5月14日，殷瑞鈺、柴天佑、王國棟、桂衛(wèi)華4位中國工程院院士暢談了對于生成式AI、鋼廠智能化、大模型等熱點話題的看法。

殷瑞鈺：鋼廠智能化的實質，是要構建一個數(shù)字物理融合系統(tǒng)

“鋼廠（流程制造業(yè)）智能化的實質是要構建一個數(shù)字物理融合系統(tǒng)（CPS），需要從數(shù)字信息系統(tǒng)一側和物理工藝系統(tǒng)一側相向而行，相互支撐，相互融合?！币笕疴曋赋?。

他進一步闡釋道，該融合系統(tǒng)是以物理系統(tǒng)（工藝流程和裝置群）的自組織優(yōu)化為技術“底座”，以與之相應的數(shù)字信息系統(tǒng)為他組織“大腦”，實現(xiàn)數(shù)字信息系統(tǒng)向物理工藝系統(tǒng)賦能，并能夠持續(xù)運行，進而實現(xiàn)制造流程（相關過程群）整體自感知、自學習、自決策、自執(zhí)行、自適應。

殷瑞鈺還據(jù)此談到了自動化與智能化、智慧與智能化的區(qū)別。

“賦能對象不同反映出數(shù)字化的層次不同。如果物理工藝系統(tǒng)為單一工序/裝置，數(shù)字信息系統(tǒng)向其賦能則表現(xiàn)為自動化；如果物理工藝系統(tǒng)為鋼鐵制造全流程，數(shù)字信息系統(tǒng)向其賦能則表現(xiàn)為智能化?！彼J為。

“與智能化有所區(qū)別，智慧是一種人類大腦中特有的、內在的高級思維方式，諸如計謀策劃、奇思妙想、精密構思、突發(fā)靈感、聯(lián)想頓悟等……重在內在的思索性、感悟性、聰慧性。”他強調。

殷瑞鈺最后呼吁，不同專業(yè)的人士在對數(shù)字物理系統(tǒng)的認知并達成共識的道路上，首先應該具有一種謙卑的心志——“我只是一個擁有碎片知識的人”，共識是從承認“我只有片段知識”的基礎上開始的。在他看來，數(shù)字技術和數(shù)字物理系統(tǒng)知識帶給世界最重要的價值是，把一個個孤立的單元連接成一個復雜的類生物系統(tǒng)。

柴天佑：新一代信息技術正驅動工業(yè)自動化、信息化向工業(yè)智能化跨越

柴天佑表示，當前，制造企業(yè)存在的關鍵問題，一是資源計劃(ERP)、制造執(zhí)行系統(tǒng)(MES)、過程控制系統(tǒng)(PCS)3層企業(yè)信息化結構，無法實現(xiàn)制造企業(yè)全局優(yōu)化和個性定制高效化。二是復雜工況與關鍵工藝參數(shù)感知與識別、生產過程運行決策與控制，仍然依靠經驗和知識人工完成。

“新一代信息技術開辟了研發(fā)工業(yè)智能系統(tǒng)的新途徑，正驅動工業(yè)自動化、信息化向工業(yè)智能化跨越?！辈裉煊颖硎?，工業(yè)智能化致力于實現(xiàn)3方面目標，一是驅動ERP/MES/DCS(PCS)三層結構向兩層結構的決策與控制一體化系統(tǒng)發(fā)展，二是制造過程感知、決策、控制一體化和自學習自優(yōu)化，三是驅動集中式ERP與MES向分散式數(shù)字孿生驅動的生產要素可視化監(jiān)控、預測、回溯、決策與控制體化和自學習自優(yōu)化發(fā)展。

那么，如何做到？柴天佑提出3方面觀點。

第一，工業(yè)互聯(lián)網必須向工業(yè)智能化的基礎設施發(fā)展。工業(yè)互聯(lián)網作為新一代信息技術與制造業(yè)深度融合的產物，是以數(shù)字化、網絡化、智能化為主要特征的新工業(yè)革命的關鍵基礎設施?！按蠹叶贾蕾徺I算力，但并非都能將其打造成大模型的基礎設施，需有專業(yè)的隊伍才行?！辈裉煊诱f。

