一笔年省超1亿元的账,记在了一条钢厂的产线上
10月26日,南京钢铁(NISCO)发布公告,披露其与华为及生态伙伴合作部署的“元冶”钢铁大模型在多个生产场景实现规模化商用。
公司给出的核心数字是:年成本降低超过1亿元(约1500万美元),关键设备100%互联并实现数字控制,新产品研发周期缩短50%。
“右脑”与“左脑”:一套为钢铁工业设计的双驱架构
“元冶”钢铁大模型于2025年6月推出,其核心设计针对的是工业AI的一个根本难题:模型不能只从数据里找规律,它的建议还必须服从冶金机理和物理约束。钢铁生产中,温度、压力、化学成分和设备状态的微小变化会沿着相互关联的工序传导,一个“统计上合理”的预测如果违背了炉况的基本规律,在产线上是不可执行的。
元冶的应对方式是把两类模型并置:一个“右脑”负责概率计算,处理数据中的不确定性和模式识别;一个“左脑”负责基于冶金机理模型的精确决策,确保输出落在物理上可行的范围内。
该系统底层由华为的昇腾、鲲鹏计算平台、华为云Stack和盘古模型提供支撑,系统汇聚了26个业务域的运营技术数据,并在智能运营中心中构建数字孪生,使整个炼钢流程从“可见”走向“可精确控制和智能评估”。
四个环节的具体变化:从预测高炉温度到压缩检测时间
元冶的落地效果分布在四个核心环节,每个环节对应一组可对照的产线数据。
炼铁环节,AI模型将高炉内部传感器数据与冶金工况结合,把温度变化的预测窗口提前到两小时,预测准确率超过90%。操作人员因此获得了在异常升级之前调整炉况的时间余量,优质铁水收得率提升了10%以上。
轧钢环节,轧制力预测的命中率从88%提升至98%,成品成材率提高0.5%,厚度偏差收敛至1.9%。这一组改善支撑了年产250万吨以上钢板产线的稳定运行。
质量检测环节的变化最为直观。自动化金相检测系统结合机器人和AI图像分析,将单样品检测时间从10分钟压缩到3至5分钟,准确率提升至95%以上。
在硫控环节,名为S-Link的智能体整合了602个工艺参数,将排放超标停机时间减少25%以上,天然气掺烧消耗降低近50%,该单项带来的年化效益超过60万元。
规模:300个模型、25个业务智能体,以及1000多个一线员工自己搭建的应用
元冶的部署体量不止于少数几个示范场景。截至2026年10月,南京钢铁已上线超过300个AI模型和25个业务智能体,覆盖炼铁、炼钢、轧钢、质量检测、生产调度和能源管理。
更具扩展意义的是,一线员工通过低代码工具开发了1000多个轻量级应用和智能体,这意味着AI能力从集中化的算法团队扩散到了产线现场,由最了解工序的人直接参与工具构建。
生产调度侧,AI智能体正在协调每月约500个钢种和3000个订单的排程,综合考虑设备可用性、库存、生产要求和交付期限,在5分钟内生成各工序的计划。
这套系统同时承担着另一项容易被忽略的功能:将资深钢铁工人的操作经验转化为可复用的模型和决策规则,使不同班次和产线之间的实践趋于一致。人工监督仍在流程之中——操作人员评估建议、处理异常工况并做出关键操作决策,AI负责持续监控、预测和重复性计算。
(素材来自:南京钢铁集团/华为 智算芯能前沿网综合)
本文由智算芯能前沿网编辑整理,转载请注明出处。
