邯钢新区AI上岗从“看火炼钢"到“一键出钢"
一炉钢水背后的数字跃迁
92%——这是内蒙古首个AI炼钢项目“包钢智冶”在转炉终点碳温双命中率上跑出的数字。在钢铁行业，碳温双命中率长期被视为衡量炼钢控制水平的核心指标。过去，这项指标主要依赖老师傅“眼看火焰、耳听异响”的经验判断；如今，一组算法模型正在替代那双被烟火熏了半辈子的眼睛。
今年初夏，包钢股份1号转炉投用了“包钢智冶”智慧炼钢大模型。这是国内首个实现“动态控枪与供氧、动态加料与造渣、智能终点控制”全流程闭环AI智能冶炼的落地项目。系统通过实时采集炉口火焰图像、烟气分析、废钢分类、天车重量等多源数据，融合CNN、Bi-LSTM、强化学习等算法，自动完成冶炼过程的判断与调控。
从运行数据看，这套系统的表现超出预期：冶炼效率提升6%以上，吨钢综合生产成本下降1.5%，吨钢碳排放直降8%，异常炉况压缩至1.5%。从行业视角看，AI炼钢带来的成本下降看似幅度不大，但放在中国钢铁每年约10亿吨的产量基数上，其放大效应相当可观。
算法如何“学会”炼钢
要理解这场变化，需要回到炼钢的核心环节——转炉吹炼。简单来说，转炉炼钢就是将铁水中的碳含量通过吹氧降到目标值，同时把温度控制在合适范围内。碳含量太高，钢的硬度和韧性不达标；温度不合适，后续连铸工序就会出问题。过去判断“什么时候该停”，全靠炉长的经验积累。
“包钢智冶”的思路并不复杂：先大量采集炉口火焰图像、烟气成分等多源数据，由经验丰富的老师傅和AI工程师对海量生产画面逐一标记识别，将“独门绝技”转化为可量化、可复制的模型资产；后台再融合多种算法，让AI实现实时判识吹炼状态、精准预测碳温、自动调整供氧和枪位。
这套方法在技术路径上与行业主流方向一致。据公开研究数据，采用SVM-XGBoost等算法，在±0.02%碳含量误差范围内命中率可达98%以上，但此类结果通常基于单一炉次或实验室数据集，与全流程闭环控制的工业验证数据存在差异。包钢的价值在于将多种算法集成到全流程闭环中，并在真实产线上跑通了从感知到决策再到执行的完整链路。
横向对比来看，宝钢股份于2026年4月发布的AI智慧高炉，核心模型预测命中率与控制采纳率均超过90%，单座高炉年降本超千万元。河北永洋特钢的转炉炼钢大模型则实现全流程一键智能炼钢，终点命中率超96%，吨钢生产成本降低5至15元。不同企业的技术路线各有侧重，但方向趋同：用数据和算法替代经验判断。
一炉钢的“经济账”与“行业账”
包钢股份2025年年报显示，公司全年实现营业收入663.58亿元，同比下降2.54%；但归母净利润达到3.74亿元，同比增长41.19%。营收微降而利润大增的背后，是降本增效在发挥作用，AI炼钢正是其中的关键变量之一。
从行业整体看，降本的紧迫性正在加剧。中国钢铁工业协会数据显示，2026年上半年全国粗钢产量5.00亿吨，同比下降3.0%。同期重点统计企业平均钢材库存量达1602万吨，创近三年新高。需求收缩叠加库存高企，钢铁企业正面临近年来最严峻的经营压力。在此背景下，AI炼钢带来的1.5%吨钢成本下降，对利润微薄的钢企而言不是锦上添花，而是生存刚需。
据全球冶金行业智能化转型市场报告（2026年7月发布），截至2026年第一季度，全球冶金行业智能化转型市场规模已突破680亿美元，较2020年增长超过210%，钢铁行业的智能排产系统部署率达到67%。中国钢铁行业机器人保有量约为9.2万台，市场规模接近98亿元。这些数字表明，智能化已从头部企业的试点走向全行业的标配。
绿色转型的“硬约束”与AI的杠杆效应
AI炼钢的意义不止于降本。2024年，钢铁、水泥、铝冶炼三个行业正式纳入全国碳市场，2026年钢铁行业首次进入实际履约年份。碳配额不再是一个抽象概念，而是真金白银的成本项。吨钢碳排放下降8%在碳市场中的价值，会随着碳价逐步走高而放大。
包钢在绿色转型上的投入力度也印证了这一点。据公开信息，包钢股份累计投入近百亿元环保资金，全面完成全工序超低排放改造，成为内蒙古首家获重污染天气绩效分级A级认证的钢铁企业，二氧化硫、氮氧化物、颗粒物排放总量分别下降56.99%、50.83%、30.29%。
与此同时，2026年5月工业和信息化部印发的《钢铁行业产能置换实施办法》将全国炼铁、炼钢产能置换比例统一提高至不低于1.5:1，新建1吨产能必须淘汰1.5吨旧产能。这一政策的直接效果是加速低效产能退出，利好具备技术和成本优势的头部企业。“包钢智冶”这类AI系统的推广，恰恰强化了这类企业在存量竞争中的相对优势。
更宏观地看，钢铁行业碳排放占全国总排放约15%，国家已启动为期3年的节能降碳攻坚行动，覆盖钢铁、水泥、电解铝等九大高耗能产业。AI在其中的角色，不仅是提效工具，更是实现碳排放精细化管理的基础设施。
技术落地的挑战与局限
AI炼钢并非没有挑战。不同钢厂的铁水成分、设备状态、工艺流程各有差异，一套模型难以直接复制到另一条产线。将老师傅的经验转化为数据标签，本身就是一个耗时且高度依赖专业人员的过程。模型在实际生产中的持续迭代和运维，同样需要复合型人才——既懂冶炼工艺又懂AI算法的人，在当前市场上极为稀缺。
此外，从投入产出角度衡量，AI炼钢系统的前期建设和维护成本对中小型钢企构成压力。在行业整体利润偏薄的背景下，并非所有企业都有能力像包钢一样投入大量资源进行智能化改造。技术门槛加资金门槛，可能加剧行业内部的分化。
从1959年包钢一号高炉流出第一炉铁水，到2026年1号转炉由AI模型自动完成冶炼，六十七年间，草原钢城的核心生产要素发生了根本性变化。当数据开始替代经验、算法开始辅助判断，中国钢铁行业正在经历的这场智能化转型，其影响将远超单个工厂的降本增效——它可能重新定义钢铁企业在未来产业链中的角色分工。
本文由AI辅助生成
