航天雲網柴旭東：工業互聯網和人工智能已經成為推進新型工業化的關鍵支撐

專題：服貿會2025中國AIGC創新應用論壇

　　中國國際服務貿易交易會-2025中國AIGC創新應用論壇於2025年9月12日在北京舉行。主題為「從大模型到智能體，驅動AI新生態」。航天雲網科技有限公司研究員柴旭東出席並演講。

　　以下為演講實錄：

　　大家下午好，下面結合我們的實踐探索就人工智能在工業領域中的應用和大家做一個交流分享。當前加快推進新型工業化成為國家戰略，特別是要加快推動製造業向高端化、智能化、綠色化發展。在這樣的背景下工業互聯網和人工智能已經成為推進新型工業化的關鍵支撐。

　　從人工智能發展歷程的角度上看，從1956年人工智能正式提出以來，先后經歷了三個大的發展階段。前面兩個階段分別是以規則導向和機器學習為代表的，知識驅動型和數據驅動型人工智能，並隨着2017年Transformer框架提出，特別是當前大模型的發展，現在進入到第三代生成式人工智能發展階段，並加速向通用人工智能發展。

　　工業互聯網和智能製造系統的結合，一是拓展了智能製造的系統應用邊界，並向三全（全系統、全價值鏈、全產業鏈）方向拓展。同時也打造了智能製造系統的虛實特徵，也就是通過工業互聯網將數字的虛體和製造的實體有機的協同在一起、連接在一起。此外，特別是隨着人工智能技術進一步的應用，使得智能製造系統的智能特徵進一步凸顯，具有自組織能力的智能生產製造模式即將到來，人工智能和工業互聯網將加速升級新一代的智能製造系統。

　　人工智能和數字孿生的充分融合，成為賦能新一代智能製造場景的關鍵載體，人工智能通過和數字孿生的融合，可以很好的將人工智能，特別是大模型為代表的生成式人工智能在工業場景落地。數字孿生作為是物理世界的數字化鏡像，它不僅僅可以映射感知物理實體對象的運行狀態，而且通過數字孿生模型可以對相應的物理實體的運行進行分析、預測和優化控制。

　　數字孿生本質是模型，大模型也是模型，數字孿生模型由四類模型構成，特別是大模型的引入，豐富了四類模型里面的數據模型。它不僅僅是豐富了它構成內涵，而且對數字孿生的形態也做了拓展，由傳統的多學科、多領域、多尺度，向多模態，適應不同場景的多任務和具身化發展。

　　當前國家正在培育智能工廠，在梯度培育里頭，針對卓越級和領航級，明確提出了對數字孿生和人工智能應用的要求，通過人工智能疊加到數字孿生、賦能到數字孿生，基於AI+數字孿生形成的智能工廠可以很好的支撐卓越級，特別是領航級智能工廠的建設，使新一代的智能工廠呈現出4個突出特徵出來。即柔性可重構、自組織生產製造能力，AI+數字主線全場景應用，全流程質量閉環，以及數字孿生虛實融合運營模式。

　　下面結合一些實際的應用案例和大家做一個介紹。

　　熱處理是典型的基礎製造工藝，它的難點就是難以掌握工藝核心機理，依賴老師傅的專家經驗，導致熱處理的工藝穩定性和產品報廢率成為行業痛點。通過構建熱處理工藝的數字孿生，我們可以在熱處理的過程中通過採集相應的關鍵數據指標來預測碳勢分佈，進而通過實時的調控爐內參數，使得熱處理工藝穩定性得到提高，同時降低了產品的報廢率。

　　當前，工藝規劃是設計和生產之間典型的瓶頸，傳統的熱處理工藝設計是依賴專家、老師傅的經驗，依靠查閲行業標準手冊。通過人工智能大模型技術的應用，學習沉澱行業工藝知識，特別是老師傅的專家經驗知識，改變傳統依賴人工經驗的試錯模式，變成可以對工藝參數優化，可以智能生成高質量工藝曲線和和工藝卡片，進而實現了在熱處理工藝設計的效率、質量合格率、工藝穩定性、成本等上的明顯提高和改善。

　　在鋼鐵冶煉應用中，轉爐鍊鋼是鋼鐵冶煉的重要工藝，在轉爐冶煉過程中對提升終點命中率和鋼水品質要求較高。由於傳統在鍊鋼過程中人工介入多，經驗依賴性強，導致鋼水的穩定性和一次拉成率成為轉爐鍊鋼的行業痛點。

