高炉是钢铁生产的核心工序，占生产总成本的七成左右，长期稳定运行直接关系企业盈利。入炉原料成分波动、炉内气流分布和温度的微小变化，都可能引发连锁反应。按报道给出的换算：炉内每减少10摄氏度温度波动，每吨铁水可少消耗1千克焦炭，成本降低约3元。宝钢股份炼铁厂大数据应用首席工程师王士彬把改造前的问题概括为四句：炉内状态看不清、操作反馈跟不上、连锁反应控不住、经验传承传不下。
2024年起，宝钢股份与华为合作构建高炉AI大模型，走的是“数实融合、同题共答”的路径：宝钢按自身业务需求选场景、输出行业知识，华为提供AI、大数据与云计算技术。这套做法最终要回答一个问题——能否把老师傅的判断变成可计算、可复现的参数。
路线：先通用底座，再按炼铁特性定制
攻关团队以华为盘古大模型为基础，先吸收通用知识筑牢底座，再针对高炉炼铁的特性做量身定制。按华为钢铁有色军团总裁石矛的说法，模型既学习了宝钢海量运行数据，也借鉴了其他工业领域的物理、化学通用规律。关键一跃是构建高炉AI大模型：把专家经验转化为数据代码，把炉内看不见的反应转化为可预测参数，最终实现炉温的精准预测与自动调控。
这一步的技术含义常被忽略：高炉内部是高温、密闭、强耦合的黑箱，直接测量不可行，只能靠间接变量推断。模型要做的不是“拟合温度曲线”，而是建立一群可观测变量与不可观测状态之间的稳定映射，并让这个映射在原料、炉况变化时仍然成立。
效果：90%准确率与两条工程杠杆
据披露，高炉AI大模型对炉温等关键指标的预测准确率达到90%，已稳定运行10个月以上。单座高炉应用后，实现燃料消耗降低、铁水质量稳定、炉况异常减少，测算每年可创效超千万元。
更值得关注的是复制方式。宝钢股份旗下有数十座高炉，炉体结构与工艺配置各不相同。若每座炉从零开发，周期与成本都不可接受。宝钢依托华为云采用“预训练底座+下游任务微调”模式：在基础模型上针对每座高炉的个性化特征微调，把上线周期大幅缩短。这是工业大模型从单点示范走向批量部署的关键工程杠杆——共性知识沉在底座，个性差异留给微调。
第二条杠杆是闭环。团队以“增量训练—预测推理—闭环控制”构建持续学习、自我优化的系统，新产生的数据不断反馈给模型再训练、再迭代，实现边学边用。对高炉这类慢变量、长周期设备而言，模型上线只是开始，能否把每次炉况变化沉淀为训练样本，决定了它半年后是否还准。
从一座高炉到一张能力图谱
宝钢股份母公司中国宝武集团正规划建设钢铁大模型能力图谱，把预测大模型、视觉大模型、科学计算大模型等能力延伸到原料、炼铁、炼钢、轧钢、新材料研发等流程，覆盖连铸质量根因分析、热轧板型预测、钢材表面质检等上百个应用场景。
单点成果也在扩散：热轧产品表面缺陷识别模型半年内准确率提升至96%，并快速复制至多基地产线；热轧自然宽展预测模型完成在线部署，参与生产实时控制；冷轧“AI主操”上线，提高了机组生产稳定性。2025年，宝钢股份已上线近300个AI应用场景，打造5个AI标杆产线。
这条路径可复用的地方不在“上一个大模型”，而在三件事：把专家经验显式化为可训练的目标，用底座加微调解决多对象复制，用数据回流解决模型退化。三者缺一，示范就停在示范。
资料来源：大模型让高炉更“聪明”——人民日报（2026-01-14）。本文为技术要点整理，非原文全文。