2026年10月，南京钢铁（NISCO）与华为及生态伙伴宣布，元冶钢铁大模型（YuanYe）已在多个场景商业化规模部署。它不是把一个大语言模型搬进钢厂，而是把多类AI模型与冶金机理模型拼成一个“群智”集群，让炼铁、炼钢、轧钢、质检共享同一套数据与知识底座。
不是一个大模型，而是一群模型
元冶的架构被概括为“左右脑协同”：右脑是感知认知模型，主要负责大规模概率统计与宏观归纳，类似人的直觉和经验积累；左脑是运筹优化与机理模型，负责精确的工业级计算和科学决策。两者之上再叠加行业知识本体、钢铁大模型、场景小模型与智能体，以满足钢铁行业对可靠性、安全性和实时性的要求。
这套集群的底座是数据。南钢在26个业务域汇聚了数百万个OT数据点，并在智能运营中心实现实时数字孪生映射，采用五维数字孪生覆盖空间、边界、组织与设备。目前其关键设备已100%连接并实现数字控制，为模型提供了“看得见、算得准”的现场基础。
炼铁：把高炉变透明
高炉内部环境复杂，过去操作员只能凭经验做滞后调整。元冶接入高炉内外上千个传感器的实时数据，把工艺机理与炉温预测、健康诊断模型结合，做铁水过程的实时动态仿真。操作员由此可以提前两小时预测炉温、识别异常，准确率超过90%，把“事后补救”改成“事前预控”。据披露，一级品铁水收得率提升10%以上，单位能耗明显下降。
轧钢与质检：毫秒级响应与80%提效
轧制环节温度可达1200°C、轧制力可达12万千牛，每一道次都会改变厚度、板形与组织。元冶的轧制力预测模型做到毫秒级响应，并支持小样本、全钢种快速建模；厚度公差收窄到±0.2毫米，厚度偏差降到1.9%，轧制力命中率从88%提升到98%，支撑年产250万吨以上钢板，整体成材率提高0.5%。
质检环节则把机器人和AI视觉模型组合成“鹰眼”。基于元冶的智能金相检测系统覆盖磨抛、图像采集到智能评级全流程，制样精度达到微米级，检测准确率超过95%，单样检测时间从10分钟缩短到3—5分钟，整体效率提升80%，人工转向异常分析与高层决策。
环保与组织：602个参数与1000个低代码应用
在能源环保环节，南钢基于元冶开发了煤气与烟气硫控制的S-Link智能体，融合602个工艺参数以及多模态图像与知识能力，打通源头预测、过程优化、末端达标。它用机理反演加时序预测提前一小时发出硫风险预警，准确率超过95%；优化算法在秒级算出最佳煤气配比，再用博弈模型动态分配排放配额，使天然气掺烧消耗下降近50%，超标停机减少25%以上，年经济效益超过60万元。
组织层面的变化同样明显：南钢已上线25个业务智能体，覆盖视觉质检、工艺优化、生产调度与运营管理；全厂部署300多个AI模型，一线员工自建1000多个低代码智能体与轻应用。下一步，南钢将与华为探索智能钢厂专用数据中心，围绕“AI原生操作系统—AI原生工厂—AI原生企业”三层架构继续扩展。
小结
元冶的启示不在于模型参数有多大，而在于把“概率计算”和“机理约束”分开又合起来：右脑负责从数据里找规律，左脑负责守住物理与工艺红线，智能体则把两者接到具体工位上。对流程行业来说，这比单纯追求一个通用大模型更接近可落地的工程路径。
资料来源：From Expertise to Intelligence: NISCO Deploys World’s First Swarm-Intelligence Steel Model at Scale — Huawei（2026-10）。本文为技术要点整理/编译，非原文全文。