科技日报记者 崔爽
在钢铁行业步入深度存量博弈周期的当下，低利润甚至负利润成为不少企业的现实困境。粗放式增长红利逐渐消退，“如何从干毛巾里再挤出水”，成为摆在行业面前的难题。
在向高端化、智能化、绿色化转型的关键阶段，钢铁企业长期积累的结构性问题愈发凸显：一线生产高度依赖老师傅经验，新人成长周期长；老旧系统各自为政，跨部门协同效率低下；现场生产与管理数据割裂，大量沉睡数据难以转化为决策依据；同时，核心IT系统响应缓慢，难以支撑一线灵活多变的应用需求。
如何破局？“用人工智能把稀缺的‘专家算力’沉到每一个岗位，用多维表格把战略目标穿透到炉前一线。”在近日举行的南京钢铁2026人工智能数字化论坛上，飞书制造行业负责人张棣介绍，飞书与南京钢铁集团有限公司（以下简称“南钢”）历时3个月深度协作，将AI能力落地到生产产线与具体业务场景。通过赋能业务人员自主构建连接型数字底座，结合大模型能力，稀缺的老师傅经验被转化为可复用、可调用的数据能力，让人人可以低门槛构建应用，实现从经验驱动到数据驱动的转变。
这一转变，在炼铁高炉场景中体现得尤为明显。
南钢第二炼铁厂工艺技术岗主任师郭东剑常年与上千个工艺参数打交道。过去，他最头疼的就是在大量文档和表格中查找关键数据，并完成复杂计算。“一次炉缸温度和热流强度核算，往往要依赖Excel手工演算，公式来源不清晰、参数调整困难，每一步都需要格外谨慎。”他说。
转机出现在企业引入AI助手之后。
最初，郭东剑并没有对这位“助手”抱有太高期待，但在一次系统培训中，知识库、智能助手和低代码开发工具的组合能力让他意识到，这一次不仅是工具升级，更是工作方式的重构。
比如，围绕高炉炉缸安全这一核心问题，郭东剑尝试打造炉缸温度计算应用。他通过向AI询问关键计算逻辑与参数关系，并与设计院公式反复校验确认无误后，借助低代码工具，仅通过设定参数、描述逻辑，即自动生成了计算程序。
一个原本依赖个人经验和复杂操作的计算过程，由此转变为一线工程师可随时调用的标准化工具。
应用上线后，变化立竿见影：单次计算时间由30分钟缩短至5分钟，效率提升约85%；原本在Excel表格和纸质记录之间反复流转的数据，被整合为一条顺畅的诊断链路。更重要的是，高炉运行状态判断开始从人工心算、经验使然转变为标准化、可复用的模型计算。
不过，在郭东剑看来，AI并不会取代钢铁工人，而是成为新的“工友”，“它替代的是重复、高强度的计算和整理工作，而真正决定生产稳定性的，依然是现场经验和判断”。
他还分享了带教新人的三条原则：相信AI的数据洞察，但关键操作必须现场复核；不盲从模型输出；用AI发现细节，再用经验解决问题。
从一个应用切口出发，南钢正将AI嵌入更多生产场景，逐步构建起覆盖生产全流程的智能能力体系。
南钢近年来持续推进数智化转型，形成“一脑三中心”的总体架构，以数据中枢为核心，打通生产、管理与决策链路，推动产业智慧化、智慧产业化。
相关探索也与政策导向相呼应。工业和信息化部等五部门联合印发的《钢铁行业稳增长工作方案（2025—2026年）》明确提出，培育数字化转型典型场景、标杆工厂、标杆企业，并鼓励“人工智能+钢铁行业”发展，以应用场景为牵引、通用大模型为底座、冶金机理为基础，同步推进通用垂直大模型和场景小模型应用。
从精益生产到组织进化，南钢与飞书的协作正在重新定义钢铁行业的智能化路径。“双方在协同办公、知识管理、经营分析等领域持续打破数据与协作壁垒，让AI不仅赋能机器设备，更惠及每一位管理者与一线员工。”南京钢铁股份有限公司总裁祝瑞荣表示，未来公司将推动钢铁行业AI从“能用”走向“好用”、从试点走向体系化落地，持续助力行业提质增效。
网友评论
