王國棟院士：生成式AI+鋼鐵，建設中國式現(xiàn)代化的鋼鐵行業(yè)

生成式AI+鋼鐵，建設中國式現(xiàn)代化的鋼鐵行業(yè)

東北大學鋼鐵共性技術協(xié)同創(chuàng)新中心 數(shù)字鋼鐵全國重點實驗室 王國棟 孫杰

一年之計在于春。處于“十四五”和“十五五”之交的全國兩會舉世矚目。

今年兩會傳遞出怎樣的政策導向？這些政策將對鋼鐵行業(yè)產生哪些影響？鋼鐵行業(yè)的代表、委員們?yōu)橥苿有袠I(yè)高質量發(fā)展提出哪些建議？為此本報特別邀請了部分鋼鐵行業(yè)人大代表、政協(xié)委員、行業(yè)專家就相關議題進行闡述，以饗讀者。

在數(shù)字化浪潮的席卷下，鋼鐵行業(yè)正站在轉型升級的關鍵節(jié)點。生成式人工智能（以下簡稱：AIGC或生成式AI）作為數(shù)字時代的前沿技術，為鋼鐵行業(yè)突破傳統(tǒng)發(fā)展瓶頸、實現(xiàn)高質量發(fā)展帶來了新的曙光。本文深入剖析了AIGC在鋼鐵行業(yè)的應用現(xiàn)狀、技術支撐、實際成效以及未來發(fā)展規(guī)劃，全面呈現(xiàn)了這一技術融合為鋼鐵行業(yè)帶來的深刻變革。

1

數(shù)字時代的技術背景與AIGC崛起

1.1數(shù)字時代的技術驅動與數(shù)據爆發(fā)

世紀之交，工業(yè)互聯(lián)網、云計算、大數(shù)據、人工智能等新一代信息技術快速發(fā)展和應用，正式宣告了數(shù)字時代的來臨。信息技術推動全球數(shù)據指數(shù)級增長，數(shù)據量越來越大、種類越來越多、速度越來越快、價值越來越高。數(shù)據成為全球新一輪產業(yè)競爭的制高點、改變國際競爭格局的新變量。數(shù)據分析成為數(shù)字時代人類認知世界的新模式，大數(shù)據/機器學習成為數(shù)據時代解決不確定性問題最強有力的科學方法。

1.2AIGC的定義與發(fā)展歷程

借助大規(guī)模數(shù)據集學習生成全新原創(chuàng)內容的人工智能技術，被稱為生成式人工智能，即AIGC（ArtificialIntelligenceGeneratedContent）。

AIGC是基于算法、模型、規(guī)則生成文本、圖片、聲音、視頻、模型、代碼、軟件等內容的技術。該機器學習方法從其數(shù)據中學習內容或對象，并運用數(shù)據生成全新、完全原創(chuàng)的工作。

人工智能技術的發(fā)展并非一帆風順（圖1）。20世紀50年代，阿蘭?圖靈提出圖靈測試，人工智能開始了短暫的第一波發(fā)展，但由于未達成預期及技術資金的限制，到60-70年代初陷入第一次低谷，再到80-90年代隨著計算機硬件進步，以神經網絡、模糊邏輯、專家系統(tǒng)為代表的人工智能技術進入復蘇與第二波發(fā)展階段。但是好景不長，很快就進入了第二次低谷，從此神經元網絡勉強支撐，而模糊邏輯和專家系統(tǒng)幾乎退出。直到90年代，隨著大數(shù)據廣泛應用、機器學習等新興技術突破、計算能力顯著提升這三個條件逐步具備，以大數(shù)據/機器學習為特征的AIGC才穩(wěn)步發(fā)展。

生成式AI是基于大數(shù)據/機器學習的AI，所以AIGC是數(shù)字時代的人工智能。在數(shù)字時代，講人工智能，就一定是AIGC。

2011年至今AIGC迅速迭代，進入蓬勃發(fā)展階段。2022年底，ChatGPT登場，能夠完成撰寫論文、郵件、腳本、文案、代碼、翻譯等多種任務。文生視頻大模型SORA又稱為“世界模擬器”，能夠在文本的指導下生成視頻，模擬物理世界的存在方式，生成包含復雜場景和動作的視頻。2024年英偉達宣布，建設AI工廠(AI數(shù)據中心)，運行復雜的AI模型或IT系統(tǒng)。近年隨著自動駕駛等技術的發(fā)展，具身智能的端到端(E2E)技術、多模態(tài)技術異軍突起。端到端是一種機器學習和深度學習的設計范式，能夠將系統(tǒng)的輸入使用神經網絡直接映射到輸出，中間省略了傳統(tǒng)方法中的手工特征提取和復雜的中間處理步驟。多模態(tài)可以利用不同感知信息（圖像、文本、語音等）協(xié)同，幫助人工智能更準確地理解外部世界。

2

AIGC+鋼鐵的國際動向與我國發(fā)展方向

AIGC作為21世紀最前沿的人工智能技術，在應用于自然語言解釋大模型方面已經取得舉世矚目的重要成果，但是如何將它與實體經濟結合，在工業(yè)、農業(yè)、醫(yī)療、服務等行業(yè)應用，推進國民經濟各部門快速發(fā)展，目前還處于探索階段。我國作為鋼產量占世界鋼產量一半以上的鋼鐵大國，有責任、有必要深度探索AIGC+鋼鐵，引領鋼鐵工業(yè)快速進入人工智能新時代。

