在兴隆庄煤矿，一个智能采煤工作面过去一个班需要 10 至 15 人，现在只需 5 人；在济二煤矿洗选环节，重介选煤分选密度智能控制系统让洗煤生产率提升 0.2%，每年为洗煤厂带来 400 万元效益。带来这些变化的是云鼎科技与华为联合打造的云鼎矿山大模型——2023 年发布，被称为全球首个矿山行业大模型。
为什么矿山需要一个“懂行”的模型
现代化矿井的基础条件已有改善，但井下依旧阴暗潮湿，作业劳动强度大，一线人员以 70 后、80 后为主，愿意下井的年轻人越来越少。要打造真正适配井下复杂工况的垂类模型，核心行业数据高度依赖真实生产现场，这本身就构成壁垒。
另一个门槛是验证成本：模型调试和测试只能安排在生产间隙或停工窗口期，而矿山一旦停工，单日损失可达数百万元甚至上千万元。试错空间被压得很窄，这决定了矿山 AI 不能靠“先上线再迭代”的互联网打法。
三方闭环：现场、模型、算力各管一段
2022 年，山东能源集团、云鼎科技与华为达成战略合作，搭起一个三方协同闭环：山东能源集团开放真实矿山作业现场，提供生产课题与试验环境；云鼎科技深耕能源行业，训练垂类大模型与细分场景模型，同步搭建行业数据集、开发上层业务应用；华为输出算力硬件、AI 开发平台与通用大模型底座。三方各司其职，把技术能力、行业经验和真实场景打通。
两条落地方向：安全与生产
云鼎矿山大模型的应用主要聚焦两方面。安全侧，接入万余路井下摄像仪开展 AI 智能分析，对设备状态、人员行为和作业环境实时监测预警，识别准确率超 98%，自动巡检效率提升 3 倍以上，推动安全监管从“人盯人”的被动防范转向主动治理。以兴隆庄煤矿为例，主煤流运输系统落地堆煤监测、异物识别等十余类 AI 场景，可减少现场及巡检人员 18 人以上。
生产侧，围绕煤炭洗选全流程做工艺优化，落地重介密控、浓缩加药、智能浮选三大场景，实现精煤产率提升 0.3% 以上。一座年入洗量 300 万吨的洗选厂，借助这套系统年创效可达 300 万元以上。
截至目前，其智慧矿山 AI 能力已覆盖采煤、掘进、机电、辅运、通防、主运、提升、发运、洗选、安监十大专业。
一矿一策，以及它带来的成本难题
先用集团内部矿井打磨产品，跑通成熟后再对外输出——这是云鼎的基本路线。但内部成熟模型向外复制并不容易：不同矿井在地质条件、设备型号、管理制度上差异巨大，即便是经过大量预训练的垂类模型，也难以直接移植到新矿井投产。
对此，云鼎采用“一矿一策”的交钥匙服务：已经验证过的通用 AI 场景，部署后仍需结合现场工况做针对性调优；尚无项目积累的全新特殊工况，则从零开展场景开发和现场适配。定制化必然推高成本，于是他们又打造“工厂式 AI 开发”模式，把 AI 场景开发周期从月级压缩到周级，以平衡定制与规模化之间的矛盾。
从矿山到六个行业
2025 年 10 月 29 日，云鼎发布伏羲化工大模型；2026 年 7 月推出“云鼎山海·AI 原生产品体系”，业务覆盖矿山、化工、电力、新能源、油气、钢铁六大行业。该体系的四项核心能力是：沉淀下来的高质量能源行业数据集，云鼎矿山与伏羲化工两大垂类模型，完整的工业智能体与机器人产品矩阵，以及覆盖全能源行业的 350 余类成熟 AI 应用。
其逻辑是把数据、模型、智能体和业务连成一个循环：用数据训练模型，用模型支撑智能体，用智能体改造业务，再让业务产生的新数据反哺模型。目前该公司已打造 3500 余类 AI 智能体，在 200 余家大型能源企业落地，覆盖全国 15 个省区市。标杆项目包括兴隆庄煤矿 AI 全场景建设（接入摄像仪 460 余台、部署 740 多路场景、覆盖十大专业）、国家管网集团训练中心（金额 1.53 亿元）和皖北煤电集团训练中心（2612 万元，建成 6 个子系统、55 个 AI 场景）。
小结
云鼎科技工业互联网事业部副总经理崔润兴的判断很克制：井下工况瞬息万变，很多复杂异常没有固定标准，仍需一线人员综合判断；现阶段 AI 更适合替代流程明确、规则清晰的重复性作业岗位。这其实也划出了垂类模型的能力边界——它能压缩的是标准化场景的交付周期，不是现场经验的全部。
资料来源：云鼎科技如何打造“懂矿山”的大模型？｜山东人工智能垂域大模型系列报道 — 新浪财经（2026-10-12）。本文为技术要点整理，非原文全文。