九游会官方：对话王国栋：人机协同让高炉更“绿”也更省

九游会网站：

  钢铁工业是国民经济的重要基础产业，是建设现代化强国的重要支撑，也是推进新型工业化的重要领域和关键环节。当前，行业发展已确定进入由规模效益向质量效益转变加速演进期。随着党的二十届四中全会的胜利召开，“十五五”规划蓝图将“加快高水平科技自立自强，引领发展新质生产力”作为战略任务进行专章部署，为钢铁这一传统支柱产业的转型升级指明了智能化、绿色化的发展方向。

  中国科协之声邀您一起对话压力加工专家，中国工程院院士王国栋，看他和他的团队如何以“人机协同”走出一条独特的中国式智能炼钢之路。

  王国栋，压力加工专家，中国工程院院士，东北大学教授，“学术科协”科学智能专家委员会委员。长期以来从事钢铁材料轧制理论、工艺、自动化、数字化转型等领域的应用基础和工程技术的研究。

  在新一代人工智能深度赋能实体经济的背景下，钢铁行业作为国民经济支柱产业，数字化、智能化转型关乎工业现代化进程，钢铁行业的价值标尺正在重塑。一些顶尖钢铁产品已不再以“吨”为单位做交易，而是进入论“克”卖的精微价值体系。

  王国栋团队坚持产学研深层次地融合、科学技术创新与产业创新深层次地融合、人工智能技术创新与钢铁产业深层次地融合，深耕“AI+钢铁”领域数十年，从20世纪80年代末探索钢材热轧组织性能预测起步，历经神经网络应用、大数据融合到混合智能创新，形成了一套契合钢铁行业特性的智能升级路径，为破解行业“黑箱”困境、实现高水平质量的发展提供了关键思路。

  我国钢铁行业经过数十年技术引进与自主创新，已实现装备与信息化水平的国际领先，可满足国民经济90%以上的用钢需求，并且在“双碳”目标推动下探索出多条绿色化路径。但王国栋指出，钢铁行业在数字时代面临着全流程的“黑箱”难题，这是智能化升级的最大瓶颈。

  所谓“黑箱”，是指生产的全部过程中材料内部物理化学变化极其复杂，具有“多相共存、多变量、强耦合、非线性和大滞后”等特征，“看不见，摸不着，测不了”，难以实时监测与控制，导致生产的全部过程存在巨大不确定性，严重影响产品质量、生产效率与能源消耗。王国栋指出，由于钢铁生产的“黑箱性”，传统依靠经验与理论建模的方法难以实现精准控制。

  早在20世纪80年代末，王国栋团队便开始关注国际上前沿的“组织性能预测”研究，尝试将物理冶金模型引入热轧过程。进入90年代，随着人工神经网络技术的兴起，他们开始将AI方法与传统模型结合，逐步走向“数据+机理”双驱动的路径。2014年后，随着大数据与人工智能技术的成熟，团队进一步采用“混合智能”理念，即将数据智能、物理智能与人类生物智能相结合，构建“人机协同”的智能系统。

  在实际应用中，团队在鞍钢5.5米厚板轧机、冷轧厂和硅钢厂等生产线建设中试基地，建立边缘侧的人机协同的数据处理与控制管理系统，实现了对“黑箱”过程的“透明化解析”和生产的全部过程的短时延、高精度自主无人控制。在炼铁环节，通过人机协同的AI优化高炉操作，提高了铁水质量，减少了焦炭消耗与二氧化碳排放，每吨铁水成本降低约30元。这些成果不仅验证了AI技术在钢铁主流程中落地的可行性，也为全行业提供了可复制的技术路径。

  面对钢铁行业的复杂性，传统的“纯理论/经验驱动”与AIGC的“纯数据驱动”这两种技术路径都存在局限。王国栋强调，新一代人工智能不再是简单的工具性应用，而是一种新型科研范式的核心驱动力，这就是“数据密集、智能涌现、人机协同”的三元方法论。这一范式突破了传统“观察-假设-验证”的线性科研模式，通过多源数据驱动、交叉融合智能涌现，以及人机协同，实现了对复杂系统认知的质的飞跃。

  在具体实践中，“人机协同”成为关键抓手。王国栋表示，单纯依赖大数据机器学习在钢铁这类流程工业中“行不通”，必须引入人类的理论知识与经验判断，形成“知识引导+数据驱动”的双轮驱动。

  “例如，在轧制过程中，通过建立人机协同的轧制力预测与多智能体协调控制系统，实现了厚度、张力、板形等多目标的动态优化，提升了成材率与控制精度。”王国栋表示。

  此外，王国栋还将“端到端”解法应用到钢铁等流程工业，将生产的全部过程输入的操作量直接映射到输出，避开了中间复杂的物理化学变化，明显降低了建模难度，提高了控制效率。该方法已成功应用于热轧、冷轧、连铸等所有的环节，形成了具有自主知识产权的工业软件体系。

  在系统架构上，团队构建了“云-边-端”三级协同的数字化底座。“端-边”的人机协同负责操作量的数据处理与实时过程控制，云-端的人机协同负责资源配置与管理，通过“边-端”“云-端”的数据同步与智能分析实现闭环优化。这一架构不仅响应快、精度高，还具有较强的保密性与适应性，符合钢铁工业控制的高可靠性要求。

  经过多年实践，“AI+钢铁”已从技术探索走向规模化落地，在降本、提质、增效、绿色化等方面成效显著，但在王国栋看来，目前距离习提出的“坚持自立自强，突出应用导向”仍有很大距离。他指出，一些企业仍存在“应用碎片化”“场景驱动”“非数据驱动”等问题，对AI的理解还停留在“机器人”“无人小车”等外围，未能深入核心环节和全流程、全生产要素应用。

  为推动AI技术在钢铁行业的规模化落地，王国栋提出应构建“企业主导、产学研用深层次地融合”的创新生态。政府应发挥引导作用，在政策制定中不仅关注产品“精度”，更要强调“性能”与“组织”控制，推动标准体系与评价机制的更新。行业组织如钢协应牵头成立“AI+钢铁”协同创新联盟，整合资源、汇聚队伍、统一方向，避免重复建设。

  在人才培养方面，团队早在四年前便开始在东北大学开设AI与钢铁融合的课程，覆盖本科生与研究生，并吸引校内外专家参与。他强调，未来钢铁行业需要的是既懂钢铁专业相关知识、又懂数据技术的复合型人才，高校应加快学科交叉与课程重构，推动“人工智能+”通识教育贯穿全程。

  展望2025-2035年，王国栋提出“AI+钢铁”行动的三阶段规划：2025-2026年重点打造全流程一体化样板生产线，制定标准与验收体系；2027-2030年推广至30条以上产线年实现全行业覆盖，最终建成“人机协同、跨界融合、共创分享”的智能钢铁新形态。

  “钢铁行业的AI转型，不是‘推倒重来’，而是以最低成本激活数据价值。”王国栋强调，这一路径不仅能推动钢铁行业高水平质量的发展，更将为工业领域智能化转型提供可复制、可推广的“中国方案”。