，鋼鐵行業(yè)正迎來以AI驅動高端化躍遷的歷史性機遇。
中國工程院院士王國棟指出，鋼鐵工業(yè)作為典型的大型復雜流程工業(yè)
，全流程各工序均呈現(xiàn)“黑箱”特性，存在大量不完全信息
、不確定性及動態(tài)環(huán)境下的各類問題
。尤其是材料“黑箱”內(nèi)部的演變過程與最終的目標控制變量，目前尚無法實現(xiàn)在線實時連續(xù)監(jiān)測
，單純依靠數(shù)字時代的大數(shù)據(jù)
、機器學習等統(tǒng)計方法，難以突破現(xiàn)有瓶頸
。
對此
，王國棟提出破解之道，即整合我國鋼鐵材料領域與AI領域專家的優(yōu)勢
，充分利用鋼鐵行業(yè)豐富的大數(shù)據(jù)
、鋼鐵領域專家的理論與經(jīng)驗，以及信息領域先進的生成式人工智能技術
，建立人機混合人工智能體
，為鋼鐵行業(yè)精準賦能。
以煉鐵環(huán)節(jié)為例
，煉鐵過程涉及的物理化學冶金反應極為復雜
，全流程“黑箱”操作，不僅數(shù)據(jù)維度高
、耦合性與非線性強
，還存在明顯的時間滯后性；同時
，煉鐵工業(yè)長期存在的工序孤島式控制問題
，導致單元間界面銜接性差、資源配置困難
、實時分析效率低下
。
東北大學“AI+鋼鐵”大模型便是通過基于鐵前大數(shù)據(jù)的智能配礦系統(tǒng)，不僅能夠有效降低噸鐵能源消耗
，減少碳排放
，還可對渣鐵性能成分實現(xiàn)提前預測，大幅提升爐熱穩(wěn)定率
、爐缸活躍性
。
“AI作為數(shù)字時代的前沿技術，為鋼鐵行業(yè)突破發(fā)展瓶頸
、實現(xiàn)高質量發(fā)展帶來了新的曙光
�
！币苯鸸I(yè)信息標準研究院院長張龍強表示，智能算法能夠精準預測設備故障
，大幅減少停機時間
，提高生產(chǎn)效率。在質量控制領域
，AI圖像識別技術可以對鋼材表面缺陷進行高精度檢測
，確保產(chǎn)品質量符合標準。此外
，在供應鏈管理環(huán)節(jié)
，人工智能還能夠根據(jù)市場需求、原材料價格波動等多因素預測
，優(yōu)化采購與生產(chǎn)計劃
，降低運營成本，提升企業(yè)競爭力
，激活新動能
。
在此背景下，鋼鐵行業(yè)正在加速推動“AI+鋼鐵”相關標準制定工作
。張龍強透露
，在工信部科技司的指導下，我國已開展《人工智能 鋼鐵大模型技術要求》等6項大模型標準的研制
。同時
，聚焦人工智能在鋼鐵行業(yè)的典型應用場景，以需求為牽引
，開展了《人工智能 鋼鐵行業(yè)應用場景分類指南》等10余項標準的研制
。
展望未來，姜維指出
，鋼鐵行業(yè)將繼續(xù)以“AI+智能技術應用”為核心
，全面轉向新一代人工智能技術驅動的生產(chǎn)力重塑，通過政策引導
、標準建設
、標桿推廣推動行業(yè)轉型。重點聚焦產(chǎn)業(yè)鏈智能協(xié)同
