在數字化轉型與智能化升級的浪潮中，中國鋼鐵行業正經歷一場從“制造”到“智造”的范式革命。《院長智慧談》欄目旨在以“智慧”為雙關內核——既對話鋼鐵企業研究院的掌舵者，萃取其戰略智慧；亦聚焦“智造”發展前沿，解碼智能化進程中的戰略選擇、技術攻堅與范式重構。通過院長視角的智慧碰撞，為行業高質量發展提供兼具前瞻性與實操性的思想圖譜。

　　在8月份舉辦的第十四屆中國國際鋼鐵周期間，中國鋼鐵企業的智能化水平收獲諸多國際領袖“全球領先”的一致肯定評價。然而對內，我們的智能化發展仍有諸多細節需要推敲。圍繞中國鋼企如何受益于智能化浪潮、當前的誤區、未來的智能工廠等話題，《中國冶金報》記者與首鋼技術研究院黨委書記、第一副院長王松濤進行了一場深度對話。

圖為王松濤

　　《中國冶金報》記者：您認為中國鋼企的智能化水平已處于全球領先地位嗎？據您觀察，國內龍頭鋼鐵企業在AI技術應用上有哪些進展、短板？

　　王松濤：提到這個問題，我作為一名鋼鐵人，還是非常驕傲的。當前，中國、美國在人工智能大模型領域處于領先地位。中國鋼鐵工業擁有全球最豐富的場景，在與人工智能融合方面也處于世界最前沿。需要注意的是，包括各種物理冶金模型在內的所謂小模型，歐洲、日本在這方面的應用實績和創新能力依然處于領先地位。

　　對中國鋼企而言，AI（人工智能）大模型技術的引入，不僅可以解決傳統生產經營中的諸多痛點，還將推動行業頭部企業更快向高端化、智能化、綠色化轉型。從首鋼、中國寶武等龍頭企業在生產排程、質量管控、能耗優化等環節的成功實踐，到行業整體向“全域智能體”邁進的戰略布局可以看出，AI技術正在重塑鋼鐵行業的生產模式、決策機制和價值創造體系。

　　以首鋼為例。首鋼集團黨委提出以“一引領兩融合”作為發展新質生產力的戰略路徑，在AI研發和應用方面成果豐碩。“十四五”期間，首鋼實現了從智能工廠建設到全流程自動化、數字化的系統性升級，部署了集成大模型的AI平臺，為垂直場景的智能化應用提供算力與模型基礎。2025年，2個生產基地入選工信部第一批卓越級智能制造示范工廠，順義冷軋被評選為全球“燈塔工廠”。其中，在大模型應用方面，順義冷軋精整計劃排程實現100%全自動完成，機組分配準確率超99.2%，排程規則符合率達100%，成品頭尾切廢率降低10個百分點，成材率提升0.3個百分點，為大模型賦能鋼鐵制造探索了可行的道路。

　　中國寶武、南鋼、鞍鋼等企業的智能化轉型也備受矚目。2025年2月，中國寶武啟動了“2526”工程，全面部署DeepSeek（深度求索）大模型，用AI重新定義鋼鐵。在實際應用中，AI技術顯著提升了生產效率和質量，如高爐控制中的爐溫預測命中率達到95%，硅含量命中率達到92%，預測2小時后爐溫和硅含量的命中率達到90%以上，大幅降低了燃料消耗。南鋼在大模型開發與場景落地方面成效顯著。2025年6月，南鋼正式發布元冶·鋼鐵大模型，可處理冶金機理、設備運維、供應鏈優化等復雜問題。比如，煉焦配煤模型采用多目標優化算法，將配煤方案生成時間從1天~2天壓縮至1分鐘~2分鐘，噸焦成本降低5元~10元，年節約成本超750萬元；智慧煉鐵方面，應用智能配礦模型、高爐體檢模型和爐身鏡像技術，連續刷新高爐零懸料紀錄，年降成本超億元。鞍鋼集團與遼寧移動、中興通訊合作，打造了全球首個經由4.9GHz頻段的5G智慧一鍵煉鋼場景應用，實現單爐冶煉時間從40分鐘縮短至30分鐘，效率提高33%。

