale sammenhæng. Når kameraet bevæger sig, eller pladsen ændrer sig under byggeri, bliver den fortolkning mere krævende. Det forklarer, hvorfor Voxel henter specialistviden ind frem for blot at tilføje flere videostrømme til sin eksisterende software.

Opkøbet kommer før næste mulige kapitalrunde

Finansieringsplanen sætter handlen i et større vækstforløb, men dens status er foreløbig. Voxel overvejer en ny kapitalrunde og har samtidig fået et team med erfaring fra kameramiljøer, der ligger ud over et fast udsnit af et lager. En mulig åbning mod kølekæden peger på endnu et område, hvor den kombination kan få betydning, hvis selskabet omsætter den til produkter og kunder.

Købsprisen er ikke oplyst, så handlens økonomi kan ikke holdes op mod et dokumenteret produktresultat. Det afgørende næste holdepunkt bliver, om Voxel viser konkrete udrulninger af de nye kompetencer, og om overvejelsen om kapital bliver til en faktisk finansieringsbeslutning. Indtil da er det teamets dokumenterede erfaring og det gennemførte opkøb, der giver det klareste billede af, hvad der har ændret sig.

Læs også:

• Schneider køber PTC – ny gæld skal finansiere op til 17 mia. euro
• Salesforce køber Loops – Tableau skal forklare, hvorfor tallene flytter sig
• Finanstilsynet åbner for AI og tokenisering – men styringen skal følge med