5月14日，在由中國金屬學會、中冶賽迪集團有限公司主辦的第二屆（2025）鋼鐵工業數字化發展高端論壇上，殷瑞鈺、柴天佑、王國棟、桂衛華4位中國工程院院士分別做主題報告，暢談了對于生成式AI、鋼廠智能化、大模型等熱點話題的看法。

“鋼廠（流程制造業）智能化的實質是要構建一個數字物理融合系統（CPS），需要從數字信息系統一側和物理工藝系統一側相向而行，相互支撐，相互融合。”殷瑞鈺指出。

他進一步闡釋道，該融合系統是以物理系統（工藝流程和裝置群）的自組織優化為技術“底座”，以與之相應的數字信息系統為他組織“大腦”，實現數字信息系統向物理工藝系統賦能，并能夠持續運行，進而實現制造流程（相關過程群）整體自感知、自學習、自決策、自執行、自適應。

殷瑞鈺還據此談到了自動化與智能化、智慧與智能化的區別。

“賦能對象不同反映出數字化的層次不同。如果物理工藝系統為單一工序/裝置，數字信息系統向其賦能則表現為自動化；如果物理工藝系統為鋼鐵制造全流程，數字信息系統向其賦能則表現為智能化。”他認為。

“與智能化有所區別，智慧是一種人類大腦中特有的、內在的高級思維方式，諸如計謀策劃、奇思妙想、精密構思、突發靈感、聯想頓悟等……重在內在的思索性、感悟性、聰慧性。”他強調。

殷瑞鈺最后呼吁，不同專業的人士在對數字物理系統的認知并達成共識的道路上，首先應該具有一種謙卑的心志——“我只是一個擁有碎片知識的人”，共識是從承認“我只有片段知識”的基礎上開始的。在他看來，數字技術和數字物理系統知識帶給世界最重要的價值是，把一個個孤立的單元連接成一個復雜的類生物系統。

柴天佑表示，當前，制造企業存在的關鍵問題，一是資源計劃(ERP)、制造執行系統(MES)、過程控制系統(PCS)3層企業信息化結構，無法實現制造企業全局優化和個性定制高效化。二是復雜工況與關鍵工藝參數感知與識別、生產過程運行決策與控制，仍然依靠經驗和知識人工完成。

“新一代信息技術開辟了研發工業智能系統的新途徑，正驅動工業自動化、信息化向工業智能化跨越。”柴天佑表示，工業智能化致力于實現3方面目標，一是驅動ERP/MES/DCS(PCS)三層結構向兩層結構的決策與控制一體化系統發展，二是制造過程感知、決策、控制一體化和自學習自優化，三是驅動集中式ERP與MES向分散式數字孿生驅動的生產要素可視化監控、預測、回溯、決策與控制體化和自學習自優化發展。

那么，如何做到？柴天佑提出3方面觀點。

第一，工業互聯網必須向工業智能化的基礎設施發展。工業互聯網作為新一代信息技術與制造業深度融合的產物，是以數字化、網絡化、智能化為主要特征的新工業革命的關鍵基礎設施。“大家都知道購買算力，但并非都能將其打造成大模型的基礎設施，需有專業的隊伍才行。”柴天佑說。

第二，工業人工智能是工業智能算法的基礎。美國人工智能發展戰略報告里提到，“工業人工智能當前的目標是將以前無法實現工業生產自動化的任務實現自動化。”柴天佑進一步闡釋道，即將產品與工藝設計、經營管理與決策、制造流程運行管理與控制等工業生產活動中，目前只能依靠人的感知、認知、分析與決策能力、經驗與知識來完成的影響經濟效益的知識工作，實現知識工作的自動化與智能化(工況識別、指標預測與回湖、人機互動與協作的智能優化決策)感知、決策與控制一體化，顯著提高經濟效益。

“工業場景的特殊性在于過程始終動態變化。人工智能的發展須與工業結合，產生工業能用的算法、平臺和技術，才能真正落地，并推進產業發展。”柴天佑認為。

第三，工業元宇宙是實現虛擬場景下監控，在線自學習自優化真實場景下識別、決策與控制系統的基礎。

改革開放以來，我國鋼鐵行業迅猛發展，經過多年的引進和創新，工藝裝備、控制系統硬件以及運行環境都達到了工業時代的巔峰水平。鋼鐵工業作為大型復雜流程工業，全流程各工序均為充滿不確定性的“黑箱”。這些“黑箱”為我們提供了應用數字技術的最佳場景。

“工業時代后期的自動化控制系統有全面的數據采集和豐富的數據積累，數據資源優勢明顯。進入數字時代，對鋼鐵工業的落后大腦——邊緣系統進行數據驅動、軟件定義、雙層架構的信息技術改造，構建先進的自組織、自學習、自適應、高度自治的信息物理系統（CPS）和鋼鐵行業創新基礎設施（SEII），成為一個亟待解決的重大問題。”王國棟指出。