2.1國際上AI+鋼鐵的探索

2011年，美國政府公布“材料基因組計劃”。該計劃旨在指導企業(yè)建設材料創(chuàng)新基礎設施，加快先進材料的發(fā)現(xiàn)和部署，提高材料研發(fā)效率并降低成本。它整合政府、企業(yè)、高校和科研機構的資源，建立基于大數(shù)據/機器學習的企業(yè)材料創(chuàng)新基礎設施（SEII），通過實驗室實驗-中試-企業(yè)生產線的接續(xù)式創(chuàng)新，將材料的開發(fā)成本降至原來的一半，新材料的研發(fā)效率提高一倍以上。

2016年開始，韓國浦項鋼鐵公司受AlphaGo啟發(fā)，利用深度學習分析處理透氣性、鐵水量等高爐操作五大變量數(shù)據，進行高爐運行狀態(tài)的智能預測與控制，開辟了鋼鐵工業(yè)跨入數(shù)字時代的新步伐。該項AIGC+鋼鐵技術能夠提前預測可能出現(xiàn)的故障和異常，為操作人員提供預警和調整建議，有效提高了高爐生產效率和穩(wěn)定性。

日本JFE鋼鐵公司提出的智能鋼廠目標是：建立鋼鐵主流程數(shù)字孿生，實現(xiàn)CPS自學習、自適應、最優(yōu)自動運行。為此，JFE鋼鐵公司提出，綜合利用物理世界采集的大數(shù)據信息，并與專業(yè)知識相結合，建立起與實體世界交互映射的虛擬世界，并進一步實現(xiàn)主流程的CPS化和全公司一貫的CPS，實現(xiàn)優(yōu)化的智能化操作。同時，開發(fā)遠程的、自動化的鋼廠操作和車輛操作。根據JFE鋼鐵公司的報道，2018/19財年完成了日本本土8座高爐的數(shù)字化轉型。隨后在2022-2027財年的第七次中期計劃中，將CPS系統(tǒng)向煉鋼、軋制等領域拓展，但目前尚未見有實施效果的相關報道。

2.2我國鋼鐵行業(yè)的轉型路徑

AIGC+鋼鐵的重要之點，在于堅持科技創(chuàng)新與產業(yè)創(chuàng)新深度融合，AIGC的創(chuàng)新必須與產業(yè)實體的創(chuàng)新相融合。因此，必須堅持在生產一線，利用實際生產線提供的大數(shù)據，通過技術創(chuàng)新實現(xiàn)產業(yè)創(chuàng)新、利用AIGC促進產業(yè)發(fā)生本質性、顛覆性的改變，升級換代，數(shù)字化轉型，高質量發(fā)展。

基于上述基本觀點，我國鋼鐵行業(yè)必須以產品生產線為主線，以生產線的大數(shù)據為基本資源，圍繞安全、質量、效益和低碳發(fā)展，主攻全流程邊緣“黑箱”，通過AIGC+鋼鐵，建設全流程一體化的數(shù)字孿生平臺、信息物理系統(tǒng)和鋼鐵企業(yè)創(chuàng)新基礎設施（SEII），形成鋼鐵行業(yè)自學習、自組織、自適應、最優(yōu)智能控制的機器人鋼鐵系統(tǒng)RobotSteel，從而實現(xiàn)數(shù)字經濟、人工智能與實體經濟的深度融合。目前我國已經率先在一些生產線的各生產單元建立起單元的CPS和SEII，推出生成式AI+單元的樣板，推動鋼鐵行業(yè)的各基本單元數(shù)字化轉型，高質量發(fā)展。下一步，將把鋼鐵行業(yè)全流程視為一個整體，實現(xiàn)全流程一體化的AIGC+鋼鐵、數(shù)字換腦、模型換代、登頂RobotSteel，走中國式現(xiàn)代化的光輝道路。

3

AIGC在鋼鐵行業(yè)的應用全景

3.1AIGC在鋼鐵行業(yè)應用的總體目標：構建SEII

按照國家發(fā)改委的定義，創(chuàng)新基礎設施是基于創(chuàng)新、協(xié)調、綠色、開放、共享發(fā)展理念，以技術創(chuàng)新為驅動、以信息網絡為基礎，面向高質量發(fā)展，為提高產業(yè)核心競爭力而打造的產業(yè)升級、融合、創(chuàng)新的基礎設施體系。

為了促進我國鋼鐵行業(yè)增強核心競爭力，實現(xiàn)高質量發(fā)展，我國鋼鐵工作者提出了鋼鐵工業(yè)創(chuàng)新基礎設施SEII的基本結構，如圖2所示。它包含一網、三大平臺和四大功能，為鋼鐵產業(yè)升級、融合、發(fā)展提供支撐。其中，5G工業(yè)互聯(lián)網作為“一網”，為數(shù)據的高速傳輸和實時交互提供了保障，確保生產過程中的數(shù)據能夠及時準確地傳遞到各個環(huán)節(jié)。底層實體設備平臺（端）負責采集和傳輸生產現(xiàn)場的數(shù)據，分別輸送到邊緣（邊）或云上（云）。位于邊緣的數(shù)字孿生核心平臺（邊）與端部構成信息物理系統(tǒng)，接收端部采集的數(shù)據進行大數(shù)據/機器學習分析，構建數(shù)字孿生模型，利用數(shù)字孿生模型進行決策，并將決策信息反饋回端部的執(zhí)行機構，對系統(tǒng)賦能。資源配置與管理云平臺（云）接收來自底層端部的信息，利用大數(shù)據/機器學習實現(xiàn)對生產資源的優(yōu)化配置和管理。SEII具有四大功能，即綠色化轉型、數(shù)字化轉型、高質化發(fā)展、強鏈化運行，從多個維度推動鋼鐵企業(yè)的可持續(xù)發(fā)展。

