借助人工智能的力量向整个工业赋能的时代已然来临,各个垂直细分行业也正在积极主动地拥抱以大模型为代表的AI技术。一场技术与行业的双向奔赴正在各个领域不断上演。而作为传统行业,钢铁冶金在应用人工智能、大模型等前沿技术时,显的更加稳重与谨慎。

根据相关数据,2024年全球粗钢产量较前一年下降了约5%,而中国作为全球最大的钢铁生产和消费国,其粗钢产量也出现了近十年来的首次负增长,同比下降约3%。尽管2025年钢铁行业面临着诸多挑战,但其作为全球重要的基础材料产业,仍具有广阔的发展前景。随着全球经济的逐步复苏、新兴市场的发展以及绿色转型的推进,钢铁行业将迎来新的机遇。

中国钢铁工业协会近日公布数据显示,目前我国钢铁行业重点企业的机器人应用密度达65台(套)/万人,95%的企业将数字化转型融入企业发展战略,80%的企业已建设智能集控中心,81%的企业探索开展大数据模型应用,钢铁行业数字化转型步伐加快。

在此背景下,如何在这场变革中保持盈利能力、培育新的利润增长点,成为企业当前最关心和需要深入思考的问题。

在近期举办的在第二届(2025)钢铁工业数字化发展高端论坛暨2025全国第三十届自动化应用技术学术交流会期间,中国工业报与百度智能云智慧工业行业解决方案总监曹凯,就钢铁行业大模型落地进行了一次深度交流。他提出,在全行业基本处于盈亏平衡点的形势下,数智化转型是企业进一步提高产品质量、降低生产成本的重要手段,也是打造核心竞争力的关键一环。

技术突破赋能转型提速

从质量管控到安全生产、从设备运维到生产调度……大模型技术的应用正不断渗透到钢铁生产的多个环节,更为传统钢铁冶金行业的智能化转型提供了有力支持。

曹凯表示,大模型作为最具影响力的AI技术突破,不仅可以理解和生成语言,还能够处理图像、视频、音频等多模态信息,甚至能根据人类意图去管理、调度很多的小模型、领域模型、生产制造环节中的机理模型等等,组成一个更加强大的智能系统/智能体,进而满足企业降本、提质、增效、绿色、安全等需求。

国际IT市场研究公司IDC发布的《工业大模型应用进展及展望, 2024 》指出,工业大模型应用落地初具规模,并且已经渗透到工业的多个环节,其中,知识管理、数据问答、专业内容生产、及视觉安监等方向是目前应用探索最多的方向。

钢铁生产过程复杂多变,钢铁制造涉及多个环节,每个环节的工艺参数复杂且相互影响,这些过程动态变化,不确定因素多,使得数据的收集、处理和建模成为一大难点。生产现场的传感器数据还会受到噪声、信号波动、设备磨损等因素影响,导致数据质量参差不齐,这些不确定性都增加了大模型训练的难度。

龙头企业探索效果初现

尽管大模型在钢铁冶金行业的落地刚刚起步,在政策鼓励和应对行业变革的双驱动下,一些头部企业率先拥抱大模型技术,凭借其相对较好的数据集、资源能力等基础,探索出了一条从“0”到“1”的智能化转型路径。

基于大模型的视觉智能,企业能够提升视觉表检等感知认知能力,从而提升企业产品质量。近日,根据企业积累的丰富行业数据集和语料库,百度智能云辅助中国钢研科技集团有限公司(以下简称“中国钢研”)探索构建了首个冶金流程感知大模型。

在冶金材料研发与制造核心业务场景中,百度智能云以大模型助力用户面向“材料金相分析、生产物料跟踪”等生产运行环节。以金相分析为例,长期以来,金相分析是金属材料研究的行业难题,也是材料质量把控的核心检测环节,传统做法需要人工肉眼在金相显微镜下观察,检验人员通过图像与相应检验标准谱图对比做出判定,缺乏数字化的参考标准,人工输出金相报告,分析难度高、效率低。此外,一批钢材出来,只能抽样检测,无法保证每个钢板都能测到。

中国钢研通过引入百度智能云一见视觉大模型平台,结合过去七十多年积累的大量行业数据,从0到1快速搭建金相分析大模型并落地应用。中国钢研通过内置语义分割大模型的一见平台,实现金相分析的智能预标注、零代码模型训练等,并通过平台内置监测预警应用,实现专业视觉AI应用的落地,有效解决了钢铁成分分析、质量缺陷检测、物料追溯等多种行业难题,基于一见平台训练的金相大模型,实现了95%的分割准确率。

据悉,中国钢研正在大力建设基于人工智能技术的冶金行业大模型平台,已发布冶金流程感知大模型和冶金流程优化大模型自主可控的行业大模型,赋能整个冶金行业。

全场景应用走深向实

在数字化、智能化转型成为企业“必选题”的当下,如何把企业的大量隐形知识显性化、显性知识结构化、结构知识关联化、以及关联知识流动化,从而应用到经营决策、设备运维等逻辑推理场景,成为大模型技术的又一“用武之地”。

最近,中天钢铁集团有限公司(以下简称“中天钢铁”)计划打造金属材料深加工行业的第一家灯塔工厂。让大模型快速成为工厂智脑及调度中枢,提高企业知识库管理能力,成为其打造灯塔工厂的关键一环。

通过一系列的问题梳理,百度智能云为中天钢铁提供了具体解决方案,一套百度智能云企业数智化平台应运而生。

在设备运维场景中,通常一线员工需要长时间的培养才能掌握全部的维修或处置能力。然而,通过智能运维助手的知识智能总结,结合历史相似故障数据和外网行业公开知识,平台能够很快推荐故障处理解决方案,并支持运维工作人员快速获取包括故障维修措施、设备参数、部件参数等信息,辅助工作人员学习设备运维知识。现场设备运维效率可提升10%、异常处置响应效率可提升30%。

另外,基于业务数据的洞察能力,平台能够快速掌握现场的生产数据情况,并结合历史情况给出辅助经营决策建议。企业生产数据利用率能够提升50%。

比如在生产环节,搭建断丝生产全过程质量和工艺数据采集与分析平台,运用高阶算法快速定位异常因子,进行前端预警和闭环管控,提高生产效率,降低断丝率和质量损失。系统针对断丝的控制措施改良后,断丝率平均下降30%。结合根因分析模型与优化措施优先级的调整,大大提升优化措施的有效性和针对性,平均生效时间由3天缩短为2天。

据曹凯介绍,通过平台的一系列功能,中天钢铁能够更好地管理和应用其设备运维过程中的各种知识,提高员工的工作效率和处置能力。

“大模型在钢铁冶金行业中的应用正处于尝试探索阶段。” 曹凯认为,大模型在钢铁冶金行业的应用可能首先会基于某类具体场景或业务需求进行尝试,形成场景化的模型。当这类场景化的模型在实践中达到一定的能量级,并被行业内的多家企业广泛应用、复制和推广时,大模型在钢铁冶金行业的广泛应用阶段才会真正到来。

伴随技术演进,工业大模型应用落地将有望提速。《工业大模型报告》显示,随着智能体、具身智能等新技术发展,大模型将在工业领域开辟更多应用场景,提高生产效率和安全性。同时,大模型量化剪枝蒸馏等相关技术将有效减少模型的参数量和算力消耗需求,降低训练和部署成本,使大模型更适用于资源受限的环境,加速在工业领域应用推广。(来源:中国工业报)