《国务院关于深入实施“人工智能+”行动的意见》印发后专访宝信软件

中国冶金报社

记者 刘经纬 刘加军

图片由宝信软件提供

在2025世界人工智能大会上，宝信软件自主研发的“钢铁大模型”核心技术及应用方案（工业“智造”：通专融合垂类大模型创新构建与应用）荣获被业内公认为世界人工智能领域的“奥斯卡”奖——世界人工智能大会最高奖项SAIL（Superior AI Leader，卓越人工智能引领者）奖。

2024年10月23日，宝联登钢铁行业大模型全球首发，成为国内首个“全自主可控、全体系能力、全场景应用”的工业大模型。从项目立项到正式发布，再到荣获SAIL奖，宝信软件付出了怎样的努力？恰逢《国务院关于深入实施“人工智能+”行动的意见》印发，公司未来会有怎样的规划？就此，《中国冶金报》记者走进宝信软件，进行了深度采访。

图为宝信软件项目获得SAIL奖

认识：从“钢铁+AI”转向“AI+钢铁”的深刻变革

2025年8月26日，《国务院关于深入实施“人工智能+”行动的意见》印发，明确了实施“人工智能+”行动的总体要求、发展目标和重点方向。其中，“人工智能+”产业发展成为六大重点行动之一，同时提出要“推进工业全要素智能化发展”。

当前，钢铁行业也正从“钢铁+AI”走向“AI +钢铁”。“这看似简单的顺序调整，实则蕴含着深刻变革。” 中国宝武工程科学家、中国宝武工业智能研究院副院长钱卫东认为，“钢铁+AI”更多地是将AI技术作为辅助手段，嫁接到现有的钢铁生产流程中，解决局部问题。而“AI +钢铁”则是以AI为核心驱动力重新定义钢铁，是一种系统性、颠覆性的重塑。在“AI+钢铁”模式下，AI不再是简单的赋能，而是深度融入从原材料采购、生产制造、质量控制、物流配送，到销售服务、产品研发的全生命周期。以生产计划排程为例，传统的“钢铁+ AI”只是对现有排程算法进行优化，而“AI +钢铁”则是基于大模型，综合考虑市场需求波动、设备实时状态、能源供应变化等海量动态数据，生成全局最优的生产计划，实现真正的智能化决策。“这种转变意味着钢铁行业从工业经济时代向数字经济时代的跨越，将催生全新的商业模式、产业生态与竞争格局。”他说。

“我们对此充满信心。”谈到大模型在钢铁行业的应用潜力，钱卫东表示，钢铁行业是典型的流程制造业，数据丰富但长期未得到充分挖掘利用，大模型的出现为释放数据价值提供了强大工具。随着大模型技术不断成熟与应用场景拓展，有望重塑钢铁行业竞争版图，为行业高质量发展注入新动能。

他举例，在生产优化方面，大模型可通过分析海量生产数据，实现对高炉、转炉、冷轧等关键设备运行状态的精准预测与智能控制，降低能耗、提高产量与质量稳定性。如宝钢股份与宝信软件联合研发的冷轧AI主操，实现工业界“特斯拉FSD”，已稳定使用超过1.5年，生产钢卷超4万卷，投用率超过90%，吨钢成本下降3.79%，提升单产线年利润1497.6万元。。在研发创新领域，大模型能够加速新材料研发进程，通过模拟不同成分、工艺组合对钢材性能的影响，减少实验次数，缩短研发周期。在管理决策层面，大模型可以整合企业内外部多源数据，为企业的战略制定、市场研判提供更全面、更精准的洞察，辅助企业快速响应市场变化。此外，大模型还能赋能供应链协同，优化库存管理、物流配送等环节，提升整体运营效率。