　　通過構建鋼鐵冶煉，轉爐冶煉工藝過程的數字孿生，我們不僅可以圍繞目標鋼種對物料進行智能分析，智能推薦工藝規程。而且可以在冶煉過程中對關鍵的冶煉指標數據進行監測，特別是在測量TSC之后，還可以進一步的優化、推薦工藝規程，同時精準的預測出鋼的條件，使得TSC一次成功，提高一次拉成率。

　　我們在應用中把時序大模型引入到鍊鋼工藝數字孿生中，用時序大模型精準的預測出鋼時的碳、温、磷等關鍵指標是否達到出鋼條件，實現一次拉成率達到要求。

　　傳統的人工智能在小模型應用中，特別是對場景和單一任務要求上還是有一定侷限性，所以我們通過大模型的應用，特別是利用大模型的泛化能力，可以針對不同的工況、不同的爐況進行精細化調優之后，使得它有很好的泛化能力，從一個工況切換另一個工況，從一個爐子轉爐換到另外一個轉爐里可以很快的滿足冶煉控制優化的需要，並在實際應用中取得了較好的應用效果，改變了傳統靠定性觀察的黑盒冶煉模式。

　　在綠色化方面，大家知道，現在新能源大力在推廣，但是火力發電還佔比我國發電量的60%以上，而且電力行業的碳排放還是大户。所以在火力發電行業里怎麼樣降低煤耗，降低碳排放是大家高度關注的指標。

　　通常發電系統在設計的時候，每個燃煤冷凝式發電廠系統都有一個在不同工況運行點運行的最佳參數設計，在實際的運營過程中，由於外部和內部的因素，使得電廠在實際運營過程中很難達到設計最佳值。通過構建燃煤電廠全流程、全工況的數字孿生，在實際運營過程中，特別是面對一些外部因素，比如對機組負荷的調控，煤質波動的影響，或內部因素，如一些鍋爐效率、熱耗的泄露、降低等，通過優化不同工況下企業最佳的生產參數，進而提高能-碳使用效率，實現節能減排。

　　對此建立了覆蓋燃煤發電全流程的，包括風煙、汽水、環保等數字孿生體。

　　在數字孿生的構建過程中，既考慮到設計參數對應的機理模型的建立，同時也充分結合可變因素，建立參數化的數據模型，結合人工智能技術應用，通過3個階段，包括建立基於設計參數的泛化模型，以及結合上一年全年運行時產生的生產數據，持續對模型參數辨識、調優，以及在實際生產運行環境下，通過3-6個月實時數據進一步對模型調優，使得它更加逼近實際真實的電廠的運行狀態，輸出優化參數，指導整個發電系統的調控。

　　將輸出的優化參數及對應工況，按推薦的調控方法和可調參數制定調控計劃。通過調節之后，讓運營階段達到最優的運行狀態，進而實現對碳的降低。在實際運營過程中，目前已經達到同樣發一度電，每度電減少標煤消耗約3%，在持續優化半年到1年左右時間，預計最高可以達到降低5%，僅省煤一項就明顯的降低了發電成本，而且對減碳發揮了很好的作用。

　　當前人工智能和工業互聯網加速融合發展，通用人工智能在工業場景里落地應用還面臨三大挑戰：

　　一是可解釋性，人工智能大模型還存在幻覺和不確定性。但是工業領域必須是機理清晰，而且工業對確定性、穩定性、準確性有更高要求。

　　二是工業屬性。現在基礎大模型通常是基於互聯網語料訓練，工業的數據、工業行業的Knowhow，工業的專家隱形知識，特別是我們在生產製造運營過程中，大量的工業數據是時序數據，怎麼充分的應用，是一個難點。

　　三是安全性。

　　通過和數字孿生的充分結合，特別是機理模型的結合，可以很好地解決大模型在落地工業場景中面臨的三個挑戰。

　　在工業互聯網推廣中也面臨三個難點。一個是工業全過程，深層次應用不足，尤其是對高價值工業場景數據的深層次應用不足。此外還包括數據安全和隱私保護問題，特別是工業場景個性化突出，導致場景定製化程度高，行業規模化推廣困難。大模型通過模型化、工業知識沉澱和較強模型泛化能力，也可以很好的促進工業互聯網規模化的發展。

　　可以看到，未來的智能工廠將是由人與具有具身智能的智能機器人以及智能體的協作構成。特別是依託新的數字底座，包括融合工業互聯網和人工智能大模型的新型數字底座和新一代的工業軟件，打造新質生產力加速推動未來製造模式的創新和工業新業態的升級。

　　我就介紹到這兒，謝謝大家！

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閲，新浪網登載此文出於傳遞更多信息之目的，並不意味着贊同其觀點或證實其描述。

責任編輯：王翔