一个垂域大模型如何改写钢铁生产线？｜山东人工智能垂域大模型系列报道

（原标题：一个垂域大模型如何改写钢铁生产线？｜山东人工智能垂域大模型系列报道）

以前，钢铁工人站在炉前，高温、粉尘、煤气的环境常让他们苦不堪言，巡检一圈全身熏黑；现在，机器狗1小时检测36个风口小套，隐患识别率99.2%，代替了人的辛苦劳动，工人实现了从“黑领”向“白领”的转变。以前，配矿靠人工，4小时才能完成；现在，智能配矿2分钟完成，工人坐进有空调的集控中心……

带来这一变化的，正是山鼎云科信息技术股份有限公司（下称“山鼎云科”）自主研发的尚智大模型。该模型于2025年12月30日推出，把钢铁行业数十年沉淀的工艺经验、老师傅隐性知识，转化成可计算、可迭代、可复用的数字化工艺资产，让机器学会钢厂的“生产智慧”。

山鼎云科是山东钢铁集团有限公司（下称“山钢集团”）旗下信息技术产业公司，承接集团全部数字化转型业务，拥有海量真实的全链条生产场景，为冶金垂类大模型的打磨迭代提供了试验土壤。

目前，尚智大模型已孵化128项工业场景应用，在山钢集团内部已有105个场景正式上线，推动山钢集团综合管理效率提升70%以上，实现从依靠人工经验管理向依托智能数据决策的转型。

数智化转型实现的降本增效，成为企业经营改善的重要助力。根据山东钢铁（600022.SH）2025年年报，公司全年实现营业收入672.53亿元，归母净利润1.06亿元，较上年同期大幅增长，成功实现扭亏为盈。

自研破局

山鼎云科为何走上自研大模型的道路？国内钢铁行业数字化转型已是大势所趋。根据中国钢铁工业协会的调研数据，截至2025年，95.1%的钢铁企业将数字化转型战略融入企业发展战略中，81%的企业探索开展大模型应用。

但从行业整体落地效果来看，多数企业仅停留在浅层试用阶段，通用大模型难以适配钢铁生产专属场景，行业亟需专属垂类大模型实现深度赋能。

更深层的动因来自山钢集团自身的转型需求。山鼎云科副总经理兼财务总监孙玮介绍，集团过往精益生产高度依托5S、6S管理体系与一线工人经验，但人力存在精力、操作稳定性的天然局限；新材料研发长期沿用对标试错模式，周期长、成本高。该集团亟待把生产模式从依赖人工经验，转为依靠技术驱动。

尚智大模型从2024年末启动，1.0到2.0版本整体研发投入已过千万元。该模型采用通用底座+冶金行业垂类模型的双引擎核心架构。此外，该模型还可孵化适配工业现场的行业小模型，针对部分产线需要秒级实时推理的场景，依托工业软件生成轻量化小模型，让AI能力嵌入生产执行细节。

在场景规模化推进过程中，钢铁行业智能化转型存在共性痛点和实操难点。山鼎云科主任师张传臣表示，钢铁行业信息化建设历经多轮建设，由不同厂商承建，MES、ERP等系统各自为政，数据口径不统一，形成大量信息孤岛；老师傅的实操经验是行业核心竞争力，但标准化作业指导书仅记录操作流程，无法传递操作背后的逻辑与现场变通经验；大量采集数据长期闲置、未被有效利用，造成有效样本不足，直接影响模型训练效果。

“其中，最大的现实堵点是高质量标准化数据资产缺失与传统工艺经验数字化沉淀不足。”张传臣介绍，钢铁行业核心工艺、实操技巧多依赖资深专家经验，隐性知识难以数字化、标准化，同时零散的生产数据无法形成有效训练样本，导致优质AI模型迭代难、落地不稳，成为制约场景规模化复制的核心瓶颈。

