今年初，南鋼啟動“人工智能百景千模”三年專項行動；4月28日
，湖南鋼鐵集團、湖南移動、華為聯合打造的鋼鐵行業盤古大模型應用全球首發；5月10日，寶鋼股份與華為公司成立“鋼鐵+AI”聯合創新中心，此前4月26日，寶鋼股份發布AI轉型戰略……

　　以大模型為代表的AI技術風起雲湧，成為此輪新科技革命的核心推手。鋼鐵行業也躬身入局


，積極擁抱AI大模型有望帶來的無限可能。我們不由得思考以下問題：鋼鐵“AI進化”是盲目跟風
，還是確有需要
？鋼鐵企業如何掌握通往未來世界的秘鑰？

（樊三彩/策劃 郭藝偉/繪）

　　斯坦福大學的一項研究表明


，在一些專項任務上，人工智能技術的進步已經達到甚至超過人的能力。具體到為鋼鐵賦能，AI大模型究竟有哪些潛力？

　　中國鋼研科技集團有限公司綠色化智能化技術中心主任張雲貴認為，AI大模型可為鋼鐵行業帶來三大層麵的改變：一是感知層麵。煉、鑄、軋各工序在工況感知上都存在一些難題，如高爐等環節還存在“黑箱”，有望通過引入大模型預測技術，在“機理+數據”融合建模方向上取得突破，實現複雜工況感知的“解碼”。二(er)是(shi)認(ren)知(zhi)層(ceng)麵(mian)。雖(sui)然(ran)現(xian)代(dai)冶(ye)金(jin)技(ji)術(shu)在(zai)鋼(gang)鐵(tie)生(sheng)產(chan)規(gui)律(lv)的(de)認(ren)知(zhi)上(shang)已(yi)經(jing)建(jian)立(li)了(le)較(jiao)為(wei)完(wan)整(zheng)的(de)理(li)論(lun)體(ti)係(xi)
，但(dan)仍(reng)存(cun)在(zai)一(yi)係(xi)列(lie)的(de)認(ren)知(zhi)缺(que)陷(xian)，如(ru)對(dui)流(liu)程(cheng)整(zheng)體(ti)運(yun)行(xing)規(gui)律(lv)
、在亞工序級別上存在一些隱性認知等。“大模型技術的核心特點就是通過學習發現‘隱含的規律’，因此，在流程認知的宏觀與微觀各層麵都可以對大模型抱有期待。”他說道。三是決策層麵。“大模型可通過學習實現決策知識和決策流程的某種固化和標準化。更有可能的是
，大模型可能從‘模擬決策’最終走向‘自主優化決策’
，就像在圍棋領域裏已經發生的事情一樣。”張雲貴表示。

　　在決策層麵，國家製造強國戰略谘詢委員會智能製造專家委員會委員、寶武技術業務專家叢力群同樣認為，生成式大模型應用具有巨大的潛在可能性
，目前的大模型可以生成文本、圖、shipinxingshideneirong，weilaiyenenggouyitongyanghuogengduoyangdexingshishengchengjuyougangtietedingyewuneihandeneirong，ruyizutiekuangshiyuanliaopeifang，zhenduitedinggangzhongderezhabanpizuijiashengwenquxian，yizulengzhadaigangzhazhideshedingcanshu
，yigezuijiadegangcaijipi、剪切方案，考慮最佳庫存成本和最佳交期約束的餘材充當合同計劃，一個新鋼種的成分配方等。

　　“大模型對參與鋼鐵製造的人的幫助可能是最直接有效的。”張雲貴表示，目前的大模型技術，可將行業通用知識、企業特定知識、崗位技能知識相結合
，幫助員工快速實現技能躍升
，實現類似“一人多崗”的目標
，這在行業近幾年熱捧的集控上有很好的結合點。更極限的情況下
，可以打造數字員工

、超級職工。

　　在叢力群看來，重構人工崗位功能是智能製造的應有之義
，大模型技術的巨大進步提高了人們的期望值。隨著AI技術的演進，將有3種不同的人機協同模式：一是嵌入式模式
，人類完成絕大部分工作
，AI承擔點狀的工作
；二是副駕駛模式，人類和AI合作

，共同參與到工作流程中；三是智能體模式，AI完成絕大部分工作。“未來
，人類與AI合作的方法是：凡是能夠交給AI的，讓AI來做，人類隻專注於當前AI無法勝任的工作。”他進一步闡釋道。

