钢铁厂“一键炼钢”？背后是这项改变世界的技术｜“AI＋制造”撞出创新火花

编者按

人工智能（AI）已被视为可以改变世界的前沿技术。眼下，这股重塑力正全面融入制造业之中。

上海牢牢把握AI赋能制造业的战略机遇，以AI驱动制造业高端化、智能化、绿色化、融合化升级，今年发布的《上海市加快推动“AI+制造”发展的实施方案》，标志着上海在AI与制造业深度融合方面迈出系统性、战略性一步。未来3年内，本市将推动3000家制造业企业实现智能化应用，打造10个行业标杆模型、100个标杆智能产品，建设10个左右“AI+制造”示范工厂，培育5家综合集成服务商。

连日来，本报记者深入走访一批沪上制造企业和AI公司，从一个个具体的实践应用中，尝试捕捉“AI+制造”碰撞出的创新火花。在未来，它们将极有可能成为驱动这座城市高质量发展的新引擎。

距离上海万余公里之外，装载“中国方案”的人工智能（AI）模型正在海外一家钢铁厂高效管理着炼钢生产中的一个重要环节——连续铸钢。车间内，机器不断发出轰鸣声，而后台的控制室里，工作人员只要坐在一个个屏幕前，就能实时监测、调整生产参数，实现“一键炼钢”。

这一幕的背后，是“AI+钢铁”带来的智能化升级。沪上算法企业——华院计算技术公司研发的连铸质量判定与切割优化系统，可以预判质量风险，调节工艺水平，还能优化切割成品，大大提升连铸的合格率与生产效率。

围绕钢铁这一基础流程工业的核心工艺和过程控制，华院计算过去3年一直在精耕细作，先后打造6种应用场景，全速助推工业企业从制造走向智造。

超越“熟练工”，提高生产效率

所谓连铸，就是把高温钢水连续不断浇铸成具有一定断面形状和尺寸规格铸坯的生产工艺过程。它承上启下，既连接炼钢与轧钢的流程，又占据冶金工艺中不可或缺的地位。在炼钢厂中，连铸设备不仅规模庞大，更是高效生产的关键所在。

然而，连铸工序涉及结晶器、二次冷却、扇形段等核心环节，具有典型的“黑箱”特征。

“几年之前，当带着AI技术踏入钢铁厂大门时，我们发现这一大型复杂的工业场景全流程各工序存在着大量不完全信息。就拿连铸这个工艺来说，质量主要靠现场熟练工人的经验判断。”华院计算智能制造事业部副总经理杨晶晶回忆说，“为了打破这些不确定性，我们决定把图像、生产控制数据、专家知识等数据信息融合起来，一起投喂给AI。经过多轮学习和打磨之后，一个与产线状态实时相关的关键场景模型终于构建起来，能做到先知先觉，比熟练工还要熟练。”

在该海外钢铁厂，华院计算的连铸模型“负责”工艺生产线下的全流程质量管控，而同步构建的离线分析平台，还能对生产数据进行智能化诊断，增加生产过程稳定性，提高生产效率和产品质量。

打破“黑箱”，实现全流程智能化

你可能想象不到，钢铁生产的核心原料包括铁矿石、焦炭，都被一一“画像”，化学成分怎么样、颗粒粗细度如何等信息一目了然。这只是第一步，很快原料的“最优组合”也被计算出来，不但最大限度提高铁品位，有效控制有害元素含量，确保冶炼过程中的资源利用率，还能实现成本控制。

这些就是智能配矿系统的“看家本领”。“传统的配矿方法也主要依赖于经验判断。为了引入AI技术，我们先在自己的实验室里摸索，通过融合数据和知识构建模型。”杨晶晶表示，进入钢铁厂实测后，AI模型的表现同样“能打”，算出来的配比方案又快又准，现在可以说是钢铁厂离不开的“标配”了。

在江西的新余钢铁，华院计算的智能配矿系统已投用，通过自动优化配料，帮助整个工厂节省数千万元。在配料生产上，AI根据混合料的成分要求、成本区间等，计算出多目标适配的配矿配料方案；在采购环节，AI也能给出重点使用矿料资源的指标区间和分析等相关信息，为主、辅料采购提供有效的智能化决策支持，提供生产供应链的闭环管理。

从智能配煤、配矿，连铸质量判定及切割优化，一直到表面缺陷检测与切割控制，AI技术正深度融入钢铁业核心环节，在连续运用中发挥出越来越高的价值。

在业内专家看来，AI将成为钢铁行业未来发展的最大变量。一方面，大模型应用有望穿透钢铁生产流程的“黑箱”，贯通数据孤岛，破解资源调度困局，实现钢铁生产全流程的智能化和精细化管理，帮助钢铁厂练就更快、更准、更省的“真本事”；另一方面，“AI+钢铁”也将助推行业加速向高端化、智能化、绿色化转型。

元智能体，从实验室走向垂直行业

不止钢铁业，来自上海的AI模型正在不同的制造领域大放异彩。

据杨晶晶介绍，华院计算与中国稀土集团下属公司联合成立合资公司，共同推动稀土新材料的联合研发工作。而在生物化学领域，一个面向多肽药物、小分子化合物和其他药物的智能AI筛选平台也已构建起来，通过集成蛋白质三维结构预测、蛋白质结合位点建模、分子对接计算、分子动力学模拟等一系列算法和应用场景，为生物制药提供高效的技术支撑。

从实际落地情况看，“AI+工业”的应用场景依然会遇到一些挑战，例如：样本数量少，标签分布长尾化、多噪声的数据特征，跨工序知识迁移难度大，连续过程生产实时决策需要兼顾效率与可解释性等。

这些痛点光靠大模型还无法解决。为此，华院计算把研究重点放在“元智能体”上，也就是要让智能体具备自主决策能力，实时感知环境变化并调整策略，实现AI任务模型训练过程的自主任务调度和算法生成。

通过基础算法研究与工程化创新，这家企业目前构建的认知智能引擎平台已具备强大的工程化能力，拥有超过10万个算法模型库，可支持7000亿参数预训练能力，助力AI从实验室走向垂直行业应用落地，为工业场景提供坚实的技术底座。杨晶晶表示，AI技术浪潮正推动制造业大步迈向智能制造，实现范式升级，“我们的目标就是把认知智能引擎平台打造为AI赋能制造的基础设施，推动新型工业化蓝图早日落地开花”。