针对上述痛点，研发团队分三步应对：第一步打通系统，2025年10月，上线以产供销财为核心的20套主要系统，消除信息孤岛；第二步治理数据，对集团全域数据摸底梳理，将15个核心系统拆解至字段级，完成200余个菜单、3000多个页面、近万张数据表、23万个字段的标准化治理；第三步建设数据集，目前已实现12个系统、2868张表的数据入湖，构建高质量数据集，把分散的原始数据加工为可直接供AI调用的标准化数据资产。

场景落地

2026年，山钢集团定下全年落地100个“AI+”场景的目标，搭建“通用基座+尚智冶金垂域大模型”双引擎底座，建立标准化全流程场景推进机制。

截至目前，山钢集团累计梳理215项AI场景清单，已有105个场景正式上线，提前超额完成年度目标，覆盖钢铁生产、智能质检、精准配矿、设备巡检、安全管控、经营管理等关键环节，一批标杆应用实现落地。

在大量场景落地的同时，智能化也正在重塑钢铁一线的作业形态。孙玮表示，2008年，钢铁冶炼岗位属于典型的高温、高危、高劳动强度“三高”作业环境。过去设备巡检完全依靠人工，不仅工作效率低下，还存在巡检盲区多、人身安全风险突出。

如今，尚智大模型孵化出的视觉小模型，部署在机器狗终端上，1小时就能完成36个风口小套的全面检测，隐患识别率高达99.2%。工人不再站在炉前操作，而是集中在有空调、温度适宜的集控中心和调度室工作。

生产核心环节的智能化成效更为突出。国内首台（套）连铸坯低倍组织智能判定系统落地应用，缺陷评级准确率达98.01%；钢包AI智能排程调度系统实现全程精准追踪，识别准确率超99%，每年节约电费470余万元；智能配矿场景将传统4小时人工配矿流程压缩至2分钟，效率提升99%以上。

亮眼成果的背后，离不开一套适配工业现实的落地方法论。山鼎云科人工智能研究院技术总监杨龙表示，工业生产对连续性、稳定性要求极高，新技术不能贸然直接替换现有生产模式。为此，尚智大模型采用人机并行的落地策略，在研发试运行阶段，保持人机协同作业，只有充分验证技术可靠性之后，才分阶段释放替代能力。

以自动转钢场景为例，整套方案从试点到全面落地历时两年。考虑夜班劳动负荷更高，工人更容易产生疲劳，项目优先选择夜班开展测试；待系统在夜班工况运行稳定，各项生产指标优于人工操作水平，再将方案复制到白班，最终实现全天候全岗位替代，原有人员转向其他生产、技术岗位。

商业化层面，尚智大模型走的是内部打磨、外部输出的路径。优先基于山钢集团内部真实业务需求完成场景开发，沉淀形成可复制、可对外推广的解决方案，再向外部市场辐射拓展。现阶段，该模型对内覆盖山钢全部12家权属单位，对外已经服务十余家外部钢铁企业。

例如，在永锋集团，助力烧结机智能监测系统实现运行异常预警率95%以上；在日照基地，助力中厚板厂自动转钢系统单次操作耗时缩短0.2秒，作业效率大幅提升。目前，尚智大模型正加快推进在莱钢银山型钢板带厂自动转钢系统的应用，自动化控制系统进入调试阶段；应用于集团采购领域的合同比对系统已上线运行。

此外，尚智大模型向外拓展主要分为两大赛道：一是矿山、焦化、有色冶金等流程工业，配矿相关方案已经在外省钢铁、有色企业落地；二是装备制造、新材料等离散行业，围绕智能质检、工艺优化、智能排产提供技术赋能。

随着钢铁生产场景持续拓展，尚智大模型还需要不断增强自主学习与处理多元信息的能力。杨龙透露，尚智大模型3.0已经明确后续演进方向，未来将具备自主推理、自主训练能力，同时实现对视频内容的自动标注与问题识别，进一步拓展大模型在工业现场的应用边界。