作为钢铁生产核心工序，高炉占生产总成本的70%左右，其长期稳定运行直接关系企业盈利状况。入炉原料的成分波动、炉内气流的分布以及温度的微小变化，都可能引发连锁反应。炉内每减少10摄氏度的温度波动，每吨铁水就能少消耗1千克焦炭，成本可降低3元。

　　“此前，我们常面临炉内状态看不清、操作反馈跟不上、连锁反应控不住、经验传承传不下等难题。”宝钢股份炼铁厂大数据应用首席工程师王士彬介绍。

　　面对难题，宝钢股份与华为合作，按照“数实融合、同题共答”的攻关路径，以自身业务需求为导向选定应用场景、输出行业知识，用AI、大数据、云计算等领域的前沿技术构建解决方案。

　　2024年起，宝钢股份引入AI技术构建大模型，逐步解决精准预测炉温的难题，为钢铁行业智能化转型提供了“经验变数据、模糊变精准”的宝钢方案。

　　攻关过程的“关键一跃”是构建高炉AI大模型。“这就像为高炉装上‘大脑’，将专家经验转化为数据代码，再把炉内看不见的反应转化为可预测参数，最终实现炉温精准预测与自动调控。”王士彬介绍。

　　攻关团队以华为盘古大模型为基础，先吸收通用知识筑牢底座，再针对高炉炼铁的特性进行量身定制。“AI既学习了宝钢海量运行数据，又借鉴了其他工业领域的物理、化学通用规律，博采众长。”华为钢铁有色军团总裁石矛介绍。

　　经过攻关，宝钢股份高炉AI大模型对炉温等关键指标的预测准确率达90%，实现对内部状态的高精度、高时效性感知。目前，高炉大模型已稳定运行10个月以上。单座高炉应用该模型后，实现燃料消耗降低、铁水质量稳定、炉况异常减少，经测算，每年可创效超千万元。

　　宝钢股份旗下有数十座高炉，炉体结构、工艺配置各不相同。为有效缩短模型开发周期，宝钢股份依托华为云，创新采用“预训练底座+下游任务微调”模式，即在基础模型上针对不同高炉的个性化特征进行微调，将产品上线周期大幅缩短。

　　“通过‘增量训练—预测推理—闭环控制’，我们还打造出持续学习、自我优化的闭环系统，新产生的数据不断反馈给模型再训练、再迭代，实现边学边用。”王士彬说。

　　不仅是高炉，宝钢股份母公司中国宝武集团正规划建设钢铁大模型能力图谱，将预测大模型、视觉大模型、科学计算大模型等AI能力，延伸到钢铁生产中的原料、炼铁、炼钢、轧钢、新材料研发等流程，覆盖连铸质量根因分析、热轧板型预测、钢材表面质检等上百个应用场景。

　　如今，智能场景在宝钢股份各生产环节落地：热轧产品表面缺陷识别模型半年内准确率提升至96%，并快速复制至多基地产线；热轧自然宽展预测模型完成在线部署，参与生产实时控制；冷轧“AI主操”上线，显著提高机组生产稳定性……

　　2025年，宝钢股份已上线近300个AI应用场景，打造了5个AI标杆产线，不断深化冶金机理、专家经验与大模型技术的结合，形成钢铁智能化应用建设的有效实践。

　　近年来，数智赋能成为宝钢股份穿越周期、逆势增长的关键。这场传统制造业与人工智能的深度碰撞，为钢铁行业降本增效提供了新路径。记者 谷业凯