今年初，南鋼啟動“人工智能百景千模”三年專項行動；4月28日，湖南鋼鐵集團、湖南移動、華為聯(lián)合打造的鋼鐵行業(yè)盤古大模型應(yīng)用全球首發(fā)；5月10日，寶鋼股份與華為公司成立“鋼鐵+AI”聯(lián)合創(chuàng)新中心，此前4月26日，寶鋼股份發(fā)布AI轉(zhuǎn)型戰(zhàn)略……

以大模型為代表的AI技術(shù)風(fēng)起云涌，成為此輪新科技革命的核心推手。鋼鐵行業(yè)也躬身入局，積極擁抱AI大模型有望帶來的無限可能。我們不由得思考以下問題：鋼鐵“AI進(jìn)化”是盲目跟風(fēng)，還是確有需要？鋼鐵企業(yè)如何掌握通往未來世界的秘鑰？

賦能潛力：將打造人機協(xié)同新模式

斯坦福大學(xué)的一項研究表明，在一些專項任務(wù)上，人工智能技術(shù)的進(jìn)步已經(jīng)達(dá)到甚至超過人的能力。具體到為鋼鐵賦能，AI大模型究竟有哪些潛力？

中國鋼研科技集團有限公司綠色化智能化技術(shù)中心主任張云貴認(rèn)為，AI大模型可為鋼鐵行業(yè)帶來三大層面的改變：一是感知層面。煉、鑄、軋各工序在工況感知上都存在一些難題，如高爐等環(huán)節(jié)還存在“黑箱”，有望通過引入大模型預(yù)測技術(shù)，在“機理+數(shù)據(jù)”融合建模方向上取得突破，實現(xiàn)復(fù)雜工況感知的“解碼”。二是認(rèn)知層面。雖然現(xiàn)代冶金技術(shù)在鋼鐵生產(chǎn)規(guī)律的認(rèn)知上已經(jīng)建立了較為完整的理論體系，但仍存在一系列的認(rèn)知缺陷，如對流程整體運行規(guī)律、在亞工序級別上存在一些隱性認(rèn)知等。“大模型技術(shù)的核心特點就是通過學(xué)習(xí)發(fā)現(xiàn)‘隱含的規(guī)律’，因此，在流程認(rèn)知的宏觀與微觀各層面都可以對大模型抱有期待。”他說道。三是決策層面。“大模型可通過學(xué)習(xí)實現(xiàn)決策知識和決策流程的某種固化和標(biāo)準(zhǔn)化。更有可能的是，大模型可能從‘模擬決策’最終走向‘自主優(yōu)化決策’，就像在圍棋領(lǐng)域里已經(jīng)發(fā)生的事情一樣。”張云貴表示。

在決策層面，國家制造強國戰(zhàn)略咨詢委員會智能制造專家委員會委員、寶武技術(shù)業(yè)務(wù)專家叢力群同樣認(rèn)為，生成式大模型應(yīng)用具有巨大的潛在可能性，目前的大模型可以生成文本、圖、視頻形式的內(nèi)容，未來也能夠以同樣或更多樣的形式生成具有鋼鐵特定業(yè)務(wù)內(nèi)涵的內(nèi)容，如一組鐵礦石原料配方，針對特定鋼種的熱軋板坯最佳升溫曲線，一組冷軋帶鋼軋制的設(shè)定參數(shù)，一個最佳的鋼材集批、剪切方案，考慮最佳庫存成本和最佳交期約束的余材充當(dāng)合同計劃，一個新鋼種的成分配方等。

“大模型對參與鋼鐵制造的人的幫助可能是最直接有效的。”張云貴表示，目前的大模型技術(shù)，可將行業(yè)通用知識、企業(yè)特定知識、崗位技能知識相結(jié)合，幫助員工快速實現(xiàn)技能躍升，實現(xiàn)類似“一人多崗”的目標(biāo)，這在行業(yè)近幾年熱捧的集控上有很好的結(jié)合點。更極限的情況下，可以打造數(shù)字員工、超級職工。

在叢力群看來，重構(gòu)人工崗位功能是智能制造的應(yīng)有之義，大模型技術(shù)的巨大進(jìn)步提高了人們的期望值。隨著AI技術(shù)的演進(jìn)，將有3種不同的人機協(xié)同模式：一是嵌入式模式，人類完成絕大部分工作，AI承擔(dān)點狀的工作；二是副駕駛模式，人類和AI合作，共同參與到工作流程中；三是智能體模式，AI完成絕大部分工作。“未來，人類與AI合作的方法是：凡是能夠交給AI的，讓AI來做，人類只專注于當(dāng)前AI無法勝任的工作。”他進(jìn)一步闡釋道。