因此，SEII必須從系統(tǒng)架構、數(shù)據、算法、算力等方面發(fā)力，并綜合應用端到端具身智能、智能體、多模態(tài)等前沿智能技術，建立中國特色的自主軟件和控制系統(tǒng)。

AIGC生成的數(shù)字孿生平臺解決鋼鐵生產全流程一體化的“黑箱”問題，通過機器學習和深度學習等IT技術對材料成分、生產工藝等操作數(shù)據的分析與實測結果的分析，實現(xiàn)對鋼鐵生產過程的精準數(shù)字孿生建模和對最終控制結果的高保真預測。

3.2數(shù)據

在數(shù)據采集階段，采用多種先進的傳感器和測量設備獲取生產線數(shù)據，確保數(shù)據的準確性、完整性、實時性、保真度。

ETL數(shù)據治理是實現(xiàn)數(shù)據抽?。‥xtract）、轉換（Transform）、裝載（Load）的過程，是構建大數(shù)據平臺的重要環(huán)節(jié)，目的是將鋼鐵企業(yè)中分散、零亂、標準不統(tǒng)一的數(shù)據整合到一起，準確無誤地加以利用，從而為企業(yè)的決策分析提供依據。國外有專業(yè)的科技公司，從事各個不同行業(yè)的數(shù)據治理，例如，IBM、DOTDATA等。國內高校和企業(yè)協(xié)同，將專業(yè)知識與信息技術融合，已經針對各生產環(huán)節(jié)的數(shù)據特點，開發(fā)了鋼鐵企業(yè)數(shù)據計算機治理的軟件和專業(yè)芯片。

3.3模型

在實際應用中，數(shù)據驅動的工控型控制模型系統(tǒng)可以根據生產過程中的實時數(shù)據，自動調整生產參數(shù)，優(yōu)化生產過程。AIGC生成的數(shù)據驅動工控型控制模型系統(tǒng)如圖3所示。系統(tǒng)的右側部分，基于企業(yè)數(shù)據池數(shù)據，結合統(tǒng)計學、機器學習、數(shù)據可視化和領域知識，通過監(jiān)督式機器學習，構建邊緣“黑箱”系統(tǒng)的數(shù)字孿生模型。根據即時的操作數(shù)據，可以利用這些孿生模型進行優(yōu)化決策，并反饋指令實現(xiàn)對底層生產線的高保真控制。而圖中位于云中的無監(jiān)督機器學習模型，為生產計劃調度、設備運維、能源物流排放管理等提供操作指導，對資源進行配置和管理，準確滿足生產過程的需要，支持生產過程順利優(yōu)化運行。圖中左側位于云中的語言解釋大模型具備自然語言解釋功能，可以對企業(yè)的創(chuàng)新發(fā)展、人力資源管理、上游資源配置管理和下游市場銷售進行大數(shù)據分析，對企業(yè)發(fā)展戰(zhàn)略、科學管理、未來發(fā)展目標提供咨詢和建議。

3.4算力

表1所示為GPT大模型與鋼鐵工控型模型的比較。由表1可見，鋼鐵工控型模型目標是企業(yè)的工業(yè)實時控制，與語言解釋大模型有不同的要求和側重點。與GPT大模型使用無限范圍數(shù)據的“大海撈針”法不同，鋼鐵企業(yè)利用生成式AI解決某一企業(yè)具體問題的工控型模型，是使用企業(yè)數(shù)據池中的個性化數(shù)據，進行“甕中捉鱉”式的預測和控制，所以涉及的數(shù)據量很小。這種工控型模型可以稱為小模型，甚至超小模型。因此，鋼鐵企業(yè)的工控型模型對算力需求非常有限。針對鋼鐵行業(yè)的工業(yè)控制，使用本企業(yè)數(shù)據池中的數(shù)據最合適、最恰當、最有效，傳統(tǒng)工業(yè)時代硬件系統(tǒng)的算力即可滿足要求。但是，這種工控型系統(tǒng)，需要極短的時延和極高的保真度，小模型有利于實現(xiàn)這種控制要求。

應當注意的是，使用圖像、視頻等多模態(tài)進行材料組織性能協(xié)同綜合性預測時，大算力將是必須的。

3.5算法

鋼鐵工業(yè)是流程工業(yè)。鋼鐵工業(yè)的原料，即鐵礦石和煤炭及其它輔料，在一系列“黑箱”過程中，通過冶煉和加工過程對系統(tǒng)賦能，使其表面和內部均發(fā)生極其復雜的物理與化學變化，最終成為各種各樣的鋼鐵工業(yè)產品。

