我國鋼鐵工業(yè)是國民經(jīng)濟的重要基礎(chǔ)產(chǎn)業(yè)，是國家經(jīng)濟建設(shè)的中流砥柱，是建設(shè)現(xiàn)代化強國的重要支撐。鋼鐵工業(yè)歷經(jīng)起步時期、加速時期、高速時期和全面發(fā)展時期，目前進入周期性調(diào)整階段，呈現(xiàn)“三高三低”的復(fù)雜局面，表現(xiàn)為高產(chǎn)出、高成本與高排放并存，同時遭遇低需求、低價格和低效率的挑戰(zhàn)，面臨著階段性供需矛盾加大、行業(yè)利潤下降等困難。傳統(tǒng)的生產(chǎn)管理和調(diào)度方法已難以滿足當(dāng)前高效、低碳生產(chǎn)的需求，為鋼鐵行業(yè)的智能化轉(zhuǎn)型帶來了新的機遇和挑戰(zhàn)。鋼鐵流程行業(yè)亟需通過提高生產(chǎn)質(zhì)量、降低生產(chǎn)成本、提升生產(chǎn)效率，來應(yīng)對復(fù)雜的生產(chǎn)與管理挑戰(zhàn)。

鋼鐵行業(yè)正處于產(chǎn)業(yè)轉(zhuǎn)型的關(guān)鍵階段，以大模型為代表的新一代人工智能（AI）技術(shù)已成為推動產(chǎn)業(yè)變革和行業(yè)轉(zhuǎn)型的核心動力。面對科技的飛速進步，我國制定了差異化的發(fā)展戰(zhàn)略，著重發(fā)展行業(yè)垂直領(lǐng)域的工業(yè)大模型，以實現(xiàn)精準(zhǔn)賦能，提升行業(yè)競爭力。由于工業(yè)領(lǐng)域場景具有專業(yè)化、多元化、碎片化的明顯特征，依靠單一的基礎(chǔ)大模型并不能很好適應(yīng)各類工業(yè)領(lǐng)域需求，因此需要打造鋼鐵行業(yè)大模型及平臺，深入理解并精準(zhǔn)服務(wù)于行業(yè)獨特需求。

人工智能技術(shù)在鋼鐵領(lǐng)域的應(yīng)用面臨諸多挑戰(zhàn)，難以充分滿足行業(yè)的復(fù)雜需求，主要體現(xiàn)以下三個方面：

一是缺乏賦能鋼鐵行業(yè)的體系化方法。目前業(yè)內(nèi)對于人工智能技術(shù)的應(yīng)用都還是零星點狀的，在以人工智能的全局視角策劃鋼鐵行業(yè)轉(zhuǎn)型升級路徑方面缺少體系化的方法和模式，亟需探索如何加強人工智能與鋼鐵行業(yè)的深度融合，以人工智能技術(shù)重構(gòu)業(yè)務(wù)內(nèi)涵，實現(xiàn)全新業(yè)務(wù)形態(tài)與模式，推動鋼鐵行業(yè)的整體轉(zhuǎn)型和升級。

二是高質(zhì)量工業(yè)領(lǐng)域語料庫匱乏。工業(yè)數(shù)據(jù)規(guī)模量大，但普遍質(zhì)量水平較低，大規(guī)模多源異構(gòu)數(shù)據(jù)融合問題以及數(shù)據(jù)孤島問題仍難以克服，無法滿足行業(yè)大模型訓(xùn)練要求。工業(yè)數(shù)據(jù)產(chǎn)業(yè)服務(wù)生態(tài)的建設(shè)不完善，工業(yè)知識、工業(yè)數(shù)據(jù)的語料化缺少專業(yè)的方法論和技術(shù)工具，工業(yè)數(shù)據(jù)確權(quán)、治理、標(biāo)注、合成、質(zhì)量評估、隱私保護等相關(guān)標(biāo)準(zhǔn)不足。數(shù)據(jù)專業(yè)人才緊缺，特別是具備行業(yè)不同業(yè)務(wù)領(lǐng)域?qū)I(yè)知識的語料標(biāo)注人員欠缺。

三是解決方案工程化能力薄弱。人工智能大模型工業(yè)化應(yīng)用需要解決適用性、工程化、規(guī)模化的問題，需解決與現(xiàn)有系統(tǒng)統(tǒng)籌考慮整體架構(gòu)與功能設(shè)計，解決系統(tǒng)、數(shù)據(jù)、功能集成，以及訓(xùn)練、推理一體化問題，解決規(guī)模化應(yīng)用推廣等問題。