第二，工業(yè)人工智能是工業(yè)智能算法的基礎。美國人工智能發(fā)展戰(zhàn)略報告里提到，“工業(yè)人工智能當前的目標是將以前無法實現(xiàn)工業(yè)生產自動化的任務實現(xiàn)自動化?！辈裉煊舆M一步闡釋道，即將產品與工藝設計、經營管理與決策、制造流程運行管理與控制等工業(yè)生產活動中，目前只能依靠人的感知、認知、分析與決策能力、經驗與知識來完成的影響經濟效益的知識工作，實現(xiàn)知識工作的自動化與智能化(工況識別、指標預測與回湖、人機互動與協(xié)作的智能優(yōu)化決策)感知、決策與控制一體化，顯著提高經濟效益。

“工業(yè)場景的特殊性在于過程始終動態(tài)變化。人工智能的發(fā)展須與工業(yè)結合，產生工業(yè)能用的算法、平臺和技術，才能真正落地，并推進產業(yè)發(fā)展?！辈裉煊诱J為。

第三，工業(yè)元宇宙是實現(xiàn)虛擬場景下監(jiān)控，在線自學習自優(yōu)化真實場景下識別、決策與控制系統(tǒng)的基礎。

王國棟：下一步的任務是實現(xiàn)鋼鐵工業(yè)全流程一體化的數(shù)字化轉型、“AIGC+鋼鐵”

改革開放以來，我國鋼鐵行業(yè)迅猛發(fā)展，經過多年的引進和創(chuàng)新，工藝裝備、控制系統(tǒng)硬件以及運行環(huán)境都達到了工業(yè)時代的巔峰水平。鋼鐵工業(yè)作為大型復雜流程工業(yè)，全流程各工序均為充滿不確定性的“黑箱”。這些“黑箱”為我們提供了應用數(shù)字技術的最佳場景。

“工業(yè)時代后期的自動化控制系統(tǒng)有全面的數(shù)據(jù)采集和豐富的數(shù)據(jù)積累，數(shù)據(jù)資源優(yōu)勢明顯。進入數(shù)字時代，對鋼鐵工業(yè)的落后大腦——邊緣系統(tǒng)進行數(shù)據(jù)驅動、軟件定義、雙層架構的信息技術改造，構建先進的自組織、自學習、自適應、高度自治的信息物理系統(tǒng)（CPS）和鋼鐵行業(yè)創(chuàng)新基礎設施（SEII），成為一個亟待解決的重大問題?！蓖鯂鴹澲赋?。

他呼吁，鋼鐵行業(yè)須遵照習近平總書記提出的新時代中國特色社會主義思想，以鋼鐵行業(yè)中國式現(xiàn)代化為目標，發(fā)揮社會主義制度的優(yōu)越性，集中力量辦大事，貫徹“深度融合”三原則（產學研深度融合、科技創(chuàng)新與創(chuàng)業(yè)創(chuàng)新深度融合、數(shù)字經濟與實體經濟深度融合），促進鋼鐵工業(yè)全流程、一體化“AI+鋼鐵”，數(shù)字換腦，模型換代，登頂Robotsteel（RS），完成鋼鐵工業(yè)中國式現(xiàn)代化的光榮任務。

“為此，我國鋼鐵行業(yè)必須以鋼鐵產品生產線為主線，以生產線的大數(shù)據(jù)為基本資源，利用大數(shù)據(jù)/機器學習+理論/經驗，圍繞質量、成本、低碳、安全發(fā)展，主攻全流程邊緣黑箱，通過‘AIGC+鋼鐵’，建設全流程一體化的數(shù)字孿生平臺與SEII，構成具身智能的鋼鐵行業(yè)的RS，從而實現(xiàn)數(shù)字經濟、人工智能與實體經濟的深度融合?！蓖鯂鴹澅硎?。