“端到端”（End-to-End，E2E）是一種將OT與IT結合起來、用IT助力OT優(yōu)化的機器學習和深度學習的設計范式。

操作端的數(shù)據是人工操作時采用的操作數(shù)據，輸出端是系統(tǒng)控制參量值。當操作數(shù)據改變時，輸出端的被控參量就會相應地發(fā)生變化。對于某一個特定的系統(tǒng)，操作端輸入數(shù)據與輸出端的輸出數(shù)據有固定的映射關系。這種映射關系可以利用神經元網絡等機器學習方法確定。有了這種映射關系，就可以預測一組特定輸入操作參數(shù)對應的輸出，但是并不涉及系統(tǒng)內部各個物理量的相互關系和變化。

端到端學習優(yōu)勢在于，它用大數(shù)據/機器學習方法對系統(tǒng)進行整體訓練，將輸入的操作量直接映射到輸出，避開對過程內部復雜的物質、能量變化和信息流動的求解，生成高保真度的輸出側預測結果。通過數(shù)據自動學習特征，避免了手工特征提取帶來的局限性，并減少復雜性，簡化了模型設計。E2E算法已經成功應用到全部鋼鐵“黑箱”過程，表明這種標準化的學習方法是可以信賴的，特別適于應用到材料研究“黑箱”過程的全局求解。

3.6系統(tǒng)架構

鋼鐵工業(yè)是典型的流程工業(yè)。鋼鐵工業(yè)的原料，即鐵礦石和煤炭及其它輔料，在一系列內部狀態(tài)無法感知的“黑箱”中，控制冶煉和加工過程中極其復雜的物理與化學變化，以獲得需要的材料質量和生產效率。

我國已經建立了完整的鋼鐵工業(yè)生產體系，普遍具備了工業(yè)時代最先進的裝備、硬件配置、企業(yè)環(huán)境，可以生產各行各業(yè)需要的各種鋼材品種，但是，引進的工業(yè)時代的多層控制系統(tǒng)架構復雜，層層堆積，數(shù)據幾經變換，管理難度很大。其核心模型，即邊緣的設定計算部分，我們稱之為鋼鐵“大腦”，卻是理論和經驗驅動的。大腦平滑、四肢發(fā)達；系統(tǒng)復雜，缺芯少魂。因此，工業(yè)時代的鋼鐵“大腦”必須進行改造。

時至今日，人類社會進入了工業(yè)時代，鋼鐵行業(yè)控制系統(tǒng)的架構也必須從工業(yè)時代多層架構向數(shù)字時代深度扁平化雙層架構轉變。云邊端一體化的深度扁平化架構，繼承多層架構的硬件體系，降低了硬件投資。但是通過軟件簡化了系統(tǒng)結構，提升了實時性和響應性，系統(tǒng)具有更加良好的性能。在這種架構下，感知/執(zhí)行層與邊緣數(shù)據/ML層實時交互，實現(xiàn)反饋賦能，構成自學習、自適應、自組織、高度自治的信息物理系統(tǒng)，推動鋼鐵生產向智能化邁進。這種數(shù)據/ML-感知/執(zhí)行雙層架構作為數(shù)字時代計算機系統(tǒng)架構的重大進展，實現(xiàn)了從理論經驗驅動多級控制架構向數(shù)據驅動軟件定義的邊-端雙層控制架構的轉型，通過5G工業(yè)互聯(lián)網，有效收集和處理數(shù)據，優(yōu)化模型，調試系統(tǒng)，為鋼鐵生產的智能化控制提供了堅實的技術支撐。

雙層IT架構簡化系統(tǒng)結構，降低硬件投資；感知/執(zhí)行層與邊緣數(shù)據/ML層實時交互，反饋賦能，構成自學習、自適應、自組織、高度自治的世界最高級智能控制系統(tǒng)——信息物理系統(tǒng)CPS。CPS數(shù)據驅動，軟件通用化，數(shù)據個性化。大幅減少軟件開發(fā)成本，易于系統(tǒng)推廣應用；個性化的數(shù)據治理采用計算機完成，大幅度縮短開發(fā)時間，降低成本。原有硬件留用，降低轉型成本、提高轉型效率、快速實現(xiàn)數(shù)字化轉型，便于成果推廣應用。基于數(shù)據驅動的IT架構，可以通過離線開發(fā)調試-在線操作指導-在線運行三步，安全、穩(wěn)妥地實現(xiàn)數(shù)字化轉型。

所以，5G工業(yè)互聯(lián)網下超級智能的CPS過程控制為數(shù)字化轉型、智能化發(fā)展、網絡化運行帶來重大的新優(yōu)勢。雙層架構，數(shù)據驅動，軟件定義，三步上線，推動實現(xiàn)高質量、低成本、高效率、零風險的數(shù)字化轉型。

數(shù)字孿生平臺是鋼鐵工業(yè)大腦，它以數(shù)據為基礎構建以數(shù)字孿生模型為核心的信息物理系統(tǒng)，在高爐煉鐵、熱軋等環(huán)節(jié)應用成效顯著。在高爐煉鐵過程中，數(shù)字孿生平臺通過對高爐操作數(shù)據的實時采集和分析，構建出反映高爐內部變化的數(shù)字孿生模型。操作人員可以通過該模型直觀地了解高爐內部的運行狀態(tài)，及時發(fā)現(xiàn)潛在問題并進行調整。同時，數(shù)字孿生平臺還可以對不同的操作方案進行模擬和優(yōu)化，為操作人員提供最佳的操作建議，提高高爐的生產效率和穩(wěn)定性。以寶武梅山4070m3高爐為例，數(shù)字系統(tǒng)上線應用后爐溫穩(wěn)定率提升30%，噸鐵排放降低5%，為梅鋼噸鐵降本30%做出了重要貢獻。

