“AI+钢铁”助力钢铁行业 中国式现代化

当今世界，数字化浪潮席卷世界，钢铁行业处于百年未有之大变局之中。材料科学的研究范式，从早期的经验驱动、理论驱动、计算驱动，演进到如今的数据+AI驱动。AI作为数字时代的前沿技术，为钢铁行业突破发展瓶颈、实现高质量发展带来了新的曙光。开展“AI+钢铁”行动势在必行。

AI+钢铁技术体系形成回顾

纵观国际，部分发达国家在钢铁生产数字化、智能化方面的实质性进展尚不明显。虽有报道称韩国浦项和JFE Steel尝试利用深度学习进行高炉智能预测与运行控制，但后续进展鲜见，可见实现全流程智能化仍面临巨大挑战。

相比之下，国内产学研融合推进“AI+钢铁”已取得显著成效。相关探索，可追溯至上世纪70年代，英国谢菲尔德大学的C.M Sellars教授率先开展钢材热轧过程组织性能演变与预测的研究。东北大学长期跟踪这项工作，并与上海梅山钢铁股份有限公司（梅钢）等合作，采用贝叶斯神经网络进行组织性能预测，推动热轧钢材的大规模定制化生产。

2014年8月，东北大学轧制技术及连轧自动化国家重点实验室召开基于大数据的炼钢—连铸—轧钢—热处理一体化组织性能控制研讨会，加速开展大数据在钢铁行业应用。2017年，承担国家智能制造专项，提出建立钢铁行业的信息物理系统。

自2019年开始，东北大学钢铁共性技术协同创新中心组织钢铁流程各单元研究AI+钢铁。创新中心以钢铁流程各单元的大量实测数据为基础，推进钢铁流程各单元人的智能与AI的协同、融合，并引入人的指导，利用人机混合智能系统建立热轧组织性能预测模型，可以在线、连续、实时工作，依据长期积累的生产操作大数据，完全智能地、高保真度地预测材料在生产过程中组织演变规律。自动化团队将AI技术与积累的控制理论、经验相结合，解决一批重大关于热轧力能参数、形状尺寸等方面的控制难题，近年获得省部级科技奖特、一等奖励多项。

东北大学储满生教授团队与梅钢等企业合作，研发梅钢智慧高炉系统，融合大数据、人工智能与冶炼机理及经验知识，构建了高效率、低成本、高保真的智慧高炉模型，解决了高炉炼铁中的数据治理、工况感知、趋势预测及优化决策等关键技术问题，打造了梅钢特色的智慧炼铁工序，取得了巨大的经济效益。

目前，经过东北大学协同创新中心各个专业队伍的努力，已经在全流程各主要单元建立了HI系统。

AI+钢铁行业标准化技术体系

我们在钢铁行业在实践探索中，已经逐步形成了“AI+钢铁”的标准化通用技术体系，该体系包含六个相互支撑的关键技术环节：

首先，数据采集与治理是整个体系的基础

数据的核心价值在于通过挖掘数据中隐藏的模式、趋势和关联性，为决策、预测和创新提供支持。数据采集的准确性、完整性、保真度和数据提取、转换、加载（ETL）治理，是科学利用数据最基本的前提。

其次，在模型系统构建方面

我们采用AIGC与人类智能（HI）相结合的方式，开发了数据驱动的工控型模型系统。这套系统包含三个层次：针对边缘黑箱系统的数字孪生模型、部署在云端的无监督机器学习模型以及语言解释大模型。

第三，算力资源配置需要特别考虑钢铁工业控制的实时性要求

虽然工控模型仅使用企业数据池中的个性化数据，处理量相对较小，但对时延和保真度要求极高。实践表明，常规算力配置通常就能满足这些需求。

在算法选择上，应采用端到端算法，利用IT技术直接建立输入变量（OT）与输出变量之间的预测模型。这种方法避开了材料内部复杂变化的模拟，具有简单高效、易于维护的优势。

系统架构设计方面，建议采用“1网3平台—4功能”的数字底座方案：以5G工业互联网为网络基础，构建包含底层实体设备平台（端）、数字孪生核心平台（边）和资源配置与管理云平台（云）的三层架构。整个系统采用扁平化双层IT架构来实现机器学习和构建信息物理系统（CPS）。

最后，工业软件开发需要特别关注对原有系统的改造升级。为此，需要专门开发边缘端到端过程控制和数据治理软件，这些软件需要独立开发以满足钢铁行业特定的智能化改造需求。

建设中国特色的AI+钢铁

推进“AI+钢铁”建设的实践中，应立足中国国情，打造具有中国特色的发展路径。具体而言，应以钢铁产品生产线为主线，聚焦全流程边缘黑箱问题，通过“AI+钢铁”技术建成钢铁行业的RS（RobotSteel）。我们采用“一网—三平台—四功能”的双层扁平化基本架构作为钢铁行业数字底座，同时结合人的智能与AIGC技术形成人机混合智能，为钢铁行业赋能并推动其转型升级。

同时，我们要充分利用钢铁行业工业时代最先进的计算机硬件系统和运行环境，实现数据驱动、软件定义等信息技术改造，从而走出一条低成本、高效率、易推广、零风险的AI+钢铁中国式现代化发展道路。

AI+钢铁标准化通用技术体系，不仅适用于钢铁行业，还可推广应用于有色、化工、建材等各类材料工业的过程控制。

AI+钢铁行动的建议

关于推进“AI+钢铁”行动的建议，我认为应当立足当前、着眼未来，系统谋划发展路径。首先需要确立清晰的发展目标：以技术创新为驱动，持续提升产品质量、优化生产工艺，构建良性创新生态，全方位增强钢铁行业核心竞争力。

在技术研发层面，建议重点布局三个方向：一是深化大数据与机器学习的融合应用，二是推进人机混合智能系统开发，三是探索多智能体协同优化技术。

具体实施可分三个阶段稳步推进：

第一阶段（2025-2026年）

聚焦示范引领，集中力量建设10条以上覆盖“铁—钢—铸—轧”全流程的“AI+钢铁”一体化示范生产线，同步建立健全相关标准体系及验收评测指标；

第二阶段（2027-2030年）

进入规模推广期，力争完成30条以上全流程智能生产线建设；

第三阶段（2031-2035年）

实现全行业普及，基本完成钢铁行业“AI+钢铁”的全面转型升级。

通过系统推进“AI+钢铁”战略，充分发挥中国工业实践与智能技术优势，我们必将走出一条具有中国特色的钢铁工业现代化道路，为行业高质量发展提供坚实支撑，在全球钢铁产业智能化浪潮中树立标杆。

免责声明：文章内容和观点仅代表作者本人观点，供读者思想碰撞与技术交流参考，不作为华为公司产品与技术的官方依据。如需了解华为公司产品与技术详情，请访问产品与技术介绍页面或咨询华为公司人员。