钱卫东同时指出，大模型在钢铁行业落地虽然前景广阔，但也需跨过诸多关隘。首先是数据质量关，钢铁生产数据来源复杂、格式多样，且存在数据缺失、噪声等问题。高质量的大模型训练依赖海量、准确、标注良好的数据，因此需要建立完善的数据治理体系，对数据进行清洗、整合与标注，提升数据可用性。其次是算力需求关，大模型训练和推理对算力要求极高，钢铁企业自行搭建大规模算力基础设施的建设和运营成本高昂，需要依托专业的云智算中心。还有是行业知识融合关，通用大模型很难直接适配钢铁复杂工艺场景，需将钢铁行业的专业知识、工艺诀窍融入模型。这需要钢铁企业与科技企业紧密合作，发挥各自优势，构建融合行业“know-how”的专用大模型。同时，还需解决人才短缺问题，培养既懂钢铁工艺又熟悉AI技术的复合型人才，保障大模型在钢铁行业的顺利落地与持续优化。

诞生：在多个维度取得突破性进展

“研发团队既包含在生产现场沉浸几十年的工艺专家，也有初出茅庐却满怀激情的AI算法工程师。项目初期，传统制造与前沿智能的思维模式相互碰撞，让项目的开端充满了磨合与挑战。”回顾整个研发过程，钱卫东表示，最大的难题出现在业务理解和数据融合方面。钢铁生产的数据质量参差不齐，算法工程师面对这些“脏数据”束手无策，而工艺专家则坚信其中蕴藏着宝贵的经验，项目一度陷入僵局。面对这一难题，团队成员坚守宝信软件“产业智慧化、智慧产业化”的使命，年轻的算法工程师走出办公室，下沉到生产现场，，拜师傅学业务，深入了解数据背后的核心工艺。与此同时，工艺专家从零基础学习人工智能知识，经过无数次的迭代和优化，模型终于开始“读懂”钢铁的语言。

钱卫东介绍，宝联登钢铁行业大模型基于中国宝武“1+N”工业大数据中心进行扩展，针对行业垂类大模型训练和相关智能体应用所需要的高质量、多样性语料的需求，除IT/OT等结构化数据之外，还包括了文本、图像、语音、视频等非结构化数据，实现完整的从源数据采集、清洗加工到高质量语料入库的全新语料库构建模式。目前已经形成涵盖设计研发、财务经营、生产制造等业务领域的知识库、语料库、样本库，构建了符合大规模、准确无噪音且多样化三个关键标准的2.5T Tokens（AI文本处理的最小单元）的语料，可支撑不同分层大模型的训练和应用、RAG应用、智能体应用等大模型相关服务运行。

“中国宝武在推进宝联登钢铁行业大模型研发与应用过程中，以技术创新为核心、场景落地为抓手，在多个维度取得了突破性进展。”钱卫东介绍，一是技术架构与核心能力突破。宝联登钢铁行业大模型采用“基础大模型+行业垂类大模型+应用场景领域模型”的三层架构，通过“通专融合”（通用模型与专业模型）、“业技融合”（行业知识与AI技术）、“数实融合”（数字技术与实体制造）的三融合模式，首创平台、数据、算力、模型、场景五位一体的钢铁大模型建设思路，实现了从数据采集到场景应用的全链条集成。

二是应用场景落地与效益提升。宝钢股份在2024年底已实现100多个AI应用场景上线，其中包括高炉大模型、转炉智能吹炼、冷轧AI主操等钢铁制造核心流程的AI融合应用，目前已在宝武湛江基地实现高炉燃料比降低3.2%、转炉终点碳温双命中率提升至89%的实测效果。据测算，宝钢股份2024年的AI改造，每年能为企业带来上亿元的经济效益。

三是智能体赋能与管理变革。智能体以感知、分析、决策与执行的全链路智能化能力，实现人机物三元融合，成为连接数字空间与实体空间的关键纽带。宝联登钢铁行业大模型通过智能体赋能，推动钢铁产业与人工智能的深度融合。目前，智能体平台已覆盖宝武集团总部及33家二级公司，开通租户60个，创建智能体1000多个，广泛应用于生产管理、设备维护、质量监控等场景，实现了显著的管理效率提升和业务优化。

