對話王國棟：人機協同，讓高爐更“綠”也更省

對話

鋼鐵工業是國民經濟的重要基礎產業，是建設現代化強國的重要支撐，也是推進新型工業化的重要領域和關鍵環節。當前，行業發展已經進入由規模效益向質量效益轉變加速演進期。隨著黨的二十屆四中全會的勝利召開，“十五五”規劃藍圖將“加快高水平科技自立自強，引領發展新質生產力”作為戰略任務進行專章部署，為鋼鐵這一傳統支柱產業的轉型升級指明了智能化、綠色化的發展方向。

中國科協之聲邀您一起對話壓力加工專家，中國工程院院士王國棟，看他和他的團隊如何以“人機協同”走出一條獨特的中國式智能煉鋼之路。

人物簡介

王國棟，壓力加工專家，中國工程院院士，東北大學教授，“學術科協”科學智能專家委員會委員。長期以來從事鋼鐵材料軋制理論、工藝、自動化、數字化轉型等領域的應用基礎和工程技術的研究。

在新一代人工智能深度賦能實體經濟的背景下，鋼鐵行業作為國民經濟支柱產業，數字化、智能化轉型關乎工業現代化進程，鋼鐵行業的價值標尺正在重塑。一些頂尖鋼鐵產品已不再以“噸”為單位進行交易，而是進入論“克”賣的精微價值體系。

王國棟團隊堅持產學研深度融合、科技創新與產業創新深度融合、人工智能技術創新與鋼鐵產業深度融合，深耕“AI+鋼鐵”領域數十年，從20世紀80年代末探索鋼材熱軋組織性能預測起步，歷經神經網絡應用、大數據融合到混合智能創新，形成了一套契合鋼鐵行業特性的智能升級路徑，為破解行業“黑箱”困境、實現高質量發展提供了關鍵思路。

破解“黑箱”難題

我國鋼鐵行業經過數十年技術引進與自主創新，已實現裝備與信息化水平的國際領先，可滿足國民經濟90%以上的用鋼需求，并且在“雙碳”目標推動下探索出多條綠色化路徑。但王國棟指出，鋼鐵行業在數字時代面臨著全流程的“黑箱”難題，這是智能化升級的最大瓶頸。

所謂“黑箱”，是指生產過程中材料內部物理化學變化極其復雜，具有“多相共存、多變量、強耦合、非線性和大滯后”等特征，“看不見，摸不著，測不了”，難以實時監測與控制，導致生產過程存在巨大不確定性，嚴重影響產品質量、生產效率與能源消耗。王國棟指出，由于鋼鐵生產的“黑箱性”，傳統依靠經驗與理論建模的方法難以實現精準控制。

早在20世紀80年代末，王國棟團隊便開始關注國際上前沿的“組織性能預測”研究，嘗試將物理冶金模型引入熱軋過程。進入90年代，隨著人工神經網絡技術的興起，他們開始將AI方法與傳統模型結合，逐步走向“數據+機理”雙驅動的路徑。2014年后，隨著大數據與人工智能技術的成熟，團隊進一步采用“混合智能”理念，即將數據智能、物理智能與人類生物智能相結合，構建“人機協同”的智能系統。

在實際應用中，團隊在鞍鋼5.5米厚板軋機、冷軋廠和硅鋼廠等生產線建設中試基地，建立邊緣側的人機協同的數據處理與控制系統，實現了對“黑箱”過程的“透明化解析”和生產過程的短時延、高精度自主無人控制。在煉鐵環節，通過人機協同的AI優化高爐操作，提高了鐵水質量，減少了焦炭消耗與二氧化碳排放，每噸鐵水成本降低約30元。這些成果不僅驗證了AI技術在鋼鐵主流程中落地的可行性，也為全行業提供了可復制的技術路徑。

讓AI和人類“搭伙干”

面對鋼鐵行業的復雜性，傳統的“純理論/經驗驅動”與AIGC的“純數據驅動”這兩種技術路徑都存在局限。王國棟強調，新一代人工智能不再是簡單的工具性應用，而是一種新型科研范式的核心驅動力，這就是“數據密集、智能涌現、人機協同”的三元方法論。這一范式突破了傳統“觀察-假設-驗證”的線性科研模式，通過多源數據驅動、交叉融合智能涌現，以及人機協同，實現了對復雜系統認知的質的飛躍。

在具體實踐中，“人機協同”成為關鍵抓手。王國棟表示，單純依賴大數據機器學習在鋼鐵這類流程工業中“行不通”，必須引入人類的理論知識與經驗判斷，形成“知識引導+數據驅動”的雙輪驅動。

“例如，在軋制過程中，通過建立人機協同的軋制力預測與多智能體協調控制系統，實現了厚度、張力、板形等多目標的動態優化，提升了成材率與控制精度。”王國棟表示。

此外，王國棟還將“端到端”解法應用到鋼鐵等流程工業，將生產過程輸入的操作量直接映射到輸出，避開了中間復雜的物理化學變化，顯著降低了建模難度，提高了控制效率。該方法已成功應用于熱軋、冷軋、連鑄等各個環節，形成了具有自主知識產權的工業軟件體系。

在系統架構上，團隊構建了“云-邊-端”三級協同的數字化底座。“端-邊”的人機協同負責操作量的數據處理與實時過程控制，云-端的人機協同負責資源配置與管理，通過“邊-端”“云-端”的數據同步與智能分析實現閉環優化。這一架構不僅響應快、精度高，還具有較強的保密性與適應性，符合鋼鐵工業控制的高可靠性要求。

構建AI+鋼鐵的產業創新生態

經過多年實踐，“AI+鋼鐵”已從技術探索走向規模化落地，在降本、提質、增效、綠色化等方面成效顯著，但在王國棟看來，目前距離習近平總書記提出的“堅持自立自強，突出應用導向”仍有很大距離。他指出，一些企業仍存在“應用碎片化”“場景驅動”“非數據驅動”等問題，對AI的理解還停留在“機器人”“無人小車”等外圍，未能深入核心環節和全流程、全生產要素應用。

為推動AI技術在鋼鐵行業的規模化落地，王國棟提出應構建“企業主導、產學研用深度融合”的創新生態。政府應發揮引導作用，在政策制定中不僅關注產品“精度”，更要強調“性能”與“組織”控制，推動標準體系與評價機制的更新。行業組織如鋼協應牽頭成立“AI+鋼鐵”協同創新聯盟，整合資源、匯聚隊伍、統一方向，避免重復建設。

在人才培養方面，團隊早在四年前便開始在東北大學開設AI與鋼鐵融合的課程，覆蓋本科生與研究生，并吸引校內外專家參與。他強調，未來鋼鐵行業需要的是既懂鋼鐵專業知識、又懂數據技術的復合型人才，高校應加快學科交叉與課程重構，推動“人工智能+”通識教育貫穿全程。

展望2025-2035年，王國棟提出“AI+鋼鐵”行動的三階段規劃：2025-2026年重點打造全流程一體化樣板生產線，制定標準與驗收體系；2027-2030年推廣至30條以上產線；2031-2035年實現全行業覆蓋，最終建成“人機協同、跨界融合、共創分享”的智能鋼鐵新形態。

“鋼鐵行業的AI轉型，不是‘推倒重來’，而是以最低成本激活數據價值。”王國棟強調，這一路徑不僅能推動鋼鐵行業高質量發展，更將為工業領域智能化轉型提供可復制、可推廣的“中國方案”。

責　　編：高雅麗　鄧涵文

審　　核：張敬一

值班編委：宋玉榮