在熱軋環(huán)節(jié)，利用端到端的分析方法，建立熱軋過程輸入操作變量與輸出變量之間的映射關系，可以建立輸入操作變量與鋼材微觀組織演變的影響規(guī)律。通過映射關系的優(yōu)化，給出優(yōu)化的反饋賦能工藝動態(tài)控制，及時調整軋制操作工藝參數(shù)，如溫度制度、軋制速度、負荷分配等，使Ti微合金高強鋼性能波動降低50%以上，明顯提高了產品質量。

3.7AIGC的前沿技術

進入新世紀以來，多模態(tài)、具身智能、智能體等企業(yè)AIGC技術為各行各業(yè)的發(fā)展提供了大量的應用場景和發(fā)展機會。鋼鐵工業(yè)首當其沖，將這些新型人工智能技術應用于鋼鐵行業(yè)，解決了一批長期困擾的重大關鍵問題。

3.7.1多模態(tài)

多模態(tài)。利用不同感知信息（圖像、文本、語音等）協(xié)同，幫助人工智能更準確地理解外部世界。例如，針對熱軋組織性能尚不能進行實時檢測的現(xiàn)實困難，目前采用多模態(tài)技術，協(xié)同應用實測力學性能和組織金相照片兩種模態(tài)進行材料組織和性能的預測，可以大幅度提高預測精度。這樣的情況下，外形尺、材料組織性能、表面氧化鐵皮演變3重模型構成的大系統(tǒng)全局求解才成為可能。

3.7.2具身智能

具身智能（EmbodiedArtificialIntelligence，EAI）是一種基于物理實體進行感知和行動的智能系統(tǒng)。它通過智能體與環(huán)境的交互來獲取信息、理解問題、做出決策并執(zhí)行行動，從而展現(xiàn)出智能行為和適應性。傳統(tǒng)的人工智能通常依賴于抽象的符號計算，而具身智能更強調通過物理身體的感知、運動以及與外部環(huán)境的交互來實現(xiàn)認知。

中厚板生產中轉鋼功能需要操作人員頻繁手動操作，難以實現(xiàn)系統(tǒng)的精準協(xié)調控制，成為久治不愈而遺留下來的“牛皮癬”問題。近年，開發(fā)了具身智能克隆算法的自動轉鋼技術，通過在轉鋼設備上安裝傳感器，實時采集轉鋼過程中的數(shù)據，如鋼坯位置、轉動角度、移動速度等。然后，利用具身智能克隆算法對這些數(shù)據進行分析和學習，模擬操作人員的轉鋼動作和決策過程，實現(xiàn)自動轉鋼的精準控制。以轉鋼時間為約束條件，學習操作人員的轉鋼經驗，實現(xiàn)了每塊鋼轉鋼時間減少1秒的優(yōu)化控制，有效解決了手動轉鋼難以實現(xiàn)快速精準協(xié)調控制的問題，提高了生產效率和質量。

除了自動轉鋼之外，中厚板生產中，側彎控制、翹扣頭控制等也在采用具身智能技術，進行自動化系統(tǒng)的補課。

3.7.3多智能體

組織性能預測智能體、溫度設定智能體、板形控制智能體等多種智能體在鋼鐵生產過程中發(fā)揮著關鍵作用。它們通過對生產數(shù)據的實時分析處理和協(xié)調互動，實現(xiàn)對生產過程的精準控制和優(yōu)化，提升產品質量和生產效率。例如，組織性能預測智能體可以根據鋼材的化學成分、生產工藝等數(shù)據，預測產品的組織性能，為后續(xù)的工藝調整提供依據；溫度設定智能體可以根據生產要求和實時溫度數(shù)據，自動調整加熱和冷卻條件，改變溫度的設定值，確保鋼材在合適的溫度制度下進行加工；板形控制智能體可以通過綜合考慮軋輥的彈性變形、熱變形、磨損的各種軋輥凸度、輥型影響因素，對軋機板形調整機構、負荷分配等進行調整，控制鋼材的板形，提高產品的平整度。多智能體技術的應用，為鋼材的各種復雜智能化操作的協(xié)調、配合提供了強有力的手段。

3.8工業(yè)軟件

過去，工業(yè)軟件是我們的短板，鋼鐵行業(yè)的控制系統(tǒng)軟件基本上是引進西方、日本等發(fā)達國家的工業(yè)時代的產品。由于鋼鐵行業(yè)的AIGC+鋼鐵主要是對原有系統(tǒng)的改造，所以通訊軟件、網絡管理軟件等可以利用原有的系統(tǒng)，但是過程控制部分要進行軟件更新。重點的軟件包括：