他呼吁，鋼鐵行業須貫徹習近平總書記提出的新時代中國特色社會主義思想，以鋼鐵行業中國式現代化為目標，發揮社會主義制度的優越性，集中力量辦大事，貫徹“深度融合”三原則（產學研深度融合、科技創新與創業創新深度融合、數字經濟與實體經濟深度融合），促進鋼鐵工業全流程、一體化“AI+鋼鐵”，數字換腦，模型換代，登頂Robotsteel（RS），完成鋼鐵工業中國式現代化的光榮任務。

“為此，我國鋼鐵行業必須以鋼鐵產品生產線為主線，以生產線的大數據為基本資源，利用大數據/機器學習+理論/經驗，圍繞質量、成本、低碳、安全發展，主攻全流程邊緣黑箱，通過 ‘AIGC + 鋼鐵’，建設全流程一體化的數字孿生平臺與SEII，構成具身智能的鋼鐵行業的RS，從而實現數字經濟、人工智能與實體經濟的深度融合。”王國棟表示。

據介紹，經過近年產學研用的共同努力，一些先進鋼鐵企業的已開發出各單元SEII，并已經投入運行，發揮效益、取得重要的突破性成果，樹立了單元數字化轉型的樣板。由于鋼鐵生產過程的高度復雜性和某些數據無法獲取，在此過程中充分利用近年發展的最新AI技術，例如深度學習、多模態、多智能體、算力輕量化、端到端、具身智能等，將數字經濟與鋼鐵行業實體經濟深度融合，人工智能科技創新與產業創新深度融合，同時充分利用離線獲取的數據和傳統理論、專家經驗等，為鋼鐵行業賦能，助推鋼鐵行業轉型升級。

“下一步的任務是實現鋼鐵工業全流程一體化的數字化轉型、‘AIGC+鋼鐵’。”王國棟表示，我們有信心做到，充分利用鋼鐵行業工業時代后期最先進的計算機硬件系統和運行環境，采用新一代的扁平化雙層體系架構，進行數據驅動、軟件定義等信息技術改造，實現鋼鐵行業全流程一體化的數字換腦、模型換代、AI+邊緣數控，走出一條低成本、高效率、易推廣、零風險的數字化轉型的鋼鐵工業升級換代之路。

所謂生成式人工智能，是以超大規模、超多參數量的大模型為基礎，通過大量的數據和計算資源來提取信息、獲取知識、模擬人類大腦智慧。

“理論上，大模型在工業領域可以發揮4方面作用：優化設計過程、提高研發效率，基于交互能力推動產品和服務智能化，拓展生產制造智能化應用的邊界，基于助手模式提升經營管理水平。”他指出，“ChatGPT帶火生成式AI，國內外掀起‘百模大戰’，廣大媒體討論熱烈，但大模型應用到工業領域、實現產業變革，仍有一道鴻溝。”

桂衛華分析認為，大模型工業應用主要面臨知識、決策、驗證等3方面挑戰。具體而言，在知識方面，大模型擅長處理靜態數據，而工業數據大多是時序數據；在決策方面，對機理模型的處理是工業領域最需要的部分，大模型不會處理；在驗證方面，流程生產過程具有全天候不間斷運行、平穩性要求高、異常狀態危害大等特點，導致大模型賦能工業應用的關鍵技術無法不經測試直接落地應用，但新技術缺少應用驗證與評測的環境。

為應對這些挑戰，桂衛華團隊研發了有色冶金具身智冶垂域大模型。對于解決知識問題，該大模型構建了高質量、多層級工業領域知識庫，提出了基于MODELING的元建模方法及面向多場景黑盒復用的元模型標準封裝體系，構建可重構、可移植、易復用的元模型。對于解決決策問題，該大模型通過工業知識微調增強代碼生成大模型，建立語法/語義檢查反饋提示生成的軟件構造工作流，構建了低資源工控指今與代碼數據的生成-部署-更新閉環鏈路；最后通過高保真數字孿生模型和輕量化部署構建實物伴生平臺，為整體架構體系的驗證測試提供基礎。“該大模型破解了工業AI大模型技術不敢用、不好用的難題。”他說。

桂衛華建議，未來要進一步完善行業語料庫，深入研究不同行業、不同領域、不同場景語料匯聚技術；深入研究大小模型協同進化路徑，推動端側化發展，達到大模型賦能工業I+N+X的應用范式效果；進一步融合多領域的模型能力，在不同場景中“自我學習”，通過一個大模型解決產業中各種問題，極大地提高模型利用率，推動AI開發走向“統一”。