Finansiering
Wint samlar in $36 miljoner i Serie D för att globalt skala AI‑driven vattenintelligens

Wint har samlat in $36 miljoner i Serie D‑finansiering för att expandera sin AI‑drivna vattenintelligensplattform, eftersom fastighetsägare, entreprenörer, försäkringsgivare och anläggningsoperatörer i allt högre grad söker teknik för att hantera vatten både som en operativ resurs och som en källa till finansiell risk.
Rundan leddes gemensamt av LIP Ventures och Inven Capital, och Wint planerar att använda kapitalet för att påskynda produktutvecklingen och expandera sin närvaro på globala marknader. Företaget avslöjade ingen värdering i samband med tillkännagivandet.
Finansieringen representerar det senaste steget i Wints expansion efter en $35 miljoner Serie C 2023, som leddes gemensamt av Inven Capital och Insight Partners, samt en $15 miljoner Serie B ledd av Insight Partners 2022.
Omvandla vattensystem till realtidsdata
Medan vattenhantering traditionellt har förlitat sig på mätare, el‑ och vattenräkningar, underhållsinspektioner och enkla läckagesensorer, försöker Wint göra byggnadens vattensystem kontinuerligt observerbara.
Företaget kombinerar anslutna mätare, ventiler, styrenheter och AI‑programvara för att analysera hur vatten rör sig genom byggnader i realtid. Istället för att bara upptäcka om vatten finns där det inte ska vara, lär sig systemet det normala beteendet för enskilda vattensystem och söker avvikelser.
Wint uppger att deras AI‑modeller har utvecklats med hjälp av tiotals miljoner timmars verklig vattenflödesdata som omfattar system från byggnadens huvudledningar och varmvatten till värme-, ventilations- och luftkonditioneringskretsar (HVAC) samt kylningstorn. Modellerna använder dessa data för att skilja normal förbrukning från mönster som kan indikera problem såsom en punktrörsläcka, fast toalett, brusten rör eller utrustningsfel.
När systemet fastställer att en händelse kräver ingripande kan det varna byggnadsoperatörer och automatiskt stänga anslutna ventiler. Detta är särskilt viktigt för miljöer som datacenter, sjukhus och annan kritisk infrastruktur, där Wints styrenheter kan fatta beslut om upptäckt och avstängning lokalt istället för att helt förlita sig på en molnanslutning.
Den distinktionen för tekniken närmare autonom infrastrukturhantering: AI analyserar inte bara en byggnad och skickar information till en människa, utan kan även auktoriseras att vidta fysiska åtgärder när fördefinierade riskförhållanden uppfylls.
Utvidga från läckagedetektion till byggnadsintelligens
Wint har också breddat plattformen bortom akut läckageförebyggande.
Dess Water Insights teknik analyserar detaljerad förbrukningsdata över längre perioder och letar efter ineffektivitet och beteendemönster som kan vara svåra för anläggningsteam att identifiera manuellt. Systemet kan jämföra prestanda, belysa ihållande överförbrukning och identifiera utrustnings- eller konfigurationsproblem innan de blir större operativa problem.
Företaget lade till ett ytterligare lager i slutet av 2025 med AI‑baserad vatten‑temperaturanalys. Dess första tillämpning, en Boiler Health Analyzer, korrelerar vattentemperatur med flödesdata för att upptäcka mönster som är förknippade med överhettning, underhettning eller otillräcklig pannkapacitet.
Utvecklingen är betydelsefull eftersom den utökar Wints potentiella roll från att skydda byggnader mot katastrofala läckor till att kontinuerligt analysera hur mekaniska system presterar.
Med tiden skapar detta möjligheter för vattenintelligens att bli en annan komponent i den bredare smart‑byggnadsteknologiska stacken, tillsammans med energihantering, HVAC‑övervakning, byggnadsstyrsystem och plattformar för prediktivt underhåll.
Försäkring blir en viktig del av ekvationen
Det ekonomiska fallet för vattenintelligens sträcker sig också bortom besparingar på verktyg.
Vattenläckor kan leda till kostsamma egendomsskador, affärsavbrott, byggförseningar och försäkringsanspråk. Detta har skapat ett ovanligt korsningsområde mellan AI‑infrastrukturteknik och försäkring, där förebyggande av en incident kan ha avsevärt större ekonomiskt värde än att enbart minska vattenförbrukningen.
HSB, en del av Munich Re, har samarbetat med Wint kring deras vattenläckarteknik och prestationsgaranti. Munich Re uppger att en studie som jämförde byggarbetsplatser skyddade av Wint med oskyddade platser fann 73 % färre anspråk och 90 % lägre utbetalningar på Wint‑skyddade platser.
Det förhållandet illustrerar en potentiellt viktig riktning för industriell AI. Om försäkringsgivare kan använda data från övervakningssystem för att kvantifiera minskningar av fysisk risk, kan teknologier som Wint i allt högre grad påverka inte bara anläggningsdrift utan även underwriting‑krav, självrisker, premier och riskhanteringsstandarder.
Wint går in i nästa expansionsstadium
Wint gick in i 2026 med avsevärt större skala än när de avslutade sin föregående institutionella finansieringsrunda.
Företaget rapporterade att de sålt mer än 30 000 system och utökat sin kundbas med över 40 % till nästan 600 företag i slutet av 2025. Wint uppgav också att deras teknik hjälpte mer än 1 500 anläggningar att spara 1,15 miljard gallons vatten under året samtidigt som de förhindrade över 1 300 vatten‑skadeincidenter, vilket motsvarar uppskattade $100 miljoner i potentiella förluster. Dessa siffror är företagets egna rapporter och inte oberoende granskade prestationsstatistik.
Wint fick också ett strategiskt investering från det globala fastighetsgruppen Grosvenor i december 2025, där Grosvenor planerar att utöka användningen av tekniken över sin fastighetsportfölj.
Den nya $36 miljoner Serie D ger Wint ytterligare kapital för att driva den modellen in i fler byggnader och marknader.
Den större frågan är om vattenhantering följer en liknande utvecklingsbana som energihantering, där allt mer detaljerade sensorer, centraliserad data och automatiserade styrningar förvandlar vad som tidigare var en i stor utsträckning passiv infrastruktur till något som aktivt optimeras av mjukvara.
För Wint skulle det göra läckageförebyggande endast till startpunkten. Den långsiktiga möjligheten är att göra vattensystemen som löper genom kommersiella byggnader, byggprojekt, datacenter och annan kritisk infrastruktur mätbara, förutsägbara och i allt högre grad autonoma.