數(shù)據治理軟件，包括數(shù)據的ETL治理

端到端學習軟件，包括時間序列分析

多目標優(yōu)化決策軟件

邊緣數(shù)據庫與云上數(shù)據庫軟件

云上資源配置與管理無監(jiān)督學習軟件，針對生產計劃編制、設備運維、物流管理、能源優(yōu)化管理、排放管理等

PLC系統(tǒng)軟件

與數(shù)據驅動軟件適配的機理模型軟件（因果關系），等等。

軟件編程語言可以根據原系統(tǒng)的配置情況適當選用。軟件系統(tǒng)的架構可以采用微服務架構或整體式架構。

4

2025-2035年鋼鐵行業(yè)AI發(fā)展規(guī)劃

4.1發(fā)展目標與戰(zhàn)略舉措

AI+鋼鐵致力于全方位提升鋼鐵行業(yè)的競爭力，目標是提高產品質量、改進工藝技術、形成創(chuàng)新生態(tài)。

①提高產品質量。借助AI技術嚴格把控和優(yōu)化生產流程中的各項操作參數(shù)，減少產品缺陷，提高成材率，同時加速新產品的開發(fā)進程，滿足市場對高品質鋼鐵產品的需求。

②改進工藝技術。通過AI優(yōu)化生產流程，提升生產效率與產量，降低能源消耗和生產成本，并且利用智能監(jiān)測系統(tǒng)有效防止事故發(fā)生。

③形成創(chuàng)新生態(tài)。注重提高勞動生產率，促進技能傳承和人才培養(yǎng)，營造安全的生產環(huán)境，提升整體操作水平，同時加快鋼鐵企業(yè)數(shù)字人才培訓，推動關鍵標準的研制與推廣，構建數(shù)字化轉型開源生態(tài)，深化工業(yè)互聯(lián)網安全管理。

為實現(xiàn)這些目標，需要多管齊下采取戰(zhàn)略舉措。

①夯實數(shù)字底座是基礎。通過組織企業(yè)建設鋼鐵企業(yè)新型全流程一體化信息基礎設施，擴大工業(yè)感知網絡覆蓋范圍，提升工業(yè)數(shù)據采集的全面性和準確性。聚焦數(shù)字化轉型、智能化發(fā)展以及工控型生成式AI模型系統(tǒng)等重點環(huán)節(jié)，增強源頭技術供給，加大對人工智能與工業(yè)控制融合技術的研發(fā)投入，提高自主創(chuàng)新能力和技術、產品的競爭力。

②強化應用牽引是關鍵。充分利用鋼鐵行業(yè)豐富的數(shù)據資源和多樣化的應用場景優(yōu)勢，推動智改數(shù)轉、數(shù)字換腦和模型換代。讓鋼鐵行業(yè)工控型生成式AI模型系統(tǒng)在企業(yè)產線落地生根，制定明確的項目目標，大力推進示范線建設，樹立行業(yè)標桿。建立科學合理的評價標準和考核評價規(guī)范，從產品質量提升、生產效率提高、成本降低等多個維度對AI應用效果進行評測，推動數(shù)字化、智能化技術全方位、深層次賦能鋼鐵行業(yè)新型工業(yè)化。

③加強技術服務是保障。通過產學研深度融合、聯(lián)合組隊等方式，整合高校、科研機構和企業(yè)的優(yōu)勢資源，推動裝備、軟件、網絡等成組連線創(chuàng)新突破，為鋼鐵企業(yè)提供系統(tǒng)解決方案。加強政產學研用協(xié)同創(chuàng)新，特別注重企業(yè)數(shù)字化創(chuàng)新隊伍的培育、建立和培訓，打造一支既懂鋼鐵生產又熟悉AI技術的復合型人才隊伍。積極開展技術交流推廣工作，促進鋼鐵企業(yè)之間的經驗分享和技術合作，加速AI技術在鋼鐵行業(yè)的推廣應用。

④營造良好生態(tài)是支撐。加快鋼鐵企業(yè)數(shù)字人才培訓，根據不同崗位需求制定針對性的培訓課程，提升員工的數(shù)字素養(yǎng)和AI應用能力。大力研制推廣關鍵標準，涵蓋技術標準、數(shù)據治理標準、軟件編制標準等，為鋼鐵行業(yè)AI應用提供規(guī)范和指導。建設數(shù)字化轉型開源生態(tài)，鼓勵企業(yè)和開發(fā)者共享技術成果和創(chuàng)新經驗，促進技術的快速迭代和應用拓展。深化工業(yè)互聯(lián)網安全管理，加強網絡安全技術研發(fā)和防護體系建設，保障鋼鐵企業(yè)數(shù)據安全和生產運營安全。

4.2實施規(guī)劃

4.2.12025-2026年全流程一體化樣板線建設階段

此階段重點打造10條以上鐵-鋼-鑄-軋全流程一體化AI+鋼鐵樣板生產線。在選擇建設對象時，充分考慮不同企業(yè)的規(guī)模、產品類型和技術基礎，確保樣板線具有廣泛的代表性和示范價值。例如，選取大型鋼鐵聯(lián)合企業(yè)的生產線，展示AI技術在大規(guī)模、復雜生產流程中的應用效果；選擇特色鋼鐵產品生產企業(yè)的生產線，突出AI技術對特定產品質量提升和工藝優(yōu)化的作用。