據(jù)介紹，經過近年產學研用的共同努力，一些先進鋼鐵企業(yè)的已開發(fā)出各單元SEII，并已經投入運行，發(fā)揮效益、取得重要的突破性成果，樹立了單元數(shù)字化轉型的樣板。由于鋼鐵生產過程的高度復雜性和某些數(shù)據(jù)無法獲取，在此過程中充分利用近年發(fā)展的最新AI技術，例如深度學習、多模態(tài)、多智能體、算力輕量化、端到端、具身智能等，將數(shù)字經濟與鋼鐵行業(yè)實體經濟深度融合，人工智能科技創(chuàng)新與產業(yè)創(chuàng)新深度融合，同時充分利用離線獲取的數(shù)據(jù)和傳統(tǒng)理論、專家經驗等，為鋼鐵行業(yè)賦能，助推鋼鐵行業(yè)轉型升級。

“下一步的任務是實現(xiàn)鋼鐵工業(yè)全流程一體化的數(shù)字化轉型、‘AIGC+鋼鐵’?！蓖鯂鴹澅硎荆覀冇行判淖龅?，充分利用鋼鐵行業(yè)工業(yè)時代后期最先進的計算機硬件系統(tǒng)和運行環(huán)境，采用新一代的扁平化雙層體系架構，進行數(shù)據(jù)驅動、軟件定義等信息技術改造，實現(xiàn)鋼鐵行業(yè)全流程一體化的數(shù)字換腦、模型換代、AI+邊緣數(shù)控，走出一條低成本、高效率、易推廣、零風險的數(shù)字化轉型的鋼鐵工業(yè)升級換代之路。

桂衛(wèi)華：大模型應用到工業(yè)領域、實現(xiàn)產業(yè)變革，仍是一道鴻溝

所謂生成式人工智能，是以超大規(guī)模、超多參數(shù)量的大模型為基礎，通過大量的數(shù)據(jù)和計算資源來提取信息、獲取知識、模擬人類大腦智慧。

“理論上，大模型在工業(yè)領域可以發(fā)揮4方面作用：優(yōu)化設計過程、提高研發(fā)效率，基于交互能力推動產品和服務智能化，拓展生產制造智能化應用的邊界，基于助手模式提升經營管理水平?！彼赋?，“ChatGPT帶火生成式AI，國內外掀起‘百模大戰(zhàn)’，廣大媒體討論熱烈，但大模型應用到工業(yè)領域、實現(xiàn)產業(yè)變革，仍有一道鴻溝。”

桂衛(wèi)華分析認為，大模型工業(yè)應用主要面臨知識、決策、驗證等3方面挑戰(zhàn)。具體而言，在知識方面，大模型擅長處理靜態(tài)數(shù)據(jù)，而工業(yè)數(shù)據(jù)大多是時序數(shù)據(jù)；在決策方面，對機理模型的處理是工業(yè)領域最需要的部分，大模型不會處理；在驗證方面，流程生產過程具有全天候不間斷運行、平穩(wěn)性要求高、異常狀態(tài)危害大等特點，導致大模型賦能工業(yè)應用的關鍵技術無法不經測試直接落地應用，但新技術缺少應用驗證與評測的環(huán)境。

為應對這些挑戰(zhàn)，桂衛(wèi)華團隊研發(fā)了有色冶金具身智冶垂域大模型。對于解決知識問題，該大模型構建了高質量、多層級工業(yè)領域知識庫，提出了基于MODELING的元建模方法及面向多場景黑盒復用的元模型標準封裝體系，構建可重構、可移植、易復用的元模型。對于解決決策問題，該大模型通過工業(yè)知識微調增強代碼生成大模型，建立語法/語義檢查反饋提示生成的軟件構造工作流，構建了低資源工控指今與代碼數(shù)據(jù)的生成-部署-更新閉環(huán)鏈路；最后通過高保真數(shù)字孿生模型和輕量化部署構建實物伴生平臺，為整體架構體系的驗證測試提供基礎?！霸摯竽Ｐ推平饬斯I(yè)AI大模型技術不敢用、不好用的難題?！彼f。

桂衛(wèi)華建議，未來要進一步完善行業(yè)語料庫，深入研究不同行業(yè)、不同領域、不同場景語料匯聚技術；深入研究大小模型協(xié)同進化路徑，推動端側化發(fā)展，達到大模型賦能工業(yè)I+N+X的應用范式效果；進一步融合多領域的模型能力，在不同場景中“自我學習”，通過一個大模型解決產業(yè)中各種問題，極大地提高模型利用率，推動AI開發(fā)走向“統(tǒng)一”。