作为钢铁生产的核心工序，高炉运行效率直接决定企业的经济效益。
高炉成本占钢铁生产总成本的70%左右，其长期稳定运行关系到企业的盈利能力。
然而，入炉原料成分波动、炉内气流分布不均、温度微小变化等因素，都可能引发连锁反应，对生产造成严重影响。
据测算，炉内每减少10摄氏度的温度波动，每吨铁水就能少消耗1千克焦炭，成本可降低3元。
这说明精准控制炉温的重要性。
长期以来，钢铁企业在高炉管理中面临多重困境。
宝钢股份炼铁厂大数据应用首席工程师王士彬坦言，企业常常面临炉内状态看不清、操作反馈跟不上、连锁反应控不住、经验传承传不下等难题。
这些问题的根本原因在于，传统高炉管理主要依靠操作人员的经验判断，缺乏科学的数据支撑和预测能力，难以实现精细化、智能化的管理。
面对这些挑战，宝钢股份与华为开展深度合作，按照"数实融合、同题共答"的攻关路径，以自身业务需求为导向，充分发挥人工智能、大数据、云计算等前沿技术的优势，构建了高炉AI大模型解决方案。
这一创新举措标志着传统制造业与新兴技术的深度融合。
攻关的关键突破是构建高炉AI大模型。
这个模型的核心功能是将专家经验转化为数据代码，把炉内看不见的化学反应转化为可预测的参数，最终实现炉温的精准预测与自动调控。
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进行量身定制。
这种做法既充分利用了大模型的通用能力，又融入了钢铁行业的专业知识。
华为钢铁有色军团总裁石矛介绍，AI既学习了宝钢海量运行数据，又借鉴了其他工业领域的物理、化学通用规律，实现了知识的有机融合。
经过持续攻关，宝钢股份高炉AI大模型取得显著成效。
该模型对炉温等关键指标的预测准确率达到90%，实现了对高炉内部状态的高精度、高时效性感知。
目前，高炉大模型已稳定运行10个月以上，充分证明了其可靠性和实用性。
单座高炉应用该模型后，实现了燃料消耗降低、铁水质量稳定、炉况异常减少等多重效果，经测算，每年可创效超千万元。
为了提高模型的推广效率，宝钢股份创新采用了"预训练底座+下游任务微调"模式。
由于宝钢股份旗下有数十座高炉，炉体结构和工艺配置各不相同，这种模式在基础模型上针对不同高炉的个性化特征进行微调，将产品上线周期大幅缩短，大大提高了模型的适配性和推广速度。
更为重要的是，宝钢股份打造了一个持续学习、自我优化的闭环系统。
通过"增量训练—预测推理—闭环控制"的循环机制，新产生的数据不断反馈给模型进行再训练、再迭代，实现了边学边用、持续优化的目标。
这种动态优化机制确保了模型的长期有效性。
宝钢股份的成功实践已经扩展到更广泛的领域。
其母公司中国宝武集团正规划建设钢铁大模型能力图谱，将预测大模型、视觉大模型、科学计算大模型等AI能力延伸到钢铁生产的原料、炼铁、炼钢、轧钢、新材料研发等全流程，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。
目前，智能场景已在宝钢股份各生产环节落地开花。
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，显著提高了机组生产稳定性。
截至2025年，宝钢股份已上线近300个AI应用场景，打造了5个AI标杆产线，形成了冶金机理、专家经验与大模型技术深度结合的有效实践。
数智赋能已成为宝钢股份穿越周期、逆势增长的关键动力。
这场传统制造业与人工智能的深度碰撞，为钢铁行业降本增效开辟了新路径，也为其他传统制造业的智能化转型提供了有益借鉴。
高炉之“智”，不在于把设备“更复杂”，而在于让决策“更确定”。
当经验被数据化、机理被模型化、控制被闭环化，传统制造业的竞争逻辑正从“拼资源、拼规模”转向“拼稳定、拼效率、拼能力沉淀”。
这条路径既为钢铁行业降本增效打开新空间，也提示各行业：数字化转型的价值，最终要落在可衡量的质量提升、能耗下降与更强的抗波动能力之上。