文章指出钢铁行业数智化应从“打补丁”转向“AI原生”。专家张云贵提出“AI原生钢厂”概念及BARH准则，建议存量钢厂走“点原生”渐进路径，如兴澄特钢构建数字孪生体系；新建钢厂应“为智能而设计”，如中天淮安实现全流程自动化与5G云化PLC。此外，强调集团级生产协同，如安赛乐米塔尔全球部署AI。未来核心竞争力在于提升系统对AI的“智能承载力”，实现物理系统与智能技术深度共生。

“十四五”期间，钢铁行业数智化转型打下坚实基础，借鉴ISA-95体系、工业互联网架构，实现数据打通、跨工序协同，能源、质量、管理等的系统级优化成为现实。如今AI大模型、智能体到来，行业似乎又在重复早年工业互联网“遍地开花、各自为战”的老路。

“钢厂智能化建设，多遵循痛点导向，即哪里出现生产难题，就针对性上线一套AI模型解决问题。这种模式短期见效快，但本质属于‘打补丁’，100个独立AI项目叠加在一起，形成比数据孤岛负面影响更大的‘AI孤岛’。”中国钢研科技集团人工智能首席专家、国家钢铁人工智能应用中试基地负责人张云贵表示，各个智能场景架构互不兼容、模型无法互通、智能体各自为战，不仅造成重复投入、成本浪费，后期治理难度也急剧攀升。

在张云贵看来，痛点导向本身没有错，但仅仅依靠痛点驱动，容易陷入就事论事的急功近利，缺少面向未来的顶层设计。“工艺始终是钢铁生产的核心，但AI不能永远站在生产边缘‘推车吆喝’，大模型、知识本体、智能体应当走向工厂治理的核心位置。”他强调。

由此，他提出“AI原生钢厂”概念，即打造一个人工智能可以顺畅进入的工厂环境。“不是工厂建成之后再嫁接AI，而是从架构层面就为大模型、智能体做好整套体系准备，实现物理系统与智能技术的深度共生。”他补充道。

针对工业大模型落地边界，行业普遍面临“哪些场景适合AI”“现有场景如何改进以实现深度赋能”等现实困扰。张云贵提出“巴赫猜想”（BARH准则），明确工业AI落地四大硬性条件——背景可描述、行为可编程、结果可评估、人类可干预。这一准则可帮助企业甄别何种业务适合交给AI处理，平衡大模型能力释放与工业生产的安全约束。

基于此，张云贵结合企业实践、自身调研以及关于“AI原生钢厂”的思考，提出对中国钢铁“十五五”数智化发展路径的判断。“我觉得至少有以下路径值得认真走下去。”他说。

智能升级 拒绝推倒重来“点原生”渐进生长

国内钢铁行业以存量钢厂为主，产线设备、工艺流程已经定型，如何实现“AI原生”？张云贵给出的答案是，走“点原生”渐进式生长路径，从“点原生”逐步长成“工序原生”，最后形成“工厂原生”，不提倡全盘推翻现有生产体系的做法。

“所谓点原生，就是承认‘+AI’仍然是最现实的入口，质量、成本、设备、调度等哪里有痛点就从哪里切入，但哪怕只做一个工序、一个局部场景，也要遵循AI原生的整体架构规范，为未来完整‘AI原生钢厂’新增一块标准化构件。”他说。

类比建造房屋，传统补丁模式如同发现漏洞就拿泥巴糊上去；点原生模式则是先确立整体框架，每一个改造点都是标准化“积木齿轮”。单个场景建设时，统一标准化封装现场数据接口，配套知识库、业务规则，厘清哪些环节适合大模型推理、哪些适合传统计算小模型，把可复用的数据、知识、计算能力沉淀下来。后续新增其他智能场景，构件之间可以直接咬合对接，逐步由点连成线、织成网，让存量钢厂渐进生长出原生智能能力。

兴澄特钢：用数据、模型、规则长出新的“神经系统”

兴澄特钢用近10年的探索证明：存量钢厂的智能化，不是重建一个物理工厂，而是在原厂的物理底座上，通过以点带面、先易后难、小步快跑的建设思路，用数据、模型、规则一层层长出新的“神经系统”。

单点突破，让场景成为“种子”。兴澄特钢将提高生产效率、降低成本、创新产品研发、提高产品质量、提高客户满意度作为五大切入点，从铁、钢、轧、能、环、研各环节的最紧迫场景入手部署先进人工智能应用案例。已开发应用的烧结机尾图像识别、高炉预测、废钢智能判级等100多个“AI+工业机理”协同的人工智能模型，不仅大幅提效、降本、提质，增强定制化交付能力，还让每一个场景都沉淀为可复用的数据、知识与模型规则，成为能力的种子。

