從“千錘百煉”到“算法加持”

“準確率超過94%，90秒內完成缺陷檢測并生成報告”“評測一致率達到100%”，中國鋼研人工智能首席專家張云貴接受本刊記者采訪時，用一組數據介紹“冶金流程感知大模型”應用后的效果。

近期，中國鋼研 “冶金流程感知大模型”、南鋼集團與華為聯合研發的“元冶·鋼鐵大模型”先后發布，引發業內和媒體關注。本刊記者采訪了人工智能業內專家、中國鋼研相關負責人。他們介紹了我國人工智能（AI）賦能鋼鐵行業取得的成效以及解決“工業黑箱”問題取得的進步，同時呼吁促進“數據回流”讓大模型持續迭代升級，持續賦能行業。

效率大幅提升，技術自主可控

“探索建立原材料企業與人工智能企業之間的需求匹配和創新協同機制，加快推進人工智能技術賦能原材料工業?！边@是工信部等九部門聯合印發的《原材料工業數字化轉型工作方案（2024—2026年）》中的要求。

人工智能技術正以顛覆性力量重塑千行百業。鋼鐵行業實現數字賦能全要素升級的成功與否，關系著我國制造業的變革進程。

工信部賽迪研究院電子信息研究所數智技術研究室副主任楊先情接受本刊記者采訪時說，上述大模型推動冶金行業從傳統經驗驅動向“數據+知識”雙輪驅動模式轉型，通過提升產品質量、生產效率、降低能耗，直接服務于提升產業核心競爭力和培育新質生產力的目標。

“‘冶金流程感知大模型’是我國冶金行業首個感知大模型，面向整個行業賦能?！睆堅瀑F說。

在鋼鐵生產流程中，金相分析這一步驟通過分析材料樣本微觀組織結構的顯微圖像，以及材料各種性能，判定是否達到加工目標。此前的金相分析技術不能自動完成復雜微觀組織的分析與評級，必須有金相分析工程師參與，而培養一個合格金相分析工程師需要3年左右的時間。

“冶金流程感知大模型”能完成類似金相分析工程師的視覺任務，在金相識別方面，“精度已經超過了人工，與檢測工程師評測一致率達到100%，效率提升約90%?！睆堅瀑F說。

中國鋼研推出的“質檢數字工人”，能精準檢測熱軋產品表面缺陷、自動評級表面質量，智能生成缺陷分析報告?！皩︿撹F生產過程中表面質量的評價準確率超過94%，單個鋼卷從判定表面質量、檢測缺陷到生成報告，90秒即可完成，效率大幅提升?！?張云貴說。

“模型訓練和推理的軟硬件全面國產，技術自主可控。”張云貴說，他們是鋼鐵行業的技術輸送者，服務鋼鐵企業。

據悉，“元冶·鋼鐵大模型”打通了料鐵、鐵鋼、鋼軋及客戶四大業務界面，構建20個AI應用場景試點，實現全流程、全產業鏈數據貫通與智能升級。

“我們積累的大量數據為專業大模型提供支撐，冶金行業需要人工智能?！睏钕惹檎f。

冶金中的工藝控制、能源管理、質量控制、設備維護等大量亟待優化的關鍵節點，為人工智能技術提供了豐富的價值轉化空間?！靶袠I龍頭率先開展系統性探索，取得了積極成效，能引領和深化全行業的規?；瘧谩！睏钕惹檎f。

實現“數據回流”，讓大模型持續迭代升級

工信部原副部長王江平發表在《中國經濟周刊》的文章曾指出，人工智能解決制造業企業的難題，首先可以奔著工業黑箱去做，實現參數精細及時調整。

工業黑箱指的是一個設備或系統的內部工作原理非常復雜（像鎖在黑盒子里一樣），外人看不懂。但使用者只需要知道怎么給它輸入指令（比如按按鈕），它就能輸出你需要的結果（比如生產出產品），不用管里面具體是怎么運作的。?這類工業黑箱運行參數如果波動大，會導致過程調優困難、設備維護與診斷不及時、安全與可靠性風險高等問題。

中國鋼研大模型探索解決工業黑箱難題。張云貴介紹，在金相分析中，感知大模型利用大量樣本學到的特征，可以“猜”出被遮擋的晶粒的幾何形貌，他們還依托大模型預測鋼鐵鑄坯凝固過程的變化。

在采訪中，張云貴多次提到了數據集。低質量的數據集很難訓練出精度高的模型。

一位行業內專家介紹，大模型交付給企業后，很多企業要求數據不出工廠，難以讓“數據回流”到開發者或大模型中，大模型持續迭代升級就失去了數據支撐。

楊先情認為，目前存在的數據孤島現象，導致跨系統、跨環節的數據難以有效整合與共享。此外，部分生產環節的數據采集質量與標準化程度不足，制約了模型訓練的有效性和泛化能力。

“我們肯定冶金行業大模型取得的成績，也要解決兩個堵點?！眹夜I信息安全發展研究中心人工智能所副所長李衛說，一是冶金行業的合成數據集構建。當前行業高質量數據集獲取困難，已有數據集即將消耗殆盡，而合成數據能夠模擬真實數據，可為大模型補充訓練數據，進一步提高模型性能。二是冶金行業對于安全生產要求高，而人工智能大模型具有幻覺、偏見、輸出不穩定等風險，在應用過程中要加以限制，避免安全生產事故。

責編：楊琳 yanglin@ceweekly.cn

美編：孫珍蘭