綜上所述，為了鋼鐵行業(yè)的應(yīng)用和發(fā)展需求，將大模型真正融入鋼鐵行業(yè)流程中，亟需研究行業(yè)大模型建設(shè)模式，研發(fā)適用于鋼鐵行業(yè)的大模型及平臺。本文基于中國寶武的數(shù)智化轉(zhuǎn)型實踐，從一體化解決方案的角度，提出了鋼鐵行業(yè)大模型平臺構(gòu)建的總體架構(gòu)，并研究了鋼鐵行業(yè)大模型平臺建設(shè)所需的十大關(guān)鍵技術(shù)以及在生產(chǎn)制造和經(jīng)營管理的典型應(yīng)用場景，最后對鋼鐵行業(yè)大模型的發(fā)展進行了展望。

1 總體架構(gòu)和建設(shè)思路

鋼鐵行業(yè)大模型，專門針對鋼鐵行業(yè)特點和需求，融合了機器學(xué)習(xí)、深度學(xué)習(xí)等先進人工智能算法，旨在處理鋼鐵行業(yè)中的復(fù)雜任務(wù)和海量數(shù)據(jù)，為鋼鐵生產(chǎn)、管理、決策等環(huán)節(jié)提供智能化支持。通過將大模型服務(wù)融入現(xiàn)有的工業(yè)互聯(lián)網(wǎng)平臺，構(gòu)建鋼鐵行業(yè)大模型平臺，實現(xiàn)從單點應(yīng)用、局部優(yōu)化到業(yè)務(wù)貫通和協(xié)同發(fā)展的智能化升級，打造高效率、低成本、綠色化的工業(yè)智能解決方案，可以在更廣泛的工業(yè)場景發(fā)揮作用，提升人工智能應(yīng)用的普及率，極大促進智能化升級進程。

1.1 總體架構(gòu)

鋼鐵行業(yè)大模型平臺，基于通用模型（包括語言、視覺等）及專用模型（包括預(yù)測、決策等），融合鋼鐵知識庫、語料庫、樣本庫，互聯(lián)企業(yè)各類應(yīng)用系統(tǒng)，匯聚工業(yè)大數(shù)據(jù)，形成算力、數(shù)據(jù)、算法一體化管理以及中心訓(xùn)練、邊緣推理、場景應(yīng)用一站式閉環(huán)的綜合性人工智能平臺。鋼鐵行業(yè)大模型平臺整體架構(gòu)如圖 1 所示。

圖 1 鋼鐵行業(yè)大模型平臺整體架構(gòu)

其中，數(shù)智基座實現(xiàn)了“五個統(tǒng)一”，即統(tǒng)一算力資源、統(tǒng)一數(shù)據(jù)治理、統(tǒng)一模型管理、統(tǒng)一模型評價、統(tǒng)一發(fā)布部署，對算力、數(shù)據(jù)和模型進行高效整合與管理。在算力方面，建立起兼容異構(gòu)算力資源的管理和調(diào)度體系，能夠充分調(diào)動不同類型的計算資源，滿足大模型訓(xùn)練和推理的多樣化需求，為模型的高效運行提供了有力的支撐。

在模型層面，形成“M0 基礎(chǔ)模型 - M1 垂類模型 - M2 領(lǐng)域模型”的分層架構(gòu)體系。

基礎(chǔ)模型層（M0）：該層集成社會成熟基模，整合自然語言處理、視覺識別等通用 AI 技術(shù)，為整個模型體系提供基礎(chǔ)能力。通過對海量通用數(shù)據(jù)的學(xué)習(xí)，M0 層具備了強大的跨領(lǐng)域知識理解和處理能力，為上層模型提供了廣泛的知識儲備和技術(shù)支撐。

垂類模型層（M1）：基于鋼鐵行業(yè)的專業(yè)知識、專業(yè)數(shù)據(jù)以及企業(yè)內(nèi)部豐富的業(yè)務(wù)數(shù)據(jù)，訓(xùn)練出適用于鋼鐵生產(chǎn)各個環(huán)節(jié)的通用和專用模型。這些模型深度融合了鋼鐵行業(yè)的工藝特點、生產(chǎn)流程和管理需求，能夠精準(zhǔn)地處理鋼鐵行業(yè)中的復(fù)雜任務(wù)，為鋼鐵生產(chǎn)提供專業(yè)的智能化支持。