　　“從企業角度而言，大模型最有用的一點，是通過‘學會’企業核心知識，將鋼企從管理到運行層級的模式標準化，成為企業共性治理的基礎。”張雲貴表示。

　　鋼鐵行業積極擁抱AI大模型，是盲目跟風，還是確有需要
？

　　叢力群告訴《中國冶金報》記者，任何技術都需要與實體經濟相結合，這是大勢、是必然，也是機會。“鋼鐵行業積極擁抱新趨勢值得肯定
，因為技術進步必將伴隨著行業應用的深化，尤其是AI大模型這種劃時代的突破性技術。”他說道。

　　大語言模型是伴隨著數字化技術的迭代發展起來的。數字化技術始於20世紀50年代，先後掀起了10次產業級別的浪潮，本質上都是通過對底層創新的排列組合實現大規模商業化。目前，美國在通用人工智能（AGI）領域領先全球。“而在中國

，AI工程化為工業賦能是優先方向。新質生產力發展的迫切需求和豐富的工業場景


，使得我們更關注其應用和商業價值。”叢力群表示。

　　對於當前中國寶武
、首鋼、中信特鋼等龍頭鋼企紛紛布局AI大模型的做法，叢力群認為：“龍頭鋼企不關心大模型是不科學的。頭部企業往往對一些新概念


、新技術理解得更深

，也更需要‘從0到1’探索出應用路徑，爾後，其他企業隻需保持跟隨姿態。”

　　“當前，如果哪家企業說已經用大模型解決了某些關鍵的問題，且創造了價值
，那我們一定要持謹慎態度。”叢力群認為，當下，AI大模型技術本身並未完全成熟
，應用至鋼鐵等垂直領域的路徑
、方法都處於探索階段，得出成功應用並取得成果的結論為時尚早。“即ji使shi在zai一yi些xie特te定ding的de業ye務wu場chang景jing，如ru智zhi能neng檢jian測ce運yun維wei，一yi些xie企qi業ye已yi經jing嚐chang試shi采cai用yong大da模mo型xing的de概gai念nian和he技ji術shu，強qiang化hua係xi統tong在zai數shu據ju中zhong自zi主zhu學xue習xi知zhi識shi的de權quan重zhong，但dan仍reng然ran處chu於yu初chu級ji探tan索suo階jie段duan。”他說道，“更準確地說
，我們是在適應大模型發展的趨勢

，投資的是未來的可能性。”

　　通用AI大模型在技術上的進步及社會對大模型應用的高期待
，使人們進入了又一個“亢奮期”。不擁抱AI的企業注定會被淘汰，但也不應過分迷信於通用AI。

　　“聚焦垂直場景、創造價值才是大模型發展的王道。”叢力群認為
，目前，AI大模型還難以勝任千行百業的嚴肅決策類應用需求，從開放閑聊到複雜決策仍有漫漫長路。

　　dangqian，tidaoyingyongdamoxing，yixiegangtieqiyehuishouxianxiangdaoyaojiansheyigeyongyudamoxingxunliandesuanlihuanjing。qishi，duidaduoshuqiyeeryan
，zijijiansheyongyudamoxingxunliandesuanlihuanjingshibuxianshide，yemeiyoubiyao。congliqunrenwei
，paokaigaoduanGPU卡受限的因素不談
，建設一個訓練足夠大尺寸（例如7B參數規模）大模型的算力中心所需要的經費投入就是許多企業難以承受的，一般企業既沒能力又無必要。

　　“鋼鐵行業發展大模型應堅持‘基礎大模型—行業大模型—企業大模型’的分層次發展路徑。”叢力群告訴《中國冶金報》記者，具體來說
，基礎大模型是國家產業發展基礎設施的組成部分，可以借助國家“東數西算”工程布局，以國家級的產學研合作機構牽頭推進
，或由大型科技公司去做
；行業大模型在基礎大模型基礎上
，“投喂”行業專業數據進行訓練
，而彙聚行業的數據將成為模型質量的關鍵；有了行業大模型的基礎，企業可以“喂”以自身特定數據
，將其泛化為企業大模型
，形成麵向具體場景和工作任務的個性化的專有模型。“zheshiyigegengjiahelidelujing，fuheziyuanzuiyoupeizhidejingjixueyuanli
，yetixianchuwoguodetizhiyoushi，dajiashuyeyouzhuangong，buhuizaochengziyuanlangfei，tongshijiangdileqiyexunliandamoxingdezijinchengben。”他說道。

