人民网北京8月26日电 （记者杜燕飞）“钢铁产业是我国重要基础产业，是新一代人工智能（AI）深度赋能的实践场景。”中国工程院院士王国栋日前在“AI+钢铁”技术发布会期间接受人民网记者专访时表示，要利用钢铁行业丰富的大数据、专家的理论与经验，以及生成式人工智能（AIGC）技术，实施“数据密集、智能涌现、人机协同”的三元认知方法论，建立人机混合人工智能体，人机协同，跨界融合，共创分享，向钢铁行业赋能。
中国工程院院士王国栋。人民网记者 杜燕飞摄
在王国栋看来，钢铁工业为大型复杂流程工业，全流程各工序均为“黑箱”，存在大量的不完全信息、不确定性、动态环境下的问题，材料内部大量数据无法实时、连续、在线获取。
“这种人机混合智能方法，将建立钢铁流程各单元全局性、系列化、通用化智能预测体系，实现材料系统内部数据实时、连续、在线、精准预测（即数字孪生建模），推动钢铁行业升级换代，转型发展。”他说。
“产学研用”协同创新拓展AI应用场景
当前，AI已在我国钢铁行业多个领域得到了应用，取得了明显成效。例如，在铁前系统方面，宝钢梅钢作为主体，产学研共同开发的“智慧高炉系统”融合了大数据、AI与冶炼机理，实现了透气性、热负荷、煤气利用率、焦比等高炉关键指标提前1至3小时预测与反馈，在线运行准确率大于85%。
“目前，AI在推进过程中面临数据质量多源异构、模型泛化能力不足及复合型人才短缺等挑战。”王国栋认为，要通过开发专业ETL工具链、建立‘通用模型+个性数据’的迁移学习方案，以及加强校企联合培养等方式积极应对；要重点构建全流程数字孪生平台，完善“机理+数据+AI”混合智能技术体系，推进相关标准化技术体系建设。
钢铁企业引入AI后，如何建立数据共享和模型迭代机制，保障AI高效应用？“关键在于构建‘产学研用’协同创新生态。”王国栋说，要夯实数字底座，强化应用牵引，加强技术服务，营造良好生态。
他说，要支持企业建设新型一体化信息基础设施，扩大工业感知网络覆盖，提升数据采集能力；聚焦混合式AI等关键技术，加大研发投入，增强自主创新能力。同时，利用行业丰富的数据资源和应用场景，推动智改数转和示范线建设；建立科学评价标准，从质量、效率、成本等多维度评测应用效果，推动AI技术深度赋能。
“钢铁行业要通过产学研深度融合，联合攻关，提供系统解决方案；培育既懂钢铁生产又熟悉AI技术的复合型人才，促进企业间经验分享与技术合作。”王国栋表示，要开展针对性数字人才培训，提升员工数字素养；研制推广技术、数据治理及软件标准，构建开源生态鼓励成果共享；深化工业互联网安全管理，保障数据与生产安全。
AI推动全流程绿色化重构
目前，“AI+钢铁”已在多环节促进钢铁行业绿色发展。王国栋举例说，铁前系统全面应用炼铁大数据与人工智能，面向“料场、烧结、球团、高炉、能源”等关键环节，建立实时监测与智能感知系统，开发高炉关键参数预测和多目标优化模型，实现全过程精细化调控，实现节能降碳、降本增效与稳定运营。河钢推出的WesCarber碳中和数字化平台，以“能碳+AI”为核心，涵盖碳管理、碳足迹、碳链管理等八大子平台，实现全产业链碳流可视化。
“AI在‘双碳’中的作用不止于此，其核心更在于通过打通生产各环节的数据流，使单点改良跃升为跨工序、跨尺度的系统协同，推动全流程绿色化重构。”王国栋认为，通过算法动态优化能源调度，AI可以实时监测分析能源的使用，提高能源利用效率；构建碳排放模型，精准预测碳排放情况，帮助制定减排策略；基于大量生产数据，AI可以挖掘工艺潜在改进点，助力工艺装备产品服务一体化开发，实现钢铁行业高端化、智能化、绿色化转型。
王国栋表示，下一步，钢铁行业应加快工业互联网、大数据、AI等技术融合，搭建能、环、碳全流程一体化管控平台，实现从末端治理向源头和全过程人机协同、自主无人控制延伸，协同推进降碳、减污、扩绿、增长；建立完善的钢铁行业数据标准和数据库，为数字化和绿色化协同发展提供数据支持。
