日前，上海市正式发布《加快推动“AI+制造”发展的实施方案》，明确提出通过三年时间打造10个行业标杆模型、形成100个标杆智能产品的目标。政策发布后，记者深入探访华院计算技术（上海）股份有限公司，见证其自主研发的钢铁行业大模型如何将AI技术深度融入工业血脉，在钢铁行业实现从“实验室突破”到“产业化落地”的跨越。

破解工业 “三高” 难题

工业场景的“高准入门槛、高运营成本、高安全风险”，曾是AI技术落地的“拦路虎”。华院计算智能制造事业部副总经理杨晶晶在采访中直言，钢铁行业的特殊性让通用AI模型难以适配——既要面对99%以上的检测准确率要求，又要应对工业数据收集成本高、样本量少的现实困境，“传统通用大模型做热轧表面缺陷检测，得要百万张标注图片，可钢铁厂哪有这么多精力和成本去做数据标注？”

华院计算的破局之道，在于认知智能引擎平台的技术创新。针对“高准入门槛”，该平台通过“数据+知识”双轮驱动，将专家经验转化为可计算的知识图谱，仅需数千张图片就能训练出准确率超预期的缺陷检测模型，样本量需求仅为通用模型的千分之一，通过模型迭代可以大幅降低中小钢铁企业AI接入成本。

在“高运营成本”破解上，模型的精准决策直接转化为企业效益：某钢铁行业巨头，其表面缺陷检测识别准确率从传统的人工70%提升数十个百分点，单条产线年省成本超几百万元；铁前智能配矿环节，通过全链条数据优化矿石配比，预计年降原料成本几个百分点以上。

针对“高安全风险”，技术提前埋下防护伏笔。杨晶晶透露，模型目前可以将通过耐高温传感器与边缘计算等算力的结合，深入到一线关键工艺段进行辅助以往人工操作触及不到的地方，“先降风险，再提效率，这才是工业AI的节奏。”

AI 超级员工“举一反三”

从智能配煤到表面缺陷检测，再到计划向有色、矿山、能源领域拓展，华院计算的钢铁行业大模型正以“举一反三”的能力，从单点优化走向多场景覆盖，成为真正的“AI超级员工”。

“2019年刚入局时，我们先抓最核心的成本痛点——智能配煤。”杨晶晶回忆，某钢铁企业曾因配煤依赖人工经验，各类煤炭成分波动导致焦炭配比质量无法精准预测，“模型把老师傅的‘手感’转化为算法，结合煤质数据实时调配比，很快稳住质量、降了采购成本。”

这次实践让团队看到模型“迁移能力”的潜力。随后切入表面缺陷检测场景，通过多模态融合技术，模型既能解析微小的缺陷图像，又能理解“纹路发暗可能是夹杂缺陷”这类抽象经验，实现“检测+诊断”双功能——在某钢铁巨头热轧产线，毫秒级识别数十种缺陷的同时，还能反向推导成因，为工艺优化提建议。

如今，“AI超级员工”的能力还在延伸：团队正将技术复制到有色、矿山、能源等重工业领域，这些行业与钢铁的高准确率、高专家知识需求高度契合。人才结构也随之升级，某钢铁厂质检岗从15人精简至3人，节省人力转向AI运维、工艺优化，“现在钢铁厂常招人工智能专业人才，工业人才结构在重构。”

工业AI开启全球化布局

依托上海“AI+制造”政策红利与生态支撑，华院计算的钢铁行业大模型既在国内形成可复制的落地范式，也逐步开启全球化布局。

在国内，上海构建的“技术突破-场景落地-生态协同”闭环提供了关键支撑：2025世界人工智能大会期间成立的宝联登工业平台、工业智算云平台等三大基础设施，已为企业提供超100PFlops算力。

目前，华院已入选上海市“AI+制造”高质量专业服务商，其“智能表面缺陷检测”案例更成为全国新型工业化标杆。“上海‘算力-数据-算法’三位一体的赋能，让模型迭代周期从6个月缩至45天，落地效率提升30%。”杨晶晶说。

在全球市场，模型已随“一带一路”布局出海：墨西哥某钢铁厂通过其软硬一体的智能质量管控系统，可以有效的提高产品良品率，降低碳排放。“出海不是技术搬运，安全是底线。”杨晶晶强调，团队优先与中资海外企业合作，通过算法与硬件深度绑定、国密算法加密，构建工业数据跨境安全防护体系，确保技术可控、数据安全。

当钢铁遇见算法，杨晶晶认为，AI并非工业的“替代者”，而是激活产业基因的“催化剂”。它不仅能优化生产效率，更能推动产业人才结构升级、技术标准迭代。未来，随着有色、矿山、能源、化工等领域的AI超级员工陆续上岗，工业智能化的浪潮将重塑更广阔的产业版图。

头图为钢铁行业的“智慧大脑”，受访企业供图