连点成线，迈向“工序原生”。在具体AI应用场景落地的同时，“工序原生”便水到渠成。兴澄特钢构建统一的数据底座与治理体系，打破工艺、质量、设备、能源等专业间的数据壁垒，让数据“采得全、传得稳、用得好”，50万余个数据采集点织就全流程感知网络，让数据孤岛连成“平原”；构建工厂、工序、设备、产品4级数字孪生体系，打通炼轧车间10余个部门的工艺协同管控；同时依托ISO27001安全体系与“云边端协同”智能基座，让工艺知识、生产经验与数据模型深度耦合、互促共进。依托先进的工业互联网平台，兴澄特钢还把分散在各环节的智能场景串联成线，全流程智能化体系逐步成形。当前，全流程工业AI智能体正深入工艺优化、设备诊断、调度决策等场景，成为工序间物流、能流、信息流的调度神经。

聚链成网，赋能“工厂原生”。兴澄特钢建成“1个智造中心+3大工业互联网平台+6大智能单元”的智能中枢，构建“工厂—车间—设备—产品”4级数字孪生体系，形成“云边端协同+数据闭环”的技术架构。在这一体系下，全厂以铁前、炼钢、轧制三大核心环节为躯干，贯通能源、环保、研发等支撑体系，实现全要素数据采集与融合，实现跨工序、跨专业的全局资源优化配置与一体化调度，打破了管理层与生产层之间的信息壁垒；依托“5G+工业互联网”平台和数字孪生系统，让物理工厂的每一炉钢水、每一台设备、每一道工艺参数都在虚拟空间中拥有实时映射的“数字分身”。正是这种“全厂一盘棋、全链一脉通、全覆盖一张网”的格局，让全厂生产运营真正拥有了“未卜先知、自动纠偏”的智能体魄，实现可视化、可控制、可预测的统一闭环。（孙鸣华蒋亚君徐铨）

智能原生 告别后天嫁接“为智能而生”

如果说存量钢厂的难点在于改造，新建钢厂最大优势，则是可在规划之初就实现“为智能而设计”，实现生产硬件与智能技术双向奔赴。

“我最近调研一些新建基地，一个很深的感受是，当产线、物流、设备、网络、控制和数字化从设计之初就相互配合，建成以后会自然出现很多过去做不到、甚至最初没有预想到的能力。”张云贵表示，未来新建钢厂，智能化应该真正进入设计院的图纸，而不是等厂建好以后再找AI场景；不是只让AI适应钢厂，也要让钢厂本身变得更适合智能。

中天淮安：没有先例，就闯出个先例

2022年，中天淮安项目在一片空地上动工，目标直指年产160万吨精品钢帘线和胎圈丝——约占全球总产能的1/3，建成全球单体最大的钢帘线生产基地。

中天淮安从图纸开始，就要让智能长在工厂的基因里，为此，确定了清晰的发展路径：先把数据基础打牢——设备一运转就产生运行数据，物联网采集生产数据，信息系统承载人和业务数据；再做数据治理；最后才推进数智化。

顺着这个思路，中天淮安做成了2件当时几乎不可能的事。

第一件，全流程自动化。中天淮安考察了12个行业的23家智能工厂，对接100多家供应商，像拼图一样整合成“分段招标+整体集成”的方案。2023年一厂投运，从原料到成品全流程自动化全线贯通——58台下盘机器人管理2000多台设备，28秒完成拉丝、压线、缠线全套工序，自动搬运车与立体仓库自动吞吐配合默契，生产效率提升20%以上。

第二件，5G+云化PLC新工控架构。传统工厂每台设备配一个PLC（工业控制器），改参数要逐台刷写，升级程序要1个月。建六厂时，中天淮安换了个思路：用5G替代有线连接，把控制功能集中到服务器统一管理，这就是云化PLC——相当于给几千台设备装上“总大脑”。仅取消有线网络，就节省约72万米通信线缆。今年6月的工业互联网大会上，中天淮安联合信息通信研究院、华为、汇川、中国移动发布“5G+AI+新型工业控制”实践成果。4000台设备程序升级周期从30天压缩到1.5天——这不是快慢的差别，而是从“做不了”到“能做到”的转变。

