文章核心观点 - AI作为数字时代的前沿技术，为钢铁行业突破发展瓶颈、实现高质量发展带来新曙光，开展“AI+钢铁”行动势在必行 [3] - 国内产学研融合推进“AI+钢铁”已取得显著成效，东北大学等机构通过人机混合智能系统等技术解决了行业重大控制难题 [4][6] - 已形成包含六个关键技术环节的“AI+钢铁”标准化通用技术体系，并建议分三个阶段稳步推进，目标是走出一条低成本、高效率、易推广的AI+钢铁中国式现代化发展道路 [7][9][10][11] AI+钢铁技术发展回顾 - 国际方面，部分发达国家在钢铁生产数智化、智能化方面的实质性进展尚不明显，实现全流程智能化仍面临巨大挑战 [4] - 国内探索可追溯至上世纪70年代，东北大学与梅钢等企业合作，采用贝叶斯神经网络进行组织性能预测，推动热轧钢材的大规模定制化生产 [4] - 自2019年，东北大学钢铁共性技术协同创新中心推进钢铁流程各单元人的智能与AI的协同融合，建立的热轧组织性能预测模型可在线、连续、实时工作，并完全智能地、高保真度地预测材料组织演变规律 [6] - 储满生教授团队与梅钢合作研发的智慧高炉系统，融合大数据、人工智能与冶炼机理，解决了高炉炼铁中的数据治理、工况感知、趋势预测等关键技术问题，取得了巨大经济效益 [6] AI+钢铁标准化技术体系 - 数据采集与治理是整个体系的基础，数据的准确性、完整性、保真度和ETL治理是科学利用数据最基本的前提 [7] - 模型系统构建采用AIGC与人类智能相结合的方式，开发了包含数字孪生模型、无监督机器学习模型以及语言解释大模型三个层次的数据驱动工控型模型系统 [7] - 算力资源配置需考虑钢铁工业控制的实时性要求，实践表明常规算力配置通常就能满足对时延和保真度的极高要求 [7] - 算法选择上采用端到端算法，利用IT技术直接建立输入变量与输出变量之间的预测模型，方法简单高效、易于维护 [9] - 系统架构设计采用“1网3平台—4功能”的数字底座方案，以5G工业互联网为基础，构建端、边、云三层架构，采用扁平化双层IT架构来实现机器学习和构建信息物理系统 [9] - 工业软件开发需特别关注对原有系统的改造升级，专门开发边缘端到端过程控制和数据治理软件以满足行业特定的智能化改造需求 [9] 中国特色的AI+钢铁发展路径与建议 - 推进“AI+钢铁”应立足中国国情，以钢铁产品生产线为主线，聚焦全流程边缘黑箱问题，采用“一网—三平台—四功能”的双层扁平化基本架构作为数字底座 [9] - 充分利用钢铁行业工业时代最先进的计算机硬件系统和运行环境，实现数据驱动、软件定义等信息技术改造，走低成本、高效率、易推广的发展道路 [10] - AI+钢铁标准化通用技术体系不仅适用于钢铁行业，还可推广应用于有色、化工、建材等各类材料工业的过程控制 [10] - 技术研发层面建议重点布局三个方向：深化大数据与机器学习的融合应用、推进人机混合智能系统开发、探索多智能体协同优化技术 [10] - 具体实施分三个阶段：2025-2026年聚焦示范引领，建设10条以上全流程示范生产线；2027-2030年规模推广，完成30条以上智能生产线建设；2031-2035年实现全行业普及，基本完成全面转型升级 [11]