本报记者 樊三彩
自1996年以来，宝山钢铁股份有限公司（下称“宝钢股份”）数智化发展历程大致经历了3个阶段。第一阶段，信息化建设。1996年，宝钢股份启动“9672”工程，建设了一体化产销管理系统；2001年—2004年，宝钢股份实施企业系统创新工程，全力构建一个对外充分适应、快速响应，对内高效沟通、快速决策的企业经营运作系统。第二阶段，数字化建设。2015年，宝钢股份提出智慧制造，开始数字化进程，现在称之为智慧制造1.0阶段，通过自动化、数字化提升劳动效率、业务运营效率。
“目前，宝钢股份已经进入到第3个阶段——智能化阶段，也就是智慧制造2.0阶段，核心标志是AI（人工智能）。我们期待能够将人工智能等先进技术与钢铁进行更深层次的融合。”宝钢股份智能化负责人指出。
在全球工业4.0浪潮推动下，宝钢股份正以人工智能技术为核心驱动力，加速传统钢铁制造向智能化跃迁。作为粗钢产量全球上市钢企第二、汽车板与硅钢产量双料全球第一的行业巨头，宝钢股份通过“AI+”战略打造“绿色智能、极致高效”的未来钢铁制造新模式，其探索实践为长流程重工业转型提供了示范样本。
“AI元年”战略落地：
2025年将推动300余个AI场景
在全业务链落地
2024年，宝钢股份将其定位为“AI元年”，全面启动以“三千”（千卡算力、千模能力、千人战队）能力建设为核心的数智化转型战略，清晰勾勒出企业在AI时代的转型蓝图。
宝钢股份举行AI转型战略发布会
在算力基建领域，宝钢股份与华为公司、科大讯飞等头部科技企业合作，累计投入超2亿元，建成国内钢铁行业规模最大、技术最先进的国产化算力中心。“我们打造的不仅是算力中心，还是钢铁行业的智能大脑。”宝钢股份相关负责人表示，其建成标志着钢铁制造从“经验驱动”向“数据驱动”的根本性转变。
在应用场景拓展上，2024年宝钢股份成功上线125个AI应用场景，覆盖生产、质检、物流、管理等环节。数据资产化率提升至近70%，企业核心运营数据基本实现结构化管理，为AI模型训练提供丰富“养料”。同时，400余名数智工程师通过认证，成为钢铁制造与AI技术融合的“翻译官”。
面对近8000万吨年产销规模的协同管理挑战，宝钢股份明确2025年算力与场景拓展目标：计划进一步扩大算力中心规模，建设10余个专业语料库，开发100多个工业智能体，并推动300个以上AI应用场景在全业务链落地。通过AI技术深度介入决策流程优化，强化跨部门、跨专业实时协同能力，着力实现“管理架构扁平化、决策响应高效化、市场需求敏捷化”的现代化管理升级。
大模型首战炼铁核心环节：
预测命中率与控制采纳率双超90%
2024年8月，“高炉大模型”在宝钢股份宝山基地4号高炉正式投运，标志着大模型技术在钢铁长流程核心工艺环节的首次落地应用，也意味着人工智能大模型技术首次用于解析高炉这一复杂黑箱工艺，推动智能算法在钢铁制造最复杂耦合场景中的实用化突破。
这一具有里程碑意义的落地实践，背后曾面临一系列技术挑战：高炉内涉及气—固—液多相流转化、高温高压反应及数万动态参数交互，传统经验模型难以适应工况变化，大模型技术能否实现高精度预测？实时调控是否能够弥补炼铁工艺的滞后性？预测输出能否真正指导操作、提升质量、降低能耗？
为破解这些行业难题，宝钢股份依托大模型技术底座与宝钢深厚的冶金诀窍（know-how），创新构建“预测+控制”双轮驱动架构，打通数据感知、智能决策、闭环控制的关键路径。
项目落地以来，该高炉大模型系统已在宝山基地4号高炉稳定运行10个月，展现出卓越的实际效果：在工艺优化方面，模型实现预测命中率与控制采纳率均超过90%，炉热控制精度显著提升，铁水温度和硫磺合格率稳定维持在90%以上；在能耗与减碳方面，高炉运行更顺畅，实现了铁水温度、硅含量、燃料比等多项指标的改善，每吨铁水可节约燃料2千克。
据统计，全国现有高炉约900座，其中中大型高炉超500座。宝钢股份自身运营22座高炉，母公司中国宝武集团共计53座。此次高炉大模型系统的成功实践，为整个钢铁行业的智能化升级提供了具象范本，具备在行业范围内广泛复制推广的现实基础。
大模型赋能云表检：
高附加值钢材重点缺陷
识别准确率高达96%
表面质量是超高强汽车板、高牌号取向硅钢等高附加值钢铁产品的生命线，也是其进军高端市场的主要制约因素。在面对钢材表面复杂、细微、易混淆的缺陷（如微小划痕、麻点、氧化铁皮等）时，传统小模型力不从心。其准确性不足导致依赖人工二次复检，漏检率高难以满足严苛的工业级稳定性要求，且质检数据质量差，无法有效支撑后续的分析与工艺改进。
在高速、高精度的生产过程中，细小缺陷的精准识别与分类成为行业亟待攻克的难题，亟须突破高精度表面质检技术，构建从检测、分类、判级到反馈优化的质量管控闭环，为产品高端化升级提供核心保障。
为破解高附加值钢材表面质检难题，宝钢股份创新打造了AI云表检系统。该系统基于大模型技术，在云端训练具备通用缺陷识别能力的领域模型，并通过针对性精调突破特定复杂缺陷的准确性瓶颈。该系统将精准的表检结果数据实时反馈至全流程质量管控平台，与生产工艺参数、下游服役数据关联分析，精准定位缺陷根源，驱动生产工艺持续优化，形成“检测—分析—改进”的智能闭环。