　　當前，鋼鐵行業的AI應用已進入增強工具期向協作伙伴期過渡的階段，頭部企業正通過系統性AI應用實現對全流程的優化和控制，而中小企業則更關注單點優化和效率提升。同時必須指出，我們的產業基礎還不太牢固，最大的短板是數字化基礎設施，在傳感器、儀器儀表、工業控制系統、二級模型等基礎能力方面，國內相關廠商的產品技術水平和研發能力還需要努力提升。

　　《中國冶金報》記者：您認為AI技術在未來3年~5年內將如何重塑行業格局？

　　王松濤：未來，我國鋼鐵行業的確面臨各種前所未有的變量，不過可以確定的是，包括AI在內的科技創新將是重塑行業格局的最重要變量。

　　首先，組織與人才結構變革，管理效率顯著提升。領先企業將自覺推動由AI驅動的組織變革，使企業從“人力紅利”向“智力紅利”躍遷，實現管理更加精細化、扁平化、去中心化。而能否成功的關鍵，不僅在于技術本身，還取決于企業能否構建“AI增強人類能力”的協同生態——讓“碳基人”的創造力、戰略思維與“硅基人”的計算力、執行效率形成互補。未來的企業競爭，將是“碳硅協作效率”的競爭。而這一效率的提升空間，可能遠超當前的技術想象，不同企業之間可能會形成斷層式的分化。

　　其次，供應鏈與客戶管理智能化，產業鏈協同深化。AI技術優化供應鏈和客戶管理，推動行業從“制造能力”競爭全面轉向“制造+服務能力”的競爭。鋼鐵行業要構建“全覆蓋、全業務、全聚合、全流程”的業財一體化平臺，不僅全面貫通內部業務流程，還要與上下游形成更深、更廣的融合共生關系，向“共生型”數字化發展模式轉變。未來，具備全鏈條AI能力的企業將在供應鏈和客戶管理方面占據優勢，推動產業鏈協同深化。

　　再其次，技術研發效能躍升，技術創新更加重要。企業將研發適用于鋼鐵行業的AI工具，賦能鋼鐵行業的技術創新。如果把鋼鐵產品從材料研發到用戶應用的全過程，由低到高分為數據分析、工藝優化、材料優化、新材料研發4個層次的話，前3個層次主要由數據驅動，第4個層次主要由物理驅動。當前的AI主要由數據驅動，在前3個層次可發揮巨大作用，但同時，還要大力開展基礎研究，研發物理驅動的AI工具，實現顛覆性的金屬材料原始創新。未來，擁有以AI工具賦能技術創新能力的鋼鐵企業將在市場競爭中占據主導地位。

　　最后，掌握技術標準主導權，中國鋼企國際競爭力提升。首個鋼鐵智能制造國際標準ISO 21763《鋼鐵行業智能制造指南》已成功立項，將有助于鋼鐵行業的智能制造升級，規范鋼鐵行業智能制造系統功能及產品質量，同時也將為實現改善工作環境、工人安全與福利、生產安全、減少溫室氣體排放等聯合國可持續發展目標做出貢獻。中國鋼鐵企業通過AI技術的應用，正在構建具有國際競爭力的智能制造體系。未來，鋼鐵企業將與各類外部研發團隊合作推進AI全領域深度合作，在鋼鐵行業率先建立數實融合發展的新標準、新模式。

　　未來3年~5年，AI技術將重塑鋼鐵企業和行業格局。在AI與鋼鐵融合發展上更迅速、更務實、更堅決的企業，將在未來引領行業發展，形成以傳統產業升級和新興產業崛起協同發展為核心競爭力的新格局。這一格局的形成，將為中國鋼鐵行業在全球競爭中贏得主動權，推動行業高質量發展。

　　《中國冶金報》記者：當前，鋼鐵企業對于AI的認識或實踐有哪些誤區？您有怎樣的提醒、建議？

　　王松濤：這個問題很好，也是當前企業或多或少都存在的問題。有一點必須說明，當前，全社會正處在AI技術快速迭代與AI技術融入千行百業相互交織的過程中，這就決定了當前對于AI的認識和對AI賦能的路徑大家都在探索，探索過程中有誤區、失敗的現象很正常，應該給予更多包容和鼓勵。

