引言
2025年8月国务院发布《关于深入实施 “人工智能 +” 行动的意见》，明确要求推动工业全要素智能联动，加快人工智能在设计、中试、生产、服务、运营全环节落地应用。2025年12月工信部、发改委等八部门联合发布《“人工智能+制造”专项行动实施意见》，进一步要求加快推进人工智能技术在制造业融合应用，打造新质生产力。近年来，北京科技大学高效轧制与智能制造国家工程研究中心（以下简称“轧制中心”）利用自身的人才优势和技术优势，持续推进人工智能技术与业务领域的深度融合，破解行业痛点，构筑核心竞争力。近期将推出轧制中心“人工智能+业务”相关报道。
AI+数字研发：为钢铁企业产品高端化按下“加速键”
在高端制造需求激增与行业竞争加剧的双重背景下，传统研发模式下的效率瓶颈、成本高企等问题，正成为企业高质量发展的“拦路虎”。钢铁企业数智化转型，研发端的智能化是关键起点。通过数字化手段用数据总结经验、用AI优化设计、用仿真减少试错，实现研发全流程的智能化、精准化与高效化，助力企业从“被动响应”转向“主动创新”，已成为钢铁企业突破产品同质化、抢占高端市场的核心路径。
01 “AI+数字研发”整体思路
针对钢铁企业产品研发普遍存在的知识复用难、试错成本高、数据发挥价值不足等痛点，“AI+数字研发”以打通研-产-销的流程、数据和知识为基础，构建“产品设计-工艺规划-质量预测-仿真验证”的研发链路和工具为核心，为钢铁企业产品研发全方位提速提效：借助AI虚拟仿真与预测，大幅减少物理试错环节，直接缩短研发周期；通过精准的参数优化与质量预判，提升产品研发成功率与质量稳定性；将碎片化的知识与经验转化为可计算、可复用的数字模型，实现企业技术能力的沉淀与传承，让研发创新更高效、更精准、更经济。
02 数字研发类型AI应用场景介绍
（1）基于AI智能体的产品选材工具 —— 从经验依赖到精准速配
针对客户定制化需求，产品工程师在根据客户的性能、成本、应用场景等需求进行选材时，需翻阅大量手册、参考历史经验，耗时1-2天，且易因经验局限遗漏最优解，推荐准确率低。通过构建海量钢种选材知识和应用场景数据库，建立智能映射模型，AI智能体可在10秒内完成场景理解和海量数据检索与匹配，推荐3-5个最优钢种方案，并给出多维度深度解析和建议。
效果对比：选材效率提升90%以上，推荐准确率达到80%以上，快速响应客户定制化需求，大幅减少产品研发的前期沟通与筛选成本。
（2）基于知识模型的工艺方案推荐 —— 从碎片摸索到系统复用
传统模式下的工艺方案设计高度依赖个人经验直觉，有时甚至出现重复从头摸索试错，导致研发周期和成本不可控。通过构建数字研发专用的工艺知识图谱和高质量数据集，将分散的工艺设计经验转化为可计算、可推理的工艺知识模型，不但可自动推荐最优工艺参数，并可与QMS系统联动生成管控预案，确保在实际生产中可预测、可落实。
效果对比：通过智能化工艺方案推荐，新产品的全套工艺设计时间从传统的几周压缩至几小时，智能推荐的工艺方案采纳率达70%以上，实现了产品生产工艺知识的快速复用。
（3）基于深度学习的性能预测模型 —— 从实验推断到模型预判
传统的新产品开发中性能评估依赖大量物理测试，周期长、成本高，且难以进行影响规律分析和多目标优化。基于冶金机理构建覆盖各种钢种系列的基础模型框架，并利用深度学习算法接入钢轧全流程的200+ 核心参数，通过海量生产数据训练和高质量实验数据微调，可实现材料关键性能的预测、设计和寻优。
效果对比：新产品的性能预判从实验级耗时缩短至秒级响应，线下物理实验量减少60%，研发试错成本大幅降低。
（4）基于数字模拟的工艺仿真平台—— 从物理试错到虚拟验证
新产品和新工艺通常需要经历多轮试制开发，不仅耗时成本高，还需占用宝贵的生产时间，影响产线效率。构建数字化工艺仿真平台，融合AI方法与机理仿真技术，在虚拟环境中高保真还原炼钢、连铸、轧制、热处理等全工艺过程，提前发现工艺设计中的缺陷风险，并进行优化调整。
效果对比：新产品、新工艺试制次数平均可减少1/3以上，大幅缩短研发周期，并显著减少新产品开发了对产线正常生产的影响。
03 “AI+数字研发”的推广应用
借助数字研发平台的项目建设，“AI+数字研发”的相关技术及场景已经在宁波钢铁、抚顺特钢、南京钢铁、芜湖新兴铸管、永锋钢铁等企业落地。通过与企业共同合作开发，项目上线以后，在其本地化部署的平台上沉淀了上万条工艺规范和质量缺陷相关的数据，集成了几十款材料计算工具和工艺仿真APP，并积累了大量有关产品设计、工艺开发和质量改进的企业核心知识，平台研发能力可以覆盖带钢、板材、棒线、锻件等主要产品，基本实现了从产品设计、工艺开发到质量改进全过程与AI的深度融合，显著提升了企业的研发效率。
