【经管讲堂·AI经管实践】山钢’一键炼钢’：垂域大模型如何改写钢铁制造经济学

事件与实践

在2026人工智能产业大会上，山钢集团的尚智人工智能平台实时呈现炼钢厂转炉炼钢现场。过去冶炼末期熔池状态无法直观观测，炉长依靠肉眼观察把控火候，经验差异直接影响成本与品质。山钢整合烟气、视频、音频、工艺多维数据打造尚智大模型后，一键炼钢智能体自动输出执行指令，温度命中率提升至95%以上。

分析

一、隐性知识的显性化与组织学习

野中郁次郎的知识创造理论（SECI模型）指出，组织竞争力的关键在于将老师傅的隐性经验转化为可传承的显性知识。尚智大模型通过多维数据训练，把顶尖炉长的火候判断’固化’进模型，使一线经验不再随人员流动而流失，这是数字化转型中最具组织学价值的环节。

二、数据要素的边际报酬递增

从生产函数看，数据作为新型生产要素具有非竞争性与规模报酬递增特征。山钢整合烟气、视频、音频、工艺四类数据形成训练闭环，模型应用越多、数据越丰富、判断越精准。与设备投资不同，AI能力随使用而增值，这改变了钢铁这类重资产行业的投资回报逻辑。

三、决策自动化与岗位重构

西蒙的决策理论区分程序化与非程序化决策。一键炼钢将原本高度依赖个人判断的程序化决策交由智能体，炉长角色从’操作者’转向’异常处理与模型调优者’。岗位内涵的变化要求企业同步设计再培训体系，否则技术红利将被组织摩擦损耗。

启示

垂域大模型的工业价值不在于’能聊’，而在于把行业知识、工艺机理与专家经验沉淀为可复制的模型资产。’以工业场景牵引模型创新、以行业数据反哺模型迭代’的路径，为传统制造企业提供了确定性较高的AI落地方法论：先选准高价值场景，再构建数据闭环，最后重设人的角色。

其他思考

1. 炼钢温度命中率95%以上的经济价值应如何量化核算？
2. 老师傅经验数据化的过程中，如何处理经验本身的错误与偏差？
3. 中小钢企缺乏数据积累，能否通过行业共享模型跨越门槛？

关键词：垂域大模型,智能制造,知识管理,数据要素,钢铁行业
来源：2026人工智能产业大会、新浪财经（2026年10月） | 整理：经管讲堂