領(lǐng)域模型層（M2）：針對冶金、軋制、制造管理、經(jīng)營管理等具體生產(chǎn)和管理環(huán)節(jié)的獨特需求，開發(fā)定制化解決方案。通過將 M1 層的垂類模型與實際應(yīng)用場景緊密結(jié)合，實現(xiàn)對各個業(yè)務(wù)環(huán)節(jié)的精細化管理和優(yōu)化。例如，在軋制環(huán)節(jié)，根據(jù) M1 層模型提供的工藝參數(shù)預(yù)測和質(zhì)量控制模型，實現(xiàn)對軋制過程的精準(zhǔn)控制，提高產(chǎn)品質(zhì)量和生產(chǎn)效率；在企業(yè)管理環(huán)節(jié)，利用相關(guān)模型進行數(shù)據(jù)分析和決策支持，優(yōu)化企業(yè)資源配置，提升企業(yè)的整體運營效率。另外，鋼鐵行業(yè)大模型平臺提供統(tǒng)一 AI 門戶及智能體開發(fā)平臺的 MaaS 模型服務(wù)，為各類 AI 應(yīng)用的開發(fā)與部署提供了便捷的途徑，開發(fā)者可以快速構(gòu)建和部署個性化的 AI 應(yīng)用，進一步拓展了鋼鐵行業(yè)大模型在不同場景下的應(yīng)用范圍。

1.2 建設(shè)思路

依托于現(xiàn)有的技術(shù)積累，建設(shè) “五位一體”的綜合能力體系，通過通專融合（通用模型和專業(yè)模型）、業(yè)技融合（行業(yè)知識和 AI 技術(shù)）、數(shù)實融合（數(shù)字技術(shù)和實體制造）“三融合一”，支持鋼鐵行業(yè)人工智能應(yīng)用場景需求，促進人工智能更高水平應(yīng)用，推動鋼鐵產(chǎn)業(yè)智能化創(chuàng)新與發(fā)展。總體建設(shè)思路如圖 2 所示。

1.2.1 “五位一體”

通過對平臺、數(shù)據(jù)、算力、模型、場景五要素的系統(tǒng)性建設(shè)，在數(shù)智基座、模型研發(fā)和場景應(yīng)用等方面提供全方位的支撐，形成一體化、集成化人工智能+鋼鐵解決方案，大幅降低鋼鐵行業(yè)模型研發(fā)門檻與成本，讓人工智能技術(shù)更好融入行業(yè)。

1.2.2 “三融合一”

通專融合：鋼鐵行業(yè)大模型將通用模型與專業(yè)模型相結(jié)合，使得模型不僅具備廣泛的適用性，還能夠針對鋼鐵行業(yè)的特定需求進行深度定制，使得大模型能夠更好地適應(yīng)行業(yè)特點，提高解決方案的有效性。

業(yè)技融合：鋼鐵行業(yè)大模型通過整合行業(yè)知識和 AI 技術(shù)，實現(xiàn)了業(yè)務(wù)需求與技術(shù)能力的深度結(jié)合，不僅提升大模型的技術(shù)含量，也使得模型能夠更好地服務(wù)于業(yè)務(wù)發(fā)展，推動鋼鐵行業(yè)的智能化轉(zhuǎn)型。

數(shù)實融合：鋼鐵行業(yè)大模型通過數(shù)字技術(shù)與實體制造的結(jié)合，實現(xiàn)了數(shù)據(jù)驅(qū)動的智能制造。鋼鐵企業(yè)能夠利用大模型進行生產(chǎn)流程優(yōu)化、資源配置優(yōu)化和能源消耗降低，從而提高生產(chǎn)效率和降低成本。

圖 2 建設(shè)思路

1.2.3 “分層構(gòu)建”行業(yè)垂類大模型

采用 M0 基礎(chǔ)模型層、M1 垂類模型層和 M2 領(lǐng)域模型層的分層架構(gòu)，基礎(chǔ)模型提供通用智能，行業(yè)垂類模型提供專業(yè)洞察，領(lǐng)域場景模型提供定制解決方案，三者協(xié)同、逐層優(yōu)化模型性能，將通用大模型與鋼鐵行業(yè)數(shù)據(jù)充分融合，有效解決通用大模型不懂行業(yè)的問題，推動場景落地。

