AI有用｜“AI高炉”，如何让钢铁生产低碳、高效？

人民网记者 马作鹏

编者按：

上海，是全国人工智能发展的高地。上海提出深入实施“人工智能+”行动，加强算力设施、行业语料、垂类模型等布局建设，推动新一代智能终端、智能体等广泛运用。

如何应用人工智能，AI如何赋能企业，赋能治理，赋能技术，赋能生活，应用场景日益成为推动人工智能发展的关键。

人民网上海频道推出“AI有用”系列应用场景报道，展示、科普、汇集各类AI应用场景，推动AI应用生根落地，开花结果。人工智能，不仅“好玩”，更要“有用”!

作为钢铁生产核心工序，高炉占生产总成本的70%左右，其长期稳定运行直接关系企业盈利状况。

高炉占钢铁生产总成本的70%左右，占生产过程中60%以上的碳排放。炉内温度每减少10摄氏度的波动，每吨铁水就能少消耗1千克焦炭，成本可降低3元。这意味着，一旦能够精准控制炉温，将为钢铁企业带来巨大的经济效益和环保效益。

使用AI“大脑”的宝钢股份宝山基地2号高炉。受访单位供图

2026年4月3日，随着宝钢股份宝山基地炼铁控制中心内，全球首座AI智慧高炉正式出铁。这是近年来宝钢股份引入AI技术构建大模型，逐步解决精准预测炉温的难题，为钢铁行业智能化转型提供了“经验变数据、模糊变精准”的实践方案。

技术进步背后的思考

在宝钢股份宝山基地控制中心的大屏幕上，远处2号高炉出铁口，炽热铁水翻涌、铁花四溅。

这一寻常工业场景的背后，却隐藏着一场触及生产核心的产业革命。从古代手工冶铁，到近代机械化高炉，再到如今AI智能掌炉，炼铁技术的每一次跨越，都标注着工业文明的进步。

据介绍，长期以来，高炉生产高度依赖经验判断。在传统生产模式下，老师傅们需要透过一个直径仅有2厘米的滤镜，查看炉内的火焰颜色和煤流状态去综合判断温度。正如一位老工人所说，老师傅们需要凭经验观察风口和铁水状态，以此来判断炉温，就像老中医“望闻问切”。

这种高度依赖人工经验的模式还有诸多痛点：炉内状态看不清、操作反馈跟不上、连锁反应控不住、经验传承传不下。高炉内部参数超过2万个且相互关联，如同蛛网；一个操作指令的反馈需要若干小时的滞后时间；数据粒度不一，时空特征复杂。

以往，高炉生产高度依赖经验判断。受访单位供图

随着这座“会思考”的2号高炉投入运行，它把“老师傅”几十年练就的“手感”与大数据、云计算深度融合，不仅让原本难以窥探的炉内“黑箱”变得透明，还能预测未来2小时的炉温趋势，并自动给出调整指令，实现高炉运行的智能化控制。

中国宝武宝钢股份总经理刘宝军介绍，“炉内反应温度可达2300多摄氏度，几乎没有检测设备可以伸进去观察内部发生了什么。但通过大模型，工程师们把十余年来，企业通过积累原料、烧结、炼焦、高炉等多个工序的大量数据，深度治理后，在不同产品、工序上予以模型辅助，由易而难、循序渐进，最终形成高炉模型。”

AI赋能生产方式创新

数据显示，项目核心模型预测命中率与控制采纳率均超过90%，炉热控制精度与铁水质量稳定性显著提高，燃料消耗持续下降，单座高炉实现降本增效与低碳减排双重目标。

宝钢股份炼铁厂厂长张代华介绍，目前，该模型对2小时后铁水温度和硅素的预测命中率均超过90%，已实现全自动闭环控制。模型投用后炉况稳定顺行，炉温稳定，高炉燃料比下降2公斤/吨铁水，碳排放减少约5公斤/吨铁水，单座高炉年降本超千万元。

简而言之，智慧高炉的核心突破在于，实现了从“经验驱动”到“数据驱动”、从“被动应对”到“主动预测”的转变。

钢铁生产，有了智能监测平台精准预测。受访单位供图

高炉大模型以华为盘古大模型为基础，涉及2万个数据颗粒度不一的高炉参数，研发团队将图片、声音、事件等不同结构数据“翻译”成模型能理解的语言，构建起任意两个数据之间的关系。

该模型每10分钟可进行一次预测，从“被动响应”向“主动预测与调控”转变，就像给钢铁制造装上了一套“自动驾驶系统”，实时感知路况、预判风险、自动调整方向盘和油门。此外，它还会“学习”，每次运行的数据都会回传训练，变得越来越“聪明”。

不仅是高炉，宝钢股份母公司中国宝武集团正规划建设钢铁大模型能力图谱，将预测大模型、视觉大模型、科学计算大模型等AI能力，延伸到钢铁生产中的原料、炼铁、炼钢、轧钢、新材料研发等流程，覆盖连铸质量根因分析、热轧板型预测、钢材表面质检等上百个应用场景。

截至目前，宝钢股份已持续上线近300个AI应用场景，打造了5个AI标杆产线，不断深化冶金机理、专家经验与大模型技术的结合，形成钢铁智能化应用建设的有效实践。