在建設過程中，集中優(yōu)勢資源攻克技術難題，實現(xiàn)AI技術與鋼鐵生產全流程的深度融合。從原料采購的智能決策、高爐煉鐵的精準控制、煉鋼過程的優(yōu)化調度，到連鑄連軋的質量監(jiān)控和成品檢驗的智能化，每個環(huán)節(jié)都融入AI技術，打造高效、智能、綠色的生產模式。同時，制定AI+鋼鐵的標準體系，包括工序AI+鋼鐵軟件和芯片標準，規(guī)范軟件和芯片的功能、性能、接口等技術要求，確保其在不同生產線的通用性和兼容性；建立全流程AI+鋼鐵驗收評測指標體系及方法，從生產效率、產品質量、能源消耗、環(huán)境影響等多個維度對樣板線進行量化評估，為后續(xù)推廣提供科學依據。

4.2.22027-2030年全流程一體化生產線大面積推廣階段

在樣板線成功經驗的基礎上，計劃完成30條以上全流程一體化AI+鋼鐵生產線的建設。在推廣過程中，根據不同地區(qū)和企業(yè)的實際情況，進行個性化的技術適配和優(yōu)化。對于技術基礎較弱的企業(yè)，提供全方位的技術支持和培訓服務，幫助其快速掌握和應用AI技術；對于具有一定數(shù)字化基礎的企業(yè)，引導其在現(xiàn)有基礎上進行升級和拓展，實現(xiàn)更高水平的智能化生產。

在局部地區(qū)建成區(qū)域政府部門的企業(yè)創(chuàng)新基礎設施管理系統(tǒng)，對企業(yè)創(chuàng)新基礎設施進行統(tǒng)一管理和監(jiān)督，整合區(qū)域內的技術、人才、數(shù)據等資源，實現(xiàn)資源共享和協(xié)同創(chuàng)新。通過該系統(tǒng)，政府部門可以實時掌握企業(yè)AI+鋼鐵項目的進展情況，及時發(fā)現(xiàn)問題并提供政策支持和指導，推動AI+鋼鐵技術在更大范圍內的應用和普及。

4.2.32031-2035年全流程一體化生產線全行業(yè)推廣階段

全面完成鋼鐵行業(yè)的AI+鋼鐵轉型，在重要產鋼地區(qū)建成區(qū)域政府部門管理企業(yè)AI+鋼鐵和創(chuàng)新基礎設施管理系統(tǒng)，形成國家鋼鐵企業(yè)創(chuàng)新基礎設施系統(tǒng)。通過該系統(tǒng)，實現(xiàn)對全國鋼鐵企業(yè)的智能化生產進行宏觀管理和調控，優(yōu)化產業(yè)布局，提高資源配置效率。

鋼鐵行業(yè)基本完成AI+鋼鐵轉型，實現(xiàn)高質量發(fā)展。在產品質量方面，達到國際先進水平，滿足高端制造業(yè)對鋼鐵材料的嚴格要求；在工藝技術方面，實現(xiàn)生產流程的智能化、綠色化和高效化，大幅降低能源消耗和環(huán)境污染；在創(chuàng)新能力方面，形成完善的創(chuàng)新生態(tài)體系，企業(yè)具備強大的自主創(chuàng)新能力和市場競爭力。同時，建成鋼鐵行業(yè)管理控制優(yōu)化模型系統(tǒng)，通過政產學研用深度融合，加速AI+鋼鐵賦能，推動鋼鐵行業(yè)在新型工業(yè)化道路上持續(xù)前行。

4.3標準制定

①標準制定的關鍵內容。2025-2026年是標準制定的關鍵時期，明確鋼鐵工業(yè)AI+鋼鐵的發(fā)展目標至關重要。除了持續(xù)關注關鍵工序數(shù)控化率、生產設備數(shù)字化率、3D崗位機器換人率等傳統(tǒng)設備和裝備水平指標外，更加注重黑箱系統(tǒng)解決方案應用普及率的考核，特別是CPS系統(tǒng)的應用率。CPS系統(tǒng)作為實現(xiàn)鋼鐵生產智能化的核心技術，其應用率的高低直接反映了企業(yè)智能化轉型的程度。

②加強AI+鋼鐵在生產過程中對產品質量、生產效率、生產成本、環(huán)境效應等方面貢獻率的考核。制定量化的考核指標，例如規(guī)定AI技術應用后產品質量缺陷率降低的具體比例、生產效率提高的幅度、生產成本降低的額度以及污染物排放減少的數(shù)量等，充分發(fā)揮AI技術促進實體經濟高質量發(fā)展的作用。

③制定鋼鐵行業(yè)各工藝環(huán)節(jié)和全流程AI+鋼鐵的技術標準。以標準規(guī)范AI技術在原料處理、煉鐵、煉鋼、軋鋼等各個工藝環(huán)節(jié)的應用要求和技術參數(shù)；制定數(shù)據治理標準，確保鋼鐵企業(yè)數(shù)據的準確性、完整性、一致性和安全性，為AI模型訓練提供高質量的數(shù)據支持；制定軟件編制標準，統(tǒng)一鋼鐵行業(yè)AI相關軟件的開發(fā)規(guī)范和接口標準，提高軟件的通用性和可擴展性，指導企業(yè)的AI+鋼鐵轉型工作有序開展和普及。