四是智算中心建设。中国宝武联合华为建设了国内钢铁行业规模最大、技术最先进的AI算力中心，基于宝信软件“宝之云”技术底座，融合华为昇腾AI平台，为智能化转型提供算力支撑。目前，宝之云智算中心算力规模已达200PFLOPS(1PFLOPS相当于每秒1000万亿次计算速度)，为充分发挥大模型优势提供了强有力的支撑。

未来：努力形成具有示范价值的行业解决方案

钱卫东介绍，作为国内钢铁行业首个全栈式大模型平台，宝联登钢铁行业大模型是融合数智技术底座、通专融合垂类模型、工业智能体的“人工智能+钢铁”整体解决方案。目前已实现105个典型场景的智能化应用的产业化部署，涵盖高炉智能诊断、炼钢工艺优化、设备预测性维护等18类核心业务场景，关键工序覆盖率突破85%，成为行业首个全场景集成式AI解决方案。

谈及大模型应用效果，钱卫东举例，在智慧排程方面，AI排程模型可实现工序生产排程与材料匹配优化的一体化优化，达成产能最大化利用，实现单机组效益179万元/年，预计单基地每年可实现效益超亿元；在一体化配料方面，AI配料模型提高制造与采购协同效率，降低铁前生产成本，以某千万级制造基地为例，实现平均吨铁成本降低10元以上，预计每年降低吨铁成本超亿元；在物流智能管控方面，通过多模型智能协同，对物流各环节进行事前预测、事中管控、事后分析，实现物流效率的持续提升，在宝武湛江基地实现年产规模约1200万吨的物流智能管控，每年产生相关经济效益约3971万元； ；在安全管控方面，用安防视觉监控模型替代传统安全员人眼监测方式，在某钢铁基地接入现场安全风控视频点位数近100路，识别准确率已达98%左右；在表面检测方面，在某冷轧电镀锌产线验证中实现92%的准确率。

2025年2月26日，宝武集团启动了数字化、智能化转型的标志性工程——“2526工程”。钱卫东介绍，为落实“2526”工程战略，推动AI与产业技术、管理流程的深度融合，实现“智改数转”，宝信软件积极谋划，构建了“2511”推进计划，加速AI规模化落地。其中，“2”指双轮驱动。一是业务场景驱动加速构建高价值应用；二是科技创新驱动，深入研究AI技术，具备大模型自主优化和深度改造能力。“5”指全力构建集“平台、数据、算力、场景、模型”五位一体的“AI+”赋能底座。第一个“1”指打造100个典型示范智能体，实现人工智能的治理、制造、服务新模式。第二个“1”指实现1000个场景突破，围绕生产、设备、质量、供应链等20个核心环节实现AI全流程嵌入。同时，宝信软件还构建了AI转型长效机制，保障“2511”推进计划落地，有序推进宝武“用AI重新定义钢铁”发展战略。

谈到宝联登钢铁行业大模型的未来，钱卫东表示，宝信软件将在三个方面继续发力，推动大模型进一步发展和应用。一是技术创新突破。持续优化核心算法与模型架构，提升多模态数据处理能力，重点攻关高通量时序数据存储与管理、时序预测等关键技术，进一步增强模型对复杂工业场景的适配性，实现从钢铁到多行业的技术扩展。二是场景化深耕与跨行业拓展。在钢铁行业继续深化应用，同时辐射冶金、化工、港口、能源等工业领域，打造覆盖流程制造全生命周期的垂类模型解决方案。通过跨行业的数据共享与技术融合，加快应用案例落地，为多行业智能化转型提供可复制路径。三是生态体系构建。以“产学研用”协同创新为核心，联合高校院所、产业链上下游企业，共建行业模型服务生态。通过联合实验室、攻关团队和行业社区建设，推动科研成果转化，丰富平台模型与应用库，形成具有示范价值的行业解决方案。