7月19日，由中国钢铁（850106）工业协会、中国金属学会支持，中国国际贸易促进委员会冶金行业分会（下称“冶金贸促会”）、世界钢铁（850106）发展研究院主办，冶金工业国际交流合作中心承办的“AI赋能钢铁（850106）可持续发展研讨会”在京举办。来自协会、院校、企业等多方的代表齐聚一堂，深入探讨人工智能（885728）如何更好地服务钢铁（850106）产业、促进可持续发展。
北京科技大学（下称“北科大”）副校长焦树强，中国金属学会常务副理事长田志凌，世界钢铁（850106）协会副总干事钟绍良为会议致辞。钢协副会长、冶金贸促会会长李毅仁作题为《关于AI赋能钢铁（850106）可持续发展几点思考》的发言。中国工程院院士毛新平、朱荣，世界钢铁（850106）发展研究院院长于勇，北京科技大学冶金学部主任张建良分别作主旨报告。来自北科大、东北大学、清华大学等院校，河钢、首钢、中冶京城等企业的7名代表，全景式呈现了AI与钢铁（850106）产业深度融合的创新实践。会议由张建良、冶金贸促会副秘书长（主持工作）苏步新、河钢材料技术研究院院长张彩东、北科大人工智能（885728）学院院长张海君主持。
李毅仁在发言中结合行业经营数据指出，当前，行业发展进入“减量调整、存量优化”阶段，行业经营进入“整体微利、个体分化”周期（883436）。“在同质化微利竞争时代，除资源禀赋、物流基础、产业环境等天然条件外，以智能制造为核心的数智化转型，成为钢企突破工艺、效率、管理三重极限，重获差异化竞争优势的重要途径。”他指出。
李毅仁从第一性原理拆解了智能制造的底层逻辑，厘清信息化、数字化、网络化、智能化的递进迭代关系，明确“先进制造（883433）是本体技术，人工智能（885728）是赋能技术”。钢铁（850106）企业推进智能化，信息化、自动化、数字化、网络化是基础，必须坚持降本提质增效的目标导向，基于现有自动化信息化五层级控制系统，以工业互联网（885783）为平台，实现人、机、料、法、环的高效互联互通，依托人工智能（885728）等新一代信息技术的赋能，实现制造流程的智能化水平跃升。同时提出AI全价值链落地的三大方向：研发端，依托材料基因工程算法、机理耦合仿真模型，缩短新材料研发周期（883436）、降低试制成本、提高研发效率；生产端，以通专大模型融合为底座，坚持机理和数据驱动，打造冶金智能体，实现炼铁、炼钢、轧钢等关键工序全流程精准闭环控制，推动生产由“自动化”向“自主化”的跃升；产业链端，基于产品全生命周期（883436）服务能力和供应链建设，打通上下游数据，共建高效协同的产业生态圈。
据其介绍，截至2025年底，国内已发布239项钢铁（850106）行业智能制造标准计划和114项标准，钢铁（850106）行业拥有2家国家“领航级”智能制造培育工厂、36家国家“卓越级”智能制造培育工厂、3座“世界灯塔工厂”，智能化建设整体走在国内制造业前列。下一步，中钢协将进一步加强产学研合作，坚持应用导向、场景驱动，实施“人工智能（885728）+钢铁（850106）”行动，协同推进智能制造范式的创新与变革，赋能钢铁（850106）全价值链效率变革，推动钢铁（850106）产业智能化、绿色化、融合化高质量发展。
焦树强致辞指出，近年来，北科大始终坚持以总书记重要回信精神为指引，一体推进教育、科技、人才融合发展，依托绿色低碳钢铁（850106）冶金全国重点实验室等优势平台开展联合攻关，努力推动更多创新成果从实验室走向生产线、从技术方案转化为现实生产力。同时，学校大力培育兼备工程能力和数字素养的复合型人才，为钢铁（850106）工业绿色低碳发展提供坚实人才支撑。北科大愿以此次会议为新起点，与各方密切合作，共同服务钢铁（850106）产业高端化、智能化、绿色化转型，为建设制造强国、科技强国贡献更多力量。
田志凌在致辞中梳理了国内钢铁（850106）智能化发展的阶段性成果，并直言行业现存多项短板，包括AI、数字孪生（885820）多停留在单点场景应用，核心研发、制造环节突破不足；数据孤岛、行业标准不统一、模型泛化性差等问题普遍存在等。对此，他提出三大行业发展方向：一是坚持标准引领，掌握AI发展主动权；二是深化技术创新、融合应用，精准匹配钢铁（850106）全产业链的差异化场景需求；三是发挥桥梁纽带作用，搭建以企业为主体、产学研用结合、产业链应用连上下游贯通的协同创新生态。