4.4驗收評測指標和方法

①建立驗收評測指標體系及方法。建立全面、科學的驗收評測體系是確保AI+鋼鐵項目質量的重要手段，該體系包括全線指標和生產單元指標。

②全線指標。全線指標涵蓋多個方面，主流程信息物理系統(tǒng)化率反映了鋼鐵生產全流程中信息物理系統(tǒng)的覆蓋程度和融合深度；系統(tǒng)的數(shù)據驅動率體現(xiàn)了AI模型對生產決策的支持程度，數(shù)據驅動率越高，說明生產過程越依賴數(shù)據和AI技術進行優(yōu)化；數(shù)據治理計算機化率衡量了數(shù)據治理過程中計算機自動化處理的程度，反映了數(shù)據治理的效率和質量；機器學習模型標準化率確保不同生產線使用的機器學習模型具有統(tǒng)一的標準和規(guī)范，便于模型的評估、比較和優(yōu)化；信息采集實時化率保證生產過程中的數(shù)據能夠及時、準確地采集，為實時控制和決策提供依據；資源配置與管理的數(shù)據驅動率反映了企業(yè)在資源配置和管理方面對數(shù)據的利用程度，通過數(shù)據分析實現(xiàn)資源的優(yōu)化配置，提高生產效率和經濟效益。此外，還包括全流程最終產品質量指標、全流程生產效率、全流程生產成本、全流程能耗、全流程排放等綜合性指標，從多個維度全面評估AI+鋼鐵項目對鋼鐵生產全流程的影響。

③生產單元指標。生產單元指標則聚焦于各個生產單元的具體表現(xiàn)，例如單元生產質量提高比例，即通過與國內外先進指標進行對比，直觀反映AI技術在提升產品質量方面的效果；單元生產效率提高比例體現(xiàn)了AI技術對生產速度和產能的提升作用；單元生產成本降低比例展示了AI技術在節(jié)約成本方面的貢獻；單元能耗降低比例和單元排放降低比例反映了AI技術在節(jié)能減排、實現(xiàn)綠色生產方面的成效。同時，關注生產穩(wěn)定性提高的比例，衡量AI技術對生產過程穩(wěn)定性的增強效果，減少生產波動和故障，提高生產的可靠性。

④生產現(xiàn)場指標。在生產現(xiàn)場指標方面，重點評估提高勞動生產率情況。通過自動化和智能化設備的應用，減少人工干預，提高生產效率；技能傳承和人才培養(yǎng)情況反映了AI+鋼鐵項目對企業(yè)人才隊伍建設的影響，促進知識和技能的傳承，培養(yǎng)適應智能化生產的新型人才；安全水平的提升體現(xiàn)了AI技術在安全監(jiān)測、預警和風險控制方面的作用，保障生產過程的安全；操作水平提高情況展示了AI技術對操作人員工作效率和操作準確性的提升，使操作人員能夠更好地應對復雜的生產環(huán)境和任務。

通過對這些指標的全面評估，推動AI+活動對鋼鐵行業(yè)的驅動力，以利于集中力量攻克生成式AI+鋼鐵的難關，特別是主流程邊緣系列黑箱問題，實現(xiàn)數(shù)字換腦、模型換代，確保AI+鋼鐵項目取得實際成效，推動鋼鐵行業(yè)高質量發(fā)展。

4.5行業(yè)示范樣板線建設規(guī)劃

4.4.1鋼鐵行業(yè)樣板線規(guī)劃

2025-2026年，針對板材、帶材、型材、管材等不同產品類型，精心規(guī)劃了多條全流程一體化AI+鋼鐵轉型樣板線。

這些樣板線將在利用AIGC加強技術應用、生產管理、質量控制等方面發(fā)揮示范引領作用，為AIGC賦能鋼鐵行業(yè)等原材料行業(yè)提供實踐經驗和參考范例。

結語

在數(shù)字時代的浪潮中，生成式AI的蓬勃發(fā)展為鋼鐵行業(yè)帶來了前所未有的機遇與挑戰(zhàn)。鋼鐵行業(yè)擁有豐富的數(shù)據資源和全流程一體化的“黑箱”應用場景，這是其實現(xiàn)轉型升級的重要基礎。通過將實體經濟與數(shù)字經濟、數(shù)字技術深度融合，大力建設鋼鐵企業(yè)創(chuàng)新基礎設施，積極推進人工智能與工業(yè)控制的協(xié)同發(fā)展，充分發(fā)揮數(shù)字孿生模型、多模態(tài)、具身智能、E2E等新興AIGC技術的強大效能，鋼鐵行業(yè)有望實現(xiàn)高質量、低成本、高效率、零風險的數(shù)字化轉型。

2025-2035年，通過分階段實施、標準制定、驗收評測和樣板線示范等一系列有力舉措，鋼鐵行業(yè)將逐步構建起全流程、一體化的數(shù)字化體系。這不僅有助于打造新質生產力，推動鋼鐵行業(yè)實現(xiàn)綠色化、高質化、強鏈化發(fā)展，還將使其在新型工業(yè)化道路上穩(wěn)步邁進，為我國經濟社會的可持續(xù)發(fā)展提供堅實的產業(yè)支撐。在未來的發(fā)展進程中，鋼鐵行業(yè)需持續(xù)關注技術創(chuàng)新，加強人才培養(yǎng)，不斷優(yōu)化產業(yè)生態(tài)，以應對不斷變化的市場環(huán)境和技術挑戰(zhàn)，在數(shù)字化轉型、智能化發(fā)展的道路上不斷探索前行，實現(xiàn)鋼鐵產業(yè)的全面振興與升級，建成領先世界的中國式現(xiàn)代化鋼鐵工業(yè)集群。

備注：數(shù)據僅供參考，不作為投資依據。