中国工程院院士王国栋近期在“AI+钢铁”技术发布会上强调，钢铁产业作为国家的支柱性基础产业，正迎来新一代人工智能（AI）的深度赋能。他提出，通过整合钢铁行业庞大的大数据资源、专家知识与经验，以及先进的生成式人工智能（AIGC）技术，实施一种涵盖“数据密集、智能涌现、人机协同”的三元认知方法论，旨在构建人机混合智能体系，推动钢铁行业的智能化转型。
钢铁工业作为一个复杂的大型流程工业体系，其生产流程中的各个工序如同“黑箱”，充斥着大量的不确定性和动态性问题，使得材料内部的数据难以实时、连续地获取。王国栋院士指出，这种人机混合智能方法将建立起一套全局性、系列化、通用化的智能预测体系，实现材料系统内部数据的实时、连续、在线、精准预测，即数字孪生建模，从而驱动钢铁行业的升级换代和转型。
目前，AI技术已在钢铁行业的多个领域取得了显著成效。例如，在铁前系统，宝钢梅钢携手产学研团队开发的“智慧高炉系统”，融合了大数据、AI与冶炼机理，能够提前1至3小时预测高炉透气性、热负荷等关键指标，预测准确率超过85%。然而，AI的推进过程中也面临着数据质量参差不齐、模型泛化能力不足及复合型人才匮乏等挑战。
针对这些挑战，王国栋建议开发专业的ETL工具链，建立“通用模型+个性数据”的迁移学习方案，并加强校企联合培养，以应对数据质量问题。同时，他强调，应构建全流程数字孪生平台，完善“机理+数据+AI”混合智能技术体系，并推进相关标准化技术体系的建设。为了保障AI在钢铁企业中的高效应用，王国栋认为关键在于构建“产学研用”协同创新生态，强化数字底座，提升数据采集能力，聚焦关键技术加大研发投入，并推动智改数转和示范线建设。
在推动钢铁行业绿色发展的道路上，“AI+钢铁”也发挥着重要作用。铁前系统通过全面应用炼铁大数据与AI技术，建立了实时监测与智能感知系统，实现了节能降碳、降本增效与稳定运营。例如，河钢推出的WesCarber碳中和数字化平台，涵盖碳管理、碳足迹等多个子平台，实现了全产业链碳流的可视化。
王国栋进一步指出，AI在“双碳”目标中的作用不仅限于此，其核心在于通过打通生产各环节的数据流，将单点改良升级为跨工序、跨尺度的系统协同，推动全流程的绿色化重构。AI能够实时监测分析能源使用情况，提高能源利用效率；构建碳排放模型，精准预测碳排放情况，助力制定减排策略；同时，基于大量生产数据，挖掘工艺潜在改进点，促进工艺装备与产品服务的一体化开发，推动钢铁行业向高端化、智能化、绿色化转型。
展望未来，钢铁行业需加快工业互联网、大数据、AI等技术的融合，搭建能、环、碳全流程一体化管控平台，实现从末端治理向源头和全过程人机协同、自主无人控制的延伸。同时，建立完善的钢铁行业数据标准和数据库，为数字化和绿色化的协同发展提供坚实的数据支持。
