我国此举旨在抢占AI赋能实体经济的战略先机，构筑新一轮产业革命中的核心竞争力。从国内产业发展视角看，钢铁行业面临着生产效率提升、成本控制、绿色低碳转型等诸多挑战，《意见》的出台为钢铁行业提供了清晰的转型方向与强有力的政策支撑，是推动产业迈向高质量发展的关键一环。
新出台的《意见》是在行业近几年实践经验之上的升级指引。对钢铁行业而言，这标志着行业正从单点的智能应用向全流程、系统化的应用实践迈进。未来的钢铁生产，将呈现数据驱动的精准制造、虚实结合的智能优化以及绿色低碳的可持续发展等特征。抓住此次人工智能政策的有利契机，我国钢铁工业有望实现从规模领先到技术引领的跨越式发展。
《中国冶金报》记者：最近一段时间，“AI+钢铁”成为钢铁行业的热门提法，您认为有哪些概念需要厘清？在您看来，“AI+”在哪些场景应用潜力最大？请谈谈您对于正确推进“AI+钢铁”的建议。
王军生：“AI+钢铁”绝非浅尝辄止的“技术嫁接”，而是AI技术与钢铁全产业链的深度融合与创新变革。它是一个系统性工程，全面涵盖了从原料采购、生产制造、质量管控到产品销售及售后服务等各个环节，必须杜绝为了应用AI而盲目跟风的现象，确保AI技术的应用与实际生产需求紧密结合，从而创造出真正的价值。
在钢铁行业，AI有诸多适用场景。在生产优化方面，鞍钢集团在智能制造进程中，借助AI技术对3D（危险、脏乱、困难）岗位作业进行优化，显著提升生产效率与安全性；在质量管控层面，视觉AI检测在冷轧板表面检测等场景得到广泛应用，大幅增强产品质量稳定性；在绿色低碳领域，AI用于能源调度优化，依据生产工况实时调整能源分配，有效降低钢铁生产过程中的能源消耗与碳排放。另外，AI在工艺模型的参数优化，材料研发过程中成分、组织和性能分析等领域也有实际效果。
然而，整体观之，以大语言模型为代表的AI技术，目前仍主要应用在管理和办公辅助领域，在生产、质量、能源等钢铁行业现场应用方面正在开展积极的应用探索。基于行业实践，笔者对推进“AI+钢铁”有如下建议。
一是筑牢数据根基。钢铁企业要构建统一、规范的数据标准体系，整合矿山开采、炼铁、炼钢、轧钢等全流程数据，提高数据质量与可用性，为AI模型训练提供优质“养料”。
二是从小范围场景试点起步。钢企应选取痛点突出、效益易评估的环节（如高炉风口诊断、钢材表面缺陷检测等），验证技术可行性与效益后再逐步推广复制，避免大规模铺开带来的风险。
三是构建“老工匠+新专家”的协同团队。安排经验丰富的钢铁工艺专家与AI技术人才结对，工艺专家传授行业知识、实际操作要点，AI人才助力将经验转化为算法模型，实现优势互补。
四是紧盯价值创造。每个AI项目都要设定明确的效益目标与回本周期，严格评估投入产出比，确保智能化改造切实为企业降本增效、提升竞争力。
总之，“AI+钢铁”并非简单的技术叠加，而是深度融合、协同创新的过程。唯有理性厘清概念、精准匹配场景、优化数据质量、科学推进实施，方能真正为钢铁行业注入新动能，达成智能化转型升级的目标。
| 