“從企業(yè)角度而言，大模型最有用的一點，是通過‘學(xué)會’企業(yè)核心知識，將鋼企從管理到運行層級的模式標(biāo)準(zhǔn)化，成為企業(yè)共性治理的基礎(chǔ)。”張云貴表示。

擁抱趨勢：投資未來的可能性

鋼鐵行業(yè)積極擁抱AI大模型，是盲目跟風(fēng)，還是確有需要？

叢力群告訴《中國冶金報》記者，任何技術(shù)都需要與實體經(jīng)濟相結(jié)合，這是大勢、是必然，也是機會。“鋼鐵行業(yè)積極擁抱新趨勢值得肯定，因為技術(shù)進(jìn)步必將伴隨著行業(yè)應(yīng)用的深化，尤其是AI大模型這種劃時代的突破性技術(shù)。”他說道。

大語言模型是伴隨著數(shù)字化技術(shù)的迭代發(fā)展起來的。數(shù)字化技術(shù)始于20世紀(jì)50年代，先后掀起了10次產(chǎn)業(yè)級別的浪潮，本質(zhì)上都是通過對底層創(chuàng)新的排列組合實現(xiàn)大規(guī)模商業(yè)化。目前，美國在通用人工智能（AGI）領(lǐng)域領(lǐng)先全球。“而在中國，AI工程化為工業(yè)賦能是優(yōu)先方向。新質(zhì)生產(chǎn)力發(fā)展的迫切需求和豐富的工業(yè)場景，使得我們更關(guān)注其應(yīng)用和商業(yè)價值。”叢力群表示。

對于當(dāng)前中國寶武、首鋼、中信特鋼等龍頭鋼企紛紛布局AI大模型的做法，叢力群認(rèn)為：“龍頭鋼企不關(guān)心大模型是不科學(xué)的。頭部企業(yè)往往對一些新概念、新技術(shù)理解得更深，也更需要‘從0到1’探索出應(yīng)用路徑，爾后，其他企業(yè)只需保持跟隨姿態(tài)。”

“當(dāng)前，如果哪家企業(yè)說已經(jīng)用大模型解決了某些關(guān)鍵的問題，且創(chuàng)造了價值，那我們一定要持謹(jǐn)慎態(tài)度。”叢力群認(rèn)為，當(dāng)下，AI大模型技術(shù)本身并未完全成熟，應(yīng)用至鋼鐵等垂直領(lǐng)域的路徑、方法都處于探索階段，得出成功應(yīng)用并取得成果的結(jié)論為時尚早。“即使在一些特定的業(yè)務(wù)場景，如智能檢測運維，一些企業(yè)已經(jīng)嘗試采用大模型的概念和技術(shù)，強化系統(tǒng)在數(shù)據(jù)中自主學(xué)習(xí)知識的權(quán)重，但仍然處于初級探索階段。”他說道，“更準(zhǔn)確地說，我們是在適應(yīng)大模型發(fā)展的趨勢，投資的是未來的可能性。”

正確路徑：場景為王道，數(shù)據(jù)是關(guān)鍵

通用AI大模型在技術(shù)上的進(jìn)步及社會對大模型應(yīng)用的高期待，使人們進(jìn)入了又一個“亢奮期”。不擁抱AI的企業(yè)注定會被淘汰，但也不應(yīng)過分迷信于通用AI。

“聚焦垂直場景、創(chuàng)造價值才是大模型發(fā)展的王道。”叢力群認(rèn)為，目前，AI大模型還難以勝任千行百業(yè)的嚴(yán)肅決策類應(yīng)用需求，從開放閑聊到復(fù)雜決策仍有漫漫長路。

當(dāng)前，提到應(yīng)用大模型，一些鋼鐵企業(yè)會首先想到要建設(shè)一個用于大模型訓(xùn)練的算力環(huán)境。其實，對大多數(shù)企業(yè)而言，自己建設(shè)用于大模型訓(xùn)練的算力環(huán)境是不現(xiàn)實的，也沒有必要。叢力群認(rèn)為，拋開高端GPU卡受限的因素不談，建設(shè)一個訓(xùn)練足夠大尺寸（例如7B參數(shù)規(guī)模）大模型的算力中心所需要的經(jīng)費投入就是許多企業(yè)難以承受的，一般企業(yè)既沒能力又無必要。