数据这块地基打好之后，一些最初没有预想到的能力，开始不断涌现。比如行业头疼的“断丝”，过去靠人工一步步追查，定位一个质量问题要3天，现在5分钟就能锁定源头；过去排产靠人工，要考虑交货期、物料消耗、能耗等34项约束，排一次要120分钟，现在10分钟内出方案，订单准时交付率从78%跃升到99%以上。

更出乎意料的是，数字文化自己生长了出来。今年初，中天淮安引导各条线、各岗位的员工自己用工具、自己开发、自己运维，不是IT（信息技术）部门包办，而是谁懂业务谁来做；还组织了培训、数字化能力竞赛，建立L1到L5能力评价体系。现在许多一线同事都能自己搭建看板、做分析、建应用。

沿着这条路，中天淮安还在探索“本体大模型”——相当于为工厂装上会思考的“数字大脑”，把排产、物流、设备、能源、工艺、质量数据统一建模，让系统不仅知道“现在发生了什么”，还能推演“接下来会发生什么”。这件事今年才开始布局，但它的基础——高质量的数据、治理过的数据资产、全员数字化的文化——都是前面4年积累的。所以，这是一整套环环相扣的体系，从一开始就设计好了，每一步都在为下一步铺路。（丛宝义）

智能协同 突破单厂局限“集团级生产协同”

“集团数字化如果只做到总部看见各基地的数据，价值还比较有限。真正值得做的是，把跨基地的材料流、质量链和生产过程连接起来，让上游生产能够考虑下游质量，下游问题能够反向作用于上游工艺，进一步还可以从事后追溯走向事前预测、前馈控制。”张云贵告诉《中国冶金报》记者，未来，大型钢铁集团的智能化优势，很可能不只是单厂更聪明，而是多个基地能够像一个更大的生产系统那样协同，“不止数据流动，更要实现智能能力流动。”

未来，集团依托标准化的知识本体与智能体架构，可以跨基地调用分析判定能力。以质量追溯为例，当下游企业拿到上游生产数据，就可以直接调用标准化分析工具自主排查质量问题，判断缺陷大概率来源于上游工艺还是自身生产环节，全链条质量问题定位效率大幅提升。“这意味着，数智化升级不再局限于单厂围墙之内，智能体将贯穿上下游产业链，推动产业链协同模式发生深刻变革。”他说。

安赛乐米塔尔：从单点优化走向全球协同

今年6月，安赛乐米塔尔与亚马逊云科技（AWS）达成战略合作，将面向安米在14个国家的钢铁生产基地，在云计算、人工智能和边缘计算等领域加强合作，以进一步推动安赛乐米塔尔全球生产运营的数字化和智能化升级。亚马逊云科技的云计算和人工智能技术将进一步应用于安赛乐米塔尔的生产制造场景。此为安米在全球业务中规模化部署AI和数据能力。

此前，安米通过“加速数字创新”（AcceleratedDigitalInnovation，ADI）项目，在Dofasco（多法斯科）、Calvert（卡尔弗特）、Pecém（佩嘉）、Tubarão-Vega（图巴朗-维加）、Piracicaba（皮拉西卡巴）和Gent（根特）6个生产基地开展了可规模化、数字化应用场景的测试，旨在通过试点验证后，实现相关解决方案的快速复制和推广。

例如，在加拿大的Dofasco工厂，人工智能工具已被用于处理影响酸洗冷轧联合机组处理能力的瓶颈环节，包括基于AI的设备运维知识问答平台、通过预测性检测系统预防非计划停机，以及利用先进数学模型优化物流和生产运行流程。在巴西的Pecém工厂，通过将传感器和摄像头与AI驱动的数据及图像分析技术相结合，工厂能够提前识别烧结生产过程中可能发生的关键设备故障，从而减少停机时间。

未来钢厂的核心竞争力是“智能承载力”

当智能化浪潮席卷而来，不少钢企陷入了“唯模型论”“唯场景论”的误区：比拼谁的大模型参数更高、谁落地的AI应用场景更多，仿佛攒够了模型和场景就能拿到智能化的入场券。然而，面向“十五五”，钢铁行业的核心比拼维度早已发生迁移，真正拉开差距的不是谁的AI更强，而是谁的生产系统更能“接住”AI。

现在绝大多数钢铁厂的AI应用，本质上还只是生产体系的“外挂补丁”：模型跑完数据给人工输出一份优化建议，决策和执行环节依然要靠人完成，相当于站在赛场边递水的后勤人员，从未真正进入比赛的核心流程。而真正的工业智能