　　當前，行業也的確存在一些典型的現象，需要大家關注。比如，有的企業急于求成，認為大模型應用能一下解決所有的問題，花巨資投入；也有的滿懷希望，本地化部署大模型之后發現不好用，就悲觀失望地認為大模型一無是處；還有的認為，需要千卡甚至萬卡的算力投入，導致望而卻步；也有好大喜功的、漠不關心的、暫時觀望的等等，不一而足。這些現象可能導致企業投入浪費、人員信心受挫，甚至錯失真正的機遇。

　　出現這些現象的原因也有很多種，比如，一些媒體和供應商過度宣傳，成功案例被放大，技術局限性和實施復雜性被弱化；有的企業對技術本質理解不足，不了解大模型是基于概率的生成式AI，擅長模式識別、內容生成和一定程度的推理；有的企業低估落地成本，忽略了模型調優、系統集成、業務流程改造、人員技能提升等隱性成本；有的企業有“銀彈”思維定式，期望找到一勞永逸的解決方案，忽視企業問題的復雜性和系統性；有的企業混淆“模型訓練”與“模型應用”，對人工智能落地應用路徑研究不夠，盲目迷信權威，人云亦云，喪失企業戰略自主能力；有的企業有“模型中心論”思維，過度關注模型本身，忽視了“數據是AI的燃料”，數據治理基礎薄弱，企業內部數據分散、格式不一、質量參差不齊；有的企業技術主導、業務缺位，業務部門參與度低或不理解，項目目標與核心業務需求脫節，解決方案設計不符合實際工作流程。

　　首鋼本身也在探索過程中。我每周都會跟核心團隊交流研討，我會問大家兩個數，一個是進度到百分之多少了，一個是信心指數到多少了。如果讓我給建議的話，我認為，第一，企業要有愿意深入學習行業知識和AI知識的人。要親自學，帶著團隊一起學，在實踐探索中學，并不斷地回答3個問題：AI是什么？AI能干什么？我能用AI干什么？第二，態度要端正。首鋼集團黨委書記、董事長趙民革總講要回歸企業經營本質，遵循“三個規律”辦企業。技術創新也是一樣，要遵循科學規律，徒慕虛名、好大喜功的做法大概率不會走太遠。第三，要對企業有正確的判斷。AI賦能的效果與企業的發展階段、能力水平、發展戰略密切相關，不同的業務場景和目標對基礎設施、數據治理、人才儲備的需求差別很大。第四，要做好長期堅持的思想準備。當然，業務層面也還有很多需要解決的具體問題，就不一一贅述了，以上這4個方面可能是最重要的。

　　努力學習 持續創新 擁抱未來

　　《中國冶金報》記者：請您暢想一下未來中國鋼鐵企業的生產經營場景。

　　王松濤：這個問題有點科幻的色彩，但我想還是更務實一點，把這個“未來”限定在10年左右的范圍吧。習近平總書記指出，制造業未來的發展方向是高端化、智能化、綠色化，鋼鐵行業也不例外。有的企業還會再加上高效化。這些都要依靠科技創新和產業創新深度融合，所以我先說說科技創新核心能力的基本判斷吧。

　　未來10年，數據驅動和物理驅動的人工智能大模型都將成為現實，但具身智能還有很長的路要走。基于這個判斷，現在偏管理類的工作和大部分技術工作，AI都能完成，但大部分技能工作還要靠人。所以，未來鋼鐵生產經營場景可能是這樣的：一是組織架構極度扁平化，由少量的管理精英和科技精英、大量的數字人崗位以及比較多的運行維護技術人員組成；二是企業管理極度精細化，管理的邊界觸達所有數據的邊界，管理的顆粒度細化至數據的顆粒度，管理的穿透能力直達最末端；三是數據極端重要，數據的質量、數據的使用、數據的安全直接決定企業的生存，企業用不好數據就會被降維打擊，失去數據控制權就是失去企業控制權；四是風控能力極大增強，尤其是人為失誤的風險、主觀故意的風險，都將通過基于規則和數據的智能決策系統最大限度地得到控制；五是對人的能力要求大幅提高。這就如同一位樂手必須精通樂理，才能與樂器合奏出交響樂，我們也需要通過持續學習，不斷提高駕馭人工智能的能力。

　　當然，這是個開放的話題，我也愿意跟同行、各領域專家持續深入探討，讓未來更加可期，更加可控。