AI赋能|钢铁“智慧高炉”如何实现高效低碳生产？

作为钢铁制造的核心环节，高炉环节的成本约占生产总成本的七成，其能否长期稳定运行直接关乎企业的利润水平。

高炉环节贡献了钢铁生产约70%的成本和超过60%的碳排放。炉内温度每减少10摄氏度的波动，每吨铁水即可节约1公斤焦炭，对应成本降低约3元。这表明，若能实现对炉温的精准调控，将为钢铁企业创造可观的经济效益与环保价值。

搭载AI“大脑”的宝钢股份宝山基地2号高炉。受访单位供图

2026年4月3日，在宝钢股份宝山基地炼铁控制中心，全球首座AI智慧高炉成功产出铁水。这是宝钢股份近年来引入AI技术构建大模型，逐步攻克炉温精准预测难题的成果，为钢铁行业的智能化转型贡献了“将经验数据化、使模糊操作精准化”的实践范例。

技术革新背后的深层考量

在宝钢股份宝山基地控制中心的大屏幕上，可以清晰看到远处2号高炉出铁口，炽热的铁水奔腾翻涌，铁花四溅。

这一看似平常的工业景象背后，实则蕴藏着一场触及生产根本的产业变革。从古代的手工冶炼，到近代的机械化高炉，再到如今由AI智能掌管的炉体，炼铁技术的每一次飞跃，都标记着工业文明的演进足迹。

据介绍，长期以来，高炉生产主要依靠经验判断。在传统模式下，经验丰富的老师傅需要通过一个直径仅约2厘米的滤镜，观察炉内火焰颜色与煤流状态来综合评估温度。正如一位老工人所言，师傅们需凭借经验察看风口和铁水状况来判断炉温，其过程类似中医的“望闻问切”。

这种高度依赖人工经验的模式存在诸多痛点：炉内状态难以看清、操作反馈存在延迟、连锁反应不易控制、经验技艺难以传承。高炉内部关联参数超过两万个，错综复杂如同蛛网；一个操作指令的反馈往往需要数小时的滞后时间；数据颗粒度不一，时空特征复杂多变。

以往，高炉生产高度依赖经验判断。受访单位供图

随着这座“具备思考能力”的2号高炉投入运行，它将老师傅数十年积累的“手感”与大数据、云计算技术深度融合，不仅让原本难以窥探的炉内“黑箱”变得透明可视，还能预测未来两小时的炉温变化趋势，并自动给出调整指令，实现了高炉运行的智能化管控。

中国宝武宝钢股份总经理刘宝军介绍，“炉内反应温度高达2300多摄氏度，几乎没有检测设备能直接伸入观察内部变化。但借助大模型技术，工程师们将企业十多年来积累的原料、烧结、炼焦、高炉等多个工序的海量数据，经过深度治理后，在不同产品和工序上应用模型辅助，由易到难、循序渐进，最终构建起高炉专属模型。”

AI驱动生产模式创新

数据显示，该项目的核心模型预测准确率与控制采纳率均超过90%，炉温控制精度与铁水质量稳定性显著提升，燃料消耗持续降低，单座高炉同时实现了降本增效与低碳减排的双重目标。

宝钢股份炼铁厂厂长张代华介绍，目前，该模型对两小时后的铁水温度和硅元素含量的预测准确率均已超过90%，并已实现全自动闭环控制。模型投入使用后，炉况运行平稳顺畅，炉温稳定，高炉燃料消耗降低约每吨铁水2公斤，碳排放减少约每吨铁水5公斤，单座高炉年降本效益超过千万元。

简言之，智慧高炉的核心突破在于，完成了从“依赖经验”到“数据驱动”、从“被动响应”到“主动预判”的转变。

钢铁生产，如今拥有了智能监测平台进行精准预测。受访单位供图

高炉大模型以华为盘古大模型为基础，涉及两万个颗粒度各异的高炉参数。研发团队将图像、声音、事件等不同结构的数据“翻译”成模型能够理解的语言，构建起任意两个数据之间的关联关系。

该模型每十分钟可进行一次预测，实现了从“被动响应”向“主动预测与调控”的转变，如同为钢铁制造安装了一套“自动驾驶系统”，能够实时感知“路况”、预判风险、自动调整“方向盘”和“油门”。此外，它还具备“学习”能力，每次运行产生的数据都会回传用于训练，使其变得越来越“聪明”。

不仅是高炉环节，宝钢股份的母公司中国宝武集团正规划构建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，延伸应用到钢铁生产的原料、炼铁、炼钢、轧钢、新材料研发等全流程，覆盖连铸质量根因分析、热轧板型预测、钢材表面质量检测等上百个应用场景。

截至目前，宝钢股份已持续上线近300个AI应用场景，打造了5条AI标杆产线，不断深化冶金机理、专家经验与大模型技术的融合，形成了钢铁智能化应用建设的有效实践路径。