“鋼鐵行業(yè)發(fā)展大模型應(yīng)堅持‘基礎(chǔ)大模型—行業(yè)大模型—企業(yè)大模型’的分層次發(fā)展路徑。”叢力群告訴《中國冶金報》記者，具體來說，基礎(chǔ)大模型是國家產(chǎn)業(yè)發(fā)展基礎(chǔ)設(shè)施的組成部分，可以借助國家“東數(shù)西算”工程布局，以國家級的產(chǎn)學(xué)研合作機構(gòu)牽頭推進(jìn)，或由大型科技公司去做；行業(yè)大模型在基礎(chǔ)大模型基礎(chǔ)上，“投喂”行業(yè)專業(yè)數(shù)據(jù)進(jìn)行訓(xùn)練，而匯聚行業(yè)的數(shù)據(jù)將成為模型質(zhì)量的關(guān)鍵；有了行業(yè)大模型的基礎(chǔ)，企業(yè)可以“喂”以自身特定數(shù)據(jù)，將其泛化為企業(yè)大模型，形成面向具體場景和工作任務(wù)的個性化的專有模型。“這是一個更加合理的路徑，符合資源最優(yōu)配置的經(jīng)濟學(xué)原理，也體現(xiàn)出我國的體制優(yōu)勢，大家術(shù)業(yè)有專攻，不會造成資源浪費，同時降低了企業(yè)訓(xùn)練大模型的資金成本。”他說道。

大模型的三要素是算力、算法和算料（數(shù)據(jù)），算力資源和算法技術(shù)可以通過合作或獲取外部商業(yè)資源來解決，而企業(yè)自己的數(shù)據(jù)積累是數(shù)據(jù)的唯一來源。“不要忽視數(shù)據(jù)的重要性，數(shù)據(jù)質(zhì)量是大模型應(yīng)用的基礎(chǔ)，這或許是當(dāng)前的最大短板。”叢力群強調(diào)。

那么，如何獲取高質(zhì)量數(shù)據(jù)就成了重中之重。一方面，要全面采集數(shù)據(jù)。叢力群認(rèn)為，根據(jù)特定任務(wù)目標(biāo)選擇性獲取數(shù)據(jù)是傳統(tǒng)思維，而訓(xùn)練AI大模型要秉持“大數(shù)據(jù)思維”，即盡可能采集完整的數(shù)據(jù)樣本。不過，在數(shù)據(jù)采集完成之后，一般需要通過數(shù)據(jù)壓縮、減量解析等方式提高數(shù)據(jù)的價值密度，減小數(shù)據(jù)規(guī)模。另一方面，除去通常所說的企業(yè)經(jīng)營數(shù)據(jù)、設(shè)備運轉(zhuǎn)數(shù)據(jù)等以外，更要注重專家經(jīng)驗數(shù)據(jù)的采集，我們可以將各領(lǐng)域?qū)＜医?jīng)驗視為一種高價值密度的數(shù)據(jù)，這些數(shù)據(jù)的采集對于大模型訓(xùn)練更加重要。

“當(dāng)前，很多鋼企恰恰更加需要采集這樣完整、系統(tǒng)的數(shù)據(jù)做支撐，而不是盲目去訓(xùn)練大模型。”他說道。

當(dāng)前，7B~13B（B=10億）規(guī)模的模型架構(gòu)已經(jīng)越來越成熟穩(wěn)定，這為大模型用于企業(yè)創(chuàng)造了必要的技術(shù)基礎(chǔ)。在工業(yè)中應(yīng)用大模型，企業(yè)需要重點關(guān)注數(shù)據(jù)可能存在的問題：一是AIGC（生成式人工智能）的幻覺現(xiàn)象是工業(yè)應(yīng)用所不能接受的。如果用于訓(xùn)練大模型的數(shù)據(jù)存在問題，生成的虛幻結(jié)果將是不可預(yù)知、不可重復(fù)和不可控的。二是歷史數(shù)據(jù)不完整。現(xiàn)場采集的設(shè)備數(shù)據(jù)存在斷點（不連續(xù)）、制造管理和運營決策過程中諸多環(huán)節(jié)的人類經(jīng)驗數(shù)據(jù)等斷續(xù)的數(shù)據(jù)流在工業(yè)制造中廣泛存在。三是單一企業(yè)歷史數(shù)據(jù)樣本數(shù)量看似龐大，但未必能支撐大模型訓(xùn)練所需。“所有企業(yè)都將數(shù)據(jù)視為核心資產(chǎn)，目前企業(yè)間的數(shù)據(jù)封鎖并不支持更廣泛數(shù)據(jù)樣本的獲得，而單個企業(yè)的有限樣本數(shù)量能否滿足大模型訓(xùn)練的基本需求，也是一個有待驗證的問題。”叢力群認(rèn)為。

有業(yè)內(nèi)專家向《中國冶金報》記者補充強調(diào)，充分認(rèn)識數(shù)據(jù)的重要性是必要的，但與此同時，研發(fā)行業(yè)大模型還應(yīng)破除“數(shù)據(jù)迷信”，即除了數(shù)據(jù)，大模型的架構(gòu)設(shè)計、訓(xùn)練方法等也十分關(guān)鍵，需將規(guī)則、知識、機理等融入進(jìn)去。

備注：數(shù)據(jù)僅供參考，不作為投資依據(jù)。