1.2.4 行業(yè)高質(zhì)量語料庫構(gòu)建

研究行業(yè)高質(zhì)量語料庫構(gòu)建技術(shù)，研發(fā)語料工具鏈，制定相關(guān)標(biāo)準(zhǔn)和規(guī)范，示范構(gòu)建涵蓋鋼鐵行業(yè)多個領(lǐng)域的萬億規(guī)模多模態(tài)高質(zhì)量語料庫，為模型訓(xùn)練和應(yīng)用提供示范模式。

1.2.5 “1+X”場景支撐

通過“1 套鋼鐵行業(yè)大模型平臺”，全面支撐“X 個人工智能應(yīng)用場景”，用于企業(yè)智慧制造、智慧治理、智慧服務(wù)等主題場景，以及高爐大模型、轉(zhuǎn)爐大模型、配煤配礦大模型、云表檢大模型、研發(fā)設(shè)計大模型等領(lǐng)域模型，為鋼鐵企業(yè)提供一體化、集成化的人工智能+鋼鐵解決方案。

2 技術(shù)路線

核心技術(shù)以自主可控為原則，圍繞人工智能、機器學(xué)習(xí)、人機交互、云計算、邊緣計算等多個技術(shù)前沿方向，研究訓(xùn)練-推理-場景一體化的智能化架構(gòu)技術(shù)、行業(yè)大模型分層構(gòu)建技術(shù)、行業(yè)高質(zhì)量語料庫構(gòu)建技術(shù)、大規(guī)模異構(gòu)算力集約化調(diào)度技術(shù)、面向通用場景預(yù)測模型構(gòu)建技術(shù)、面向多目標(biāo)復(fù)雜場景的決策模型構(gòu)建及動態(tài)優(yōu)化技術(shù)、端-邊-云協(xié)同的實時智能控制模型構(gòu)建技術(shù)、基于人/物/業(yè)務(wù)相聯(lián)接的混合增強智能技術(shù)、基于智能體的人機交互技術(shù)、模型即服務(wù)（MaaS）模式及實現(xiàn)技術(shù)等十項關(guān)鍵技術(shù)，如圖 3 所示。

圖 3 關(guān)鍵技術(shù)

2.1 “訓(xùn)練-推理-場景”一體化的智能化架構(gòu)技術(shù)

消費類大模型用于工業(yè)側(cè)，普遍會存在數(shù)據(jù)和場景的復(fù)雜度、能力可用性、技術(shù)成熟度、結(jié)果可靠性等難點，需要提高人工智能系統(tǒng)的整體效率、靈活性和實用性，使模型能夠更快速、準(zhǔn)確地適應(yīng)不同的應(yīng)用場景，解決適用性、工程化、規(guī)模化的問題。通過打通基礎(chǔ)平臺、AI 技術(shù)與業(yè)務(wù)應(yīng)用的分層協(xié)同鏈路，建立通用模型與專業(yè)模型的協(xié)同進化機制，形成覆蓋“訓(xùn)練-推理-場景落地”全鏈條的智能化架構(gòu)（如圖 4 所示），為超大型企業(yè)智能化轉(zhuǎn)型提供可量化的技術(shù)實現(xiàn)路徑。

圖4 智能化架構(gòu)技術(shù)

架構(gòu)體系通過全生命周期管理機制，實現(xiàn)工業(yè) AI 模型從創(chuàng)建、訓(xùn)練到評估、部署、監(jiān)控、優(yōu)化的全流程數(shù)字化管控，使模型研發(fā)效率、運行效果與運營質(zhì)量可量化、可追溯、可優(yōu)化。

云邊一體技術(shù)的深度融合，既滿足云端資源集約化訓(xùn)練的效率需求，又能通過邊緣計算實現(xiàn)生產(chǎn)現(xiàn)場的低延遲響應(yīng)與數(shù)據(jù)閉環(huán)，確保工業(yè)現(xiàn)場高效穩(wěn)定。模型分層分類構(gòu)建技術(shù)則通過行業(yè)知識解耦與特征工程標(biāo)準(zhǔn)化，降低工業(yè)領(lǐng)域模型研發(fā)門檻，同時建立以生產(chǎn)效率提升、質(zhì)量成本優(yōu)化為核心的價值導(dǎo)向評價體系，推動模型泛化能力與場景適配性的雙向提升。