云表检系统稳定运行后，重点缺陷识别准确率高达96%，缺陷漏检率降低35%，显著降低缺陷流入下道工序的比率，有效避免了由此引发的停机、切换损失，保障生产顺行。人工二次检判率大幅下降，现场质检劳动强度降低50%，释放出宝贵的人力资源。该系统具备强大的跨产线、跨基地复制能力，已覆盖该公司内主要热轧线，并展现出向冷轧、硅钢等产线拓展的巨大潜力。
冷轧“AI主操”：
退火工艺符合率提升约22%
连续退火工序作为冷轧生产的核心环节，其工艺复杂度直接影响产品质量与生产效率。宝钢冷轧1730产线连续退火机组自投产以来，承担着超150种钢种、6倍厚度跨度、2倍宽度跨度以及50余种退火曲线的复杂生产任务。传统操作模式下，退火炉控制严重依赖人工经验，当工艺变化或异常跑偏发生时，需要操作人员对温度、速度、张力等关键参数进行实时调整。这种依赖经验的操作模式不仅让员工负荷大，且易因人为疏忽导致生产事故或产品质量缺陷。
宝钢股份“黑灯工厂”
为破解这一行业共性难题，宝钢股份以C512机组为试点，深度整合1000余条产线实时数据，创造性开发可联动调控速度、温度、张力的智能化模型组，对海量历史数据进行特征提取与择优学习。通过应用神经网络、机器学习等先进算法，该系统可精准筛选最优控制模型，并基于目标参数动态生成每卷钢的控制设定值及下发时序，最终实现退火炉全流程自主智能控制。
该系统核心技术架构包含四大智能控制模块：温度—速度智控模块通过AI模型实现速度与温度的智能联动控制，替代人工设定，根据生产计划动态调整，确保温度控制精度；张力智控模块以模型输出替代人工操作，结合关键生产参数实时调整张力设定，有效减少跑偏等异常问题；纠偏智控模块融合视觉AI技术，实现跑偏的智能识别与自动纠正；平整智能控制模型组通过机器学习算法实现工艺参数的智能预设定与自学习，确保轧制力和张力的精准控制。四大模块协同作业，形成从温度、速度到张力、纠偏的全流程智能控制闭环。
该系统投运后取得显著成效，模型投入率已超过90%，退火工艺符合率提升约22%，炉内带钢跑偏频率较原先降低约42%，单次跑偏持续时长缩短约17%，机组生产效率平均提高4%以上。该系统的成功应用为钢铁行业冷轧工序智能化升级提供了可复制的技术范本，目前已开展同类产线的推广复制，推动行业从传统制造向智能制造发展。
宝钢智慧营销项目落地：
营销工作效率平均提升20%
在营销这一企业发展的关键战场，宝钢股份同样展现出了卓越的前瞻性与行动力。宝钢股份营销中心深度探索AI技术与营销“五横八纵”核心业务的融合，成功实施了“数智营销”AI项目，首批实现11个试点场景的落地应用，为宝钢股份智慧营销注入强劲动力。
宝钢股份营销中心大楼
宝钢营销通过积累海量行业信息和营销专业知识，搭建了营销领域知识库，并依托NLP大语言模型强大底座能力及智能体平台，成功打造智能员工助理。智能员工助理作为营销人员的助手，集成了市场情报、智能报价、智能订货、智能数据查询等多项场景能力，实现营销市场情报的及时捕获及日常事务处理显著提速。
在订单交付、两金库存、价格等关键应用场景，宝钢营销构建了精准的预测模型。该模型综合订单、物流、生产、库存、市场价格、政策等公司内外部多来源数据，深入剖析影响因素，并可结合生产进度实时更新订单交付时间、月末两金库存，为营销决策提供了科学、精准的依据，助力企业在复杂多变的市场环境中运筹帷幄。
智慧营销AI项目自上线以来，营销工作效率平均提升20%。值得一提的是，当前已落地的11个应用场景在行业内具有较高的普适性和扩展性，为后续的横向推广和纵向深入积累了宝贵的实践经验。
据悉，宝钢股份营销体系全面推广策略已提上日程。随着这一项目的逐步推广实施，智慧营销有望在更广泛的范围内落地生根，为宝钢股份实现高质量发展提供有力支撑，引领行业迈向更加智能、高效的未来。
作为长流程重工业代表，宝钢股份通过自主创新与数智化转型，不仅重塑了企业自身的竞争力，还为中国制造业高质量发展提供“钢铁样本”。在建设世界一流企业征程中，宝钢股份正以AI重新定义钢铁，为中国式现代化建设贡献更强钢铁力量。（本文照片均由刘继鸣摄）
【编·语】
让AI在高价值场景“绽放”
自2024年国资委部署央企“AI+”专项行动以来，钢铁行业第一大央企中国宝武率先拥抱这场“AI+”浪潮。这两年，国资委在谈到“人工智能”时多次强调“高价值场景”，还在今年2月正式启动战略性高价值场景建设专项工作。
诚然，人工智能技术的价值，最终需通过场景落地转化为现实生产力，特别是那些高价值场景的落地应用。正致力于从“钢铁+AI”转向“AI+钢铁”的中国宝武，通过深入挖掘高炉大模型等高价值应用场景，实现以AI技术重新定义钢铁的目标。这一做法，使AI逐步超越技术工具层面的应用，驱动钢铁制造从“流程优化”向“范式重构”进化，为中国钢铁工业提供了“AI+”的可行性路径。 （樊三彩）
《中国冶金报》（2025年06月10日 04版四版）
