我國此舉旨在搶占AI賦能實體經濟的戰略先機，構筑新一輪產業革命中的核心競爭力。從國內產業發展視角看，鋼鐵行業面臨著生產效率提升、成本控制、綠色低碳轉型等諸多挑戰，《意見》的出臺為鋼鐵行業提供了清晰的轉型方向與強有力的政策支撐，是推動產業邁向高質量發展的關鍵一環。
新出臺的《意見》是在行業近幾年實踐經驗之上的升級指引。對鋼鐵行業而言，這標志著行業正從單點的智能應用向全流程、系統化的應用實踐邁進。未來的鋼鐵生產，將呈現數據驅動的精準制造、虛實結合的智能優化以及綠色低碳的可持續發展等特征。抓住此次人工智能政策的有利契機，我國鋼鐵工業有望實現從規模領先到技術引領的跨越式發展。
《中國冶金報》記者：最近一段時間，“AI+鋼鐵”成為鋼鐵行業的熱門提法，您認為有哪些概念需要厘清？在您看來，“AI+”在哪些場景應用潛力最大？請談談您對于正確推進“AI+鋼鐵”的建議。
王軍生：“AI+鋼鐵”絕非淺嘗輒止的“技術嫁接”，而是AI技術與鋼鐵全產業鏈的深度融合與創新變革。它是一個系統性工程，全面涵蓋了從原料采購、生產制造、質量管控到產品銷售及售后服務等各個環節，必須杜絕為了應用AI而盲目跟風的現象，確保AI技術的應用與實際生產需求緊密結合，從而創造出真正的價值。
在鋼鐵行業，AI有諸多適用場景。在生產優化方面，鞍鋼集團在智能制造進程中，借助AI技術對3D（危險、臟亂、困難）崗位作業進行優化，顯著提升生產效率與安全性；在質量管控層面，視覺AI檢測在冷軋板表面檢測等場景得到廣泛應用，大幅增強產品質量穩定性；在綠色低碳領域，AI用于能源調度優化，依據生產工況實時調整能源分配，有效降低鋼鐵生產過程中的能源消耗與碳排放。另外，AI在工藝模型的參數優化，材料研發過程中成分、組織和性能分析等領域也有實際效果。
然而，整體觀之，以大語言模型為代表的AI技術，目前仍主要應用在管理和辦公輔助領域，在生產、質量、能源等鋼鐵行業現場應用方面正在開展積極的應用探索。基于行業實踐，筆者對推進“AI+鋼鐵”有如下建議。
一是筑牢數據根基。鋼鐵企業要構建統一、規范的數據標準體系，整合礦山開采、煉鐵、煉鋼、軋鋼等全流程數據，提高數據質量與可用性，為AI模型訓練提供優質“養料”。
二是從小范圍場景試點起步。鋼企應選取痛點突出、效益易評估的環節（如高爐風口診斷、鋼材表面缺陷檢測等），驗證技術可行性與效益后再逐步推廣復制，避免大規模鋪開帶來的風險。
三是構建“老工匠+新專家”的協同團隊。安排經驗豐富的鋼鐵工藝專家與AI技術人才結對，工藝專家傳授行業知識、實際操作要點，AI人才助力將經驗轉化為算法模型，實現優勢互補。
四是緊盯價值創造。每個AI項目都要設定明確的效益目標與回本周期，嚴格評估投入產出比，確保智能化改造切實為企業降本增效、提升競爭力。
總之，“AI+鋼鐵”并非簡單的技術疊加，而是深度融合、協同創新的過程。唯有理性厘清概念、精準匹配場景、優化數據質量、科學推進實施，方能真正為鋼鐵行業注入新動能，達成智能化轉型升級的目標。
| 