該智能化框架通過知識沉淀機制將工藝經(jīng)驗、操作規(guī)范轉(zhuǎn)化為可復(fù)用的模型資產(chǎn)，使大模型能力與行業(yè)特性深度融合，形成 “數(shù)據(jù)積累 - 模型優(yōu)化 - 場景迭代” 的良性循環(huán)，推動工業(yè) AI 從單點試驗走向系統(tǒng)級生產(chǎn)力變革，為流程型制造業(yè)的智能化轉(zhuǎn)型提供標(biāo)準(zhǔn)化技術(shù)底座。

2.2 行業(yè)垂類大模型分層構(gòu)建技術(shù)

鋼鐵行業(yè)面臨提高生產(chǎn)效率、降低生產(chǎn)成本、提升產(chǎn)品質(zhì)量和保障生產(chǎn)安全的重大需求。在此背景下需要通過數(shù)智技術(shù)創(chuàng)新，幫助鋼鐵企業(yè)突破困境。傳統(tǒng)人工智能技術(shù)面臨算法精度低、模型開發(fā)周期長、人工標(biāo)注工作量大、場景碎片化等問題，導(dǎo)致算法通用性差，模型難以批量生產(chǎn)。通用大模型技術(shù)的誕生，雖然能解決通用場景下，傳統(tǒng)人工智能應(yīng)用的問題，但離工業(yè)場景的落地還存在較大距離。因此需要研究大模型分層構(gòu)建技術(shù)（如圖 5 所示），使工業(yè)人工智能模型開發(fā)從“作坊式”走向“工業(yè)化”范式。

圖 5 模型分層構(gòu)建體系

語言模型方面，構(gòu)建“M1 鋼鐵語言模型”，解決通用模型鋼鐵領(lǐng)域知識學(xué)習(xí)不足問題，提升模型在鋼鐵領(lǐng)域的知識理解以及指令遵從的準(zhǔn)確性，同時具備跨基座模型遷移的通用性。基于海量鋼鐵及通用知識，融合高爐、煉鋼等鋼鐵語料，進行持續(xù)預(yù)訓(xùn)練，增強行業(yè)基礎(chǔ)知識理解能力；基于應(yīng)用場景實際交互數(shù)據(jù)以及問答語料，進行監(jiān)督微調(diào)，增強行業(yè)指令追隨能力；構(gòu)建綜合鋼鐵知識、場景能力以及通用能力的垂類模型測評技術(shù)。

視覺模型方面，基于國內(nèi)開源生態(tài)，采用 Transformer 模型結(jié)構(gòu)，通過“基礎(chǔ)-行業(yè)-場景”三級遞進式架構(gòu)，逐層優(yōu)化模型性能，實現(xiàn)鋼鐵生產(chǎn)視覺數(shù)據(jù)的全鏈條高效處理。通過自監(jiān)督學(xué)習(xí)、對比學(xué)習(xí)等無監(jiān)督技術(shù)從海量未標(biāo)注數(shù)據(jù)中萃取通用特征，借助模型蒸餾技術(shù)完成教師模型到學(xué)生模型的知識遷移，在保障模型性能的同時實現(xiàn)輕量化部署。該架構(gòu)不僅構(gòu)建了自動化工作流以降低開發(fā)門檻、減少專業(yè)人員依賴，更通過行業(yè)經(jīng)驗沉淀逐步建立標(biāo)準(zhǔn)化體系，助力生產(chǎn)質(zhì)量監(jiān)控、安全生產(chǎn)管理、物流管理等核心場景的智能化改造。

2.3 行業(yè)高質(zhì)量語料庫構(gòu)建技術(shù)

可以依托企業(yè)大數(shù)據(jù)中心建設(shè)進行擴展，針對鋼鐵行業(yè)垂類大模型訓(xùn)練和相關(guān)智能體應(yīng)用所需要的高質(zhì)量、多樣性語料的需求，構(gòu)建了 IT/OT 等結(jié)構(gòu)化數(shù)據(jù)之外，文本、圖像、語音、視頻等非結(jié)構(gòu)化數(shù)據(jù)的管理、嵌入、審核、標(biāo)注等機制，實現(xiàn)完整的從源數(shù)據(jù)采集、清洗加工到高質(zhì)量語料入庫的全新語料庫構(gòu)建模式。同時，研發(fā)融合了語料庫、知識圖譜、向量數(shù)據(jù)庫的，面向大模型應(yīng)用開發(fā)用戶的語料訪問、加工、訓(xùn)練等應(yīng)用接口，形成涵蓋軟件研發(fā)、財務(wù)經(jīng)營、生產(chǎn)制造等業(yè)務(wù)領(lǐng)域的鋼鐵知識庫、語料庫、樣本庫。