摘要：2025年7月26日-29日，世界人工智能大会暨人工智能全球治理高级别会议在上海隆重举办，在“AI x Data = Future：星环赋予数据无限可能”主论坛中，来自中冶京诚数科的特邀嘉宾以《破局超长流程：钢铁工业从数据孤岛到大模型协同的智造革命》为主题进行

2025年7月26日-29日，世界人工智能大会暨人工智能全球治理高级别会议在上海隆重举办，在“AI x Data = Future：星环赋予数据无限可能”主论坛中，来自中冶京诚数科的特邀嘉宾以《破局超长流程：钢铁工业从数据孤岛到大模型协同的智造革命》为主题进行分享，通过行业实践思考为钢铁行业提供了可复用的“AI+工业”方法论。

演讲摘要：本次演讲聚焦钢铁工业从数据孤岛到大模型协同的转型实践。钢铁行业工序多、设备繁、流程复杂且链条长，存在协同难、溯源难等痛点。中冶京诚数科联合星环科技构建一体化数据平台，实现全流程闭环管控，支撑60+ AI场景。以技术融合与组织变革，推动钢铁行业向数据与模型双驱动的智能高效模式升级。

针对钢铁行业特点与痛点制定数智赋能实施策略

中冶京诚的前身可追溯到1951年成立的鞍山钢铁设计处，后沿革为北京钢铁设计研究总院，是国内首家具备“三综一特”资质的工程企业。中冶京诚数科公司作为中冶京诚全资子公司，秉持数智赋能产业升级的初心，作为工业数字化转型领域的领军者，核心业务聚焦智能制造、绿色低碳及智慧城市领域，致力于通过数字化技术赋能传统产业升级，构建绿色低碳、智能高效的产业生态。

由于钢铁行业较为特殊，存在一些特有的行业特点。首先是工序繁多，有10个以上的主要环节，且每个环节包含多个子工序。第二是设备繁多，数千台关键设备协同运作，维护难度大。第三个是整个生产过程复杂，存在高温、高压、多相反应等复杂物理化学的处理过程。第四是反应链条长，从原料进厂到生产再到成品，基本需要数天到数周时间。

钢铁行业存在以下核心痛点：协同难，基本生产调度主要依赖人工经验协调；优化难，炼钢和轧钢产能不匹配；溯源难，质量问题追溯时间普遍在8小时以上，部分情况甚至超过一周；预测难，例如设备故障预测准确率偏低，不足60%；此外还有决策慢和效率低。

根据钢铁行业特点和痛点，对实施策略进行了总结。第一个是战略先行，首先建立高层共识，需要企业一把手牵头。第二是数据筑基，建立统一数据平台，确保数据质量和安全。第三个是场景驱动，按照价值高、易落地的方式进行优先级排序，实现快速迭代。第四个是技术融合，钢厂注重实时数据、传统人工智能与现在大模型的结合。最后是组织结构变更，企业需要打破部门墙，对于生产流程复杂的钢铁企业，需要组建涵盖IT、OT、工艺、管理等领域专家的跨职能联合团队。

中冶京诚携星环科技构建湖仓集一体化平台，实现架构升级

中冶京诚将开始单纯的大数据平台逐步升级到当前行业内普遍采用工业互联网平台架构。企业的核心理念是：作为集成商，专注于自身专业领域。在数据中台和智能平台的建设方面，和星环科技进行合作，共同构建湖仓集一体化的数据平台；自身则聚焦于边缘侧、智能端、及企业上层应用，涵盖基于大数据平台的各类上层应用。

工厂数据流：终端三方式、存量系统接入，AI/数据中台构建应用

工厂基础数据流架构中，终端设备数据主要通过三种方式进入平台中。首先，秒级数据经网关进入到资源IOT平台后，通过Kafka汇入数据平台。毫秒级数据（如轧钢控制数据）则由高速采集程序处理后，通过Kafka直接进入平台。此外， 对于高频数据（如2万赫兹震动传感器数据），通过采集打包的方式接入。