钟绍良从全球钢铁（850106）产业格局角度提出，过去全球钢铁（850106）原创技术长期由欧美日主导，而当下低碳、数字化赛道上，全球钢铁（850106）创新中心已逐步东移，中国凭借完整产业链、海量应用场景，在部分领域实现领先。国内建成全球首个冶金领域国家级人工智能（885728）应用中试基地，9家全球钢铁（850106）“灯塔工厂”里中国占据3席，这是其他国家难以复制的优势。他同时提出理性发展观点，不同地区钢铁（850106）企业数字化转型没有好坏、先进落后之分，只有发展时机、节奏与竞争策略的差异。部分海外企业出于信息安全、就业考量，转型节奏偏保守，但其底层技术储备充足，行业不应简单评判转型快慢。
毛新平作题为《AI赋能钢铁（850106）材料可持续发展的思考》的主旨报告。他认为，钢铁（850106）工业的未来必然是可持续发展，如何借助AI来推动尤为重要。在“十五五”粗钢减量1亿吨、行业能耗与碳排放双降5%的指标下，采用以废钢为代表的再生钢铁（850106）材料是必然之举。但废钢包含20余种残余元素，各类元素相互耦合，直接影响钢材组织与性能，不同工艺、不同钢种对残余元素容忍度存在临界阈值，传统试验手段难以穷尽变量。“要找到废钢残余元素影响性能的临界阈值，实验量可达105量级，传统方法预测精度不足，必须依靠AI搭建数据库、训练预测模型。”毛新平点明AI不可替代的核心价值。
朱荣在题为《钢铁（850106）摇篮-低碳智冶启未来》的主旨报告中，分享了团队在低碳冶金技术产业化方面的突破，同时也点出了低碳与智能融合发展面临的挑战。据其对钢铁（850106）企业的观察，很多钢企投入大量精力研发应用大模型，但其底层硬件存在明显短板——多数高端检测仪表、PLC控制系统依赖进口，这是智能化转型最大的隐患。他提出，行业不能盲目追逐AI大模型热潮，必须同步推进高端装备（885427）、精密仪器国产化；同时依托源网荷储协同AI系统，解决绿电波动与电炉冶炼稳定生产的匹配难题，推动炼钢流程向近零碳转型。
于勇从底层控制理论揭示了AI对钢铁（850106）工业的范式革新。他表示，传统PID控制是依靠线性逻辑处理复杂工业过程，面对钢铁（850106）生产强耦合、非线性工艺问题，只能通过简化模型、妥协参数规避难题，大量质量缺陷、工艺波动均由此产生；若依靠纯数学建模解决，成本极高，难以落地。他提出“拓扑差”控制的概念：PID是“点对点线性追踪”，仅追求单一工艺参数达标；拓扑差控制则是“场域全域拟合”，以最优工况完整数据图谱对标实时生产全维度数据。以烧结烧透点控制为例，传统PID仅依靠单一风箱温度调节台车速度，AI则整合全部风箱温度曲线形成全域温度场，可大幅降低返矿率、稳定烧结矿质量。
张建良聚焦炼铁工序AI落地实践，系统梳理了机器视觉（886002）、数字孪生（885820）、高炉大模型等十余项成熟应用，但同时提出，高炉作为行业最大“黑箱”，炉内核心区域缺少实时定量感知手段、关键点位传感器（885946）覆盖不足、跨工序模型未打通、复合型人才缺口巨大等问题突出。行业急需统一炼铁智能化系统评价标准，搭建智能创新联盟，并通过多学科深度交叉、产学研用紧密协同，补齐复合型人才短板，以真正实现炼铁长周期（883436）、低成本、稳定顺行的愿景。
当日下午，院校及企业代表分享了各自在可持续发展领域的AI实践。北科大经管学院教授尹奎从“超级个体”这一全新视角，系统探讨了AI时代人力资源管理面临的挑战与变革路径。东北大学数字钢铁（850106）全国重点实验室副主任曹光明作题为《轧制过程数字化模型与智能优化控制技术》的报告，不仅介绍了具体的技术突破，更为钢企理解复杂工业过程的数字化控制提供了深层的方法论启示。清华大学数据科学研究院特聘研究员尹立庆深入剖析了大模型技术如何重构钢铁（850106）行业的研发范式，系统展示了“钢铁（850106）+AI大模型”从理念到实践的全景图。北科大人工智能（885728）学院院长张海君作题为《通感算智融合赋能的未来钢铁（850106）智造专用网络关键技术》的报告，系统阐述了未来钢铁（850106）智造专用网络的关键技术与实践路径。
河钢材料技术研究院院长张彩东带来《AI赋能钢铁（850106）材料助力产业新发展》主题报告，从整体概况、AI赋能研发进展、重点领域发展方向3个维度，系统呈现了钢铁（850106）材料研发的新图景。首钢技术研究院原副总工程师孙佳分享了“钢铁（850106）企业质量管理与智能制造”的实践经验。中冶京诚数字科技（北京）有限公司主任研究员温志强从优特钢（884184）长材生产控制的实际场景出发，生动展示了“京诚智瞳”这一AI技术在复杂生产过程中的精准应用。