　　大模型的三要素是算力、算法和算料（數據），算力資源和算法技術可以通過合作或獲取外部商業資源來解決
，而企業自己的數據積累是數據的唯一來源。“不要忽視數據的重要性，數據質量是大模型應用的基礎，這或許是當前的最大短板。”叢力群強調。

　　那(na)麼(me)，如(ru)何(he)獲(huo)取(qu)高(gao)質(zhi)量(liang)數(shu)據(ju)就(jiu)成(cheng)了(le)重(zhong)中(zhong)之(zhi)重(zhong)。一(yi)方(fang)麵(mian)

，要(yao)全(quan)麵(mian)采(cai)集(ji)數(shu)據(ju)。叢(cong)力(li)群(qun)認(ren)為(wei)，根(gen)據(ju)特(te)定(ding)任(ren)務(wu)目(mu)標(biao)選(xuan)擇(ze)性(xing)獲(huo)取(qu)數(shu)據(ju)是(shi)傳(chuan)統(tong)思(si)維(wei)，而(er)訓(xun)練(lian)AI大模型要秉持“大數據思維”，即盡可能采集完整的數據樣本。不過，在數據采集完成之後
，一般需要通過數據壓縮
、減量解析等方式提高數據的價值密度，減小數據規模。另一方麵
，除去通常所說的企業經營數據
、設she備bei運yun轉zhuan數shu據ju等deng以yi外wai
，更geng要yao注zhu重zhong專zhuan家jia經jing驗yan數shu據ju的de采cai集ji
，我wo們men可ke以yi將jiang各ge領ling域yu專zhuan家jia經jing驗yan視shi為wei一yi種zhong高gao價jia值zhi密mi度du的de數shu據ju，這zhe些xie數shu據ju的de采cai集ji對dui於yu大da模mo型xing訓xun練lian更geng加jia重zhong要yao。

　　“當前，很多鋼企恰恰更加需要采集這樣完整
、係統的數據做支撐，而不是盲目去訓練大模型。”他說道。

　　當前，7B~13B（B=10億）規gui模mo的de模mo型xing架jia構gou已yi經jing越yue來lai越yue成cheng熟shu穩wen定ding

，這zhe為wei大da模mo型xing用yong於yu企qi業ye創chuang造zao了le必bi要yao的de技ji術shu基ji礎chu。在zai工gong業ye中zhong應ying用yong大da模mo型xing，企qi業ye需xu要yao重zhong點dian關guan注zhu數shu據ju可ke能neng存cun在zai的de問wen題ti：一是AIGC（生成式人工智能）的幻覺現象是工業應用所不能接受的。如果用於訓練大模型的數據存在問題
，生成的虛幻結果將是不可預知
、不可重複和不可控的。二是曆史數據不完整。現場采集的設備數據存在斷點（不連續）、製(zhi)造(zao)管(guan)理(li)和(he)運(yun)營(ying)決(jue)策(ce)過(guo)程(cheng)中(zhong)諸(zhu)多(duo)環(huan)節(jie)的(de)人(ren)類(lei)經(jing)驗(yan)數(shu)據(ju)等(deng)斷(duan)續(xu)的(de)數(shu)據(ju)流(liu)在(zai)工(gong)業(ye)製(zhi)造(zao)中(zhong)廣(guang)泛(fan)存(cun)在(zai)。三(san)是(shi)單(dan)一(yi)企(qi)業(ye)曆(li)史(shi)數(shu)據(ju)樣(yang)本(ben)數(shu)量(liang)看(kan)似(si)龐(pang)大(da)，但(dan)未(wei)必(bi)能(neng)支(zhi)撐(cheng)大(da)模(mo)型(xing)訓(xun)練(lian)所(suo)需(xu)。“suoyouqiyedoujiangshujushiweihexinzichan
，muqianqiyejiandeshujufengsuobingbuzhichigengguangfanshujuyangbendehuode，erdangeqiyedeyouxianyangbenshuliangnengfoumanzudamoxingxunliandejibenxuqiu
，yeshiyigeyoudaiyanzhengdewenti。”叢力群認為。

　　有業內專家向《中國冶金報》記者補充強調，充分認識數據的重要性是必要的，但與此同時，研發行業大模型還應破除“數據迷信”，即除了數據，大模型的架構設計、訓練方法等也十分關鍵，需將規則、知識、機理等融入進去。