存量系统IT部门层面，工厂二级系统、检化验系统、ERP系统、计量系统等IT系统，通过京诚自研的统一技术平台实现接入。由于存量系统接口类型多样，目前主要通过CDC或OGG的方式，从底层数据直接将边缘层加载到整体平台。AI中台与数据中台直接对接，基于上述平台构建了质量、能源、工艺的相关应用，包含例如管理驾驶舱的决策。

质量应用全流程监控：四设计思路+五大核心功能，构建PDCA循环

以质量应用产品为例，设计思路如下：首先是构建全流程监控，实现质量管理从事后管控转变为事中与事前；第二是进行数据分层；第三是性能全面的数据集成，通过一个入口和主线即可实现全流程跟踪；最后是质量的闭环管理，通过数据采集、聚合、分析、反馈形成良好闭环。

质量应用的核心功能分为五大块。首先是跟踪平台，主要进行生产过程中的实时监控和风险预警，强化事中管理。第二是质量诊断平台，进行产成品的质量等级识别，例如通过质量等级实现质量精细化管理。第三是质量追溯平台，可以对整个生产过程进行全面复现，实现质量风险的根源有据可查。第四是质量分析平台，通过结合分析工具和场景化分析，全面探查全流程指标体系内在特征，构建质量分析知识库。最后是反馈平台，可以将所有跟踪、诊断、分析的结果反馈回一线指导生产，最终实现整个PDCA的循环。

质量应用架构：原料到成品全流程实时监控，数据汇总展现

质量应用的架构显示了整个业务的全流程：从原料进厂到铁前、铁水、炼钢产线、轧钢产线、再到成品。

在整个过程中构建了一些应用的典型界面，例如实时页面，通过跟踪整个工序，将告警信息体现出来；此外还有实时事件跟踪、过程检化验跟踪、事中告警实时推送等实时画面，还有针对钢轧过程的质量评估、追溯、质量分析的实时画面，以及夹杂物不合格数据集和碳偏析特征域的分析；最终将以上数据汇总形成质量看板和质量驾驶舱。

中冶京诚AI模型支撑60+钢铁工业全流程场景，持续推进大模型应用探索

企业内构建了大量人工智能模型，支撑了60+的场景应用，覆盖了铁钢轧的全流程：涵盖原料进厂、轧钢、以及最终产品出厂的全流程。其中生产物流跟踪和生产质量检测基本基于CV模型，生产质量预测则基本基于数据模型。

目前中冶京诚正积极探索大模型相关应用。一方面作为星环科技产品的使用方，在集团内推进数据治理和大模型应用工作；另一方面，集团作为集成商向用户推广相关平台。尽管知识库等工具已在集团内得到应用，但在工业领域实用性不强。鉴于工业企业尤其是钢铁制造企业对数据精准度要求极高，数据幻觉可能产生较大影响。因此过去十余年间，中冶京诚在钢厂开展的工作多围绕数据展开，重点在于推进数据治理和提升数据质量。

基于集团考量，当前在大模型应用的探索聚焦于两大核心场景：智能协同调度和跨工序质量管控。智能协同调度可实时预测工序状态，动态优化生产排程，并快速响应生产扰动。跨工序质量管控，基于上游数据预测下游质量，快速溯源异常，优化工艺参数。技术路径主要涵盖三方面：一是多模态数据应用，将不同数据映射至统一向量空间，实现跨系统数据的对齐与融合；二是借助知识图谱进行增强；三是运用联邦学习技术。

通过全流程协同优化，旨在打破工序壁垒，提升生产效率；通过跨工序质量预测与闭环控制，实现质量控制的主动防御；推动从经验驱动向数据与模型双驱动转变，实现精准决策；同时，借助大模型辅助研发新材料、新工艺，大幅缩减新材料的研发时间。目前，上述探索工作均在有序推进中。

来源：星环科技