张寿荣之后，宝钢二号高炉要自己算炉温了

1950年初春，一个年轻人走到高炉前看火。

他叫张寿荣，后来被称作中国炼铁第一人。

1949年，21岁的张寿荣从天津北洋大学冶金工程系毕业，进入鞍钢。当了半年学徒，1950年春天，他当上鞍钢一号高炉工长。

当时高炉的现代化程度很低，没有电脑，也没有各类仪表测数据。炉子里什么情况，他全凭一双眼睛判断。

张寿荣在鞍钢高炉前。图/《张寿荣自传——钢铁人生》

他讲过自己怎么看铁水：铁水流过出铁口，含硅量一高，火花就变稀，分叉增多，跳得更高；含硅到2.5%以上，火花没了，铁水里会冒小火球；硅越多，铁水流动越费劲，粘在铁沟里的也越多。

2005年9月11日，张寿荣院士出席第五届中国青年科技企业家管理论坛。图/中新

就靠这双眼睛，他后来在武钢干到总工程师，1995年当选中国工程院院士，被称为中国炼铁第一人。2024年7月14日，他在武汉去世，享年九十六岁。

三个月后，2024年10月，中国宝武在宝钢学术年会上首次发布自主研发的钢铁行业大模型，下面分高炉大模型、转炉大模型、配煤配矿大模型。

一年半之后，到2026年4月，宝钢股份拿出了一座会思考的二号高炉。这个模型能预判未来两小时的炉温变化，并据此作出调整，整个过程构成闭环，对两小时后铁水温度和硅素的预测命中率均超过90%。

硅素，正是76年前那个年轻人趴在出铁口边、数着火花分叉来推测的东西。

一吨钢只赚63块

钢铁企业近来为何突然对AI上心？得先看这个行业眼下什么处境。

2026年一季度，中钢协重点统计钢企的钢铁主业利润只剩10.3亿元，同比下降85.6%，主业销售利润率跌到0.1%。账面上那点利润，基本来自非钢产业和副产物，炼铁、炼钢这两块已经踩在盈亏线上。

分品种看更直白。

长流程螺纹钢每吨成本3270元，毛利只有63元。

短流程电炉钢每吨亏89元。

冷轧每吨亏138元。

63元，差不多就是一份外卖的钱，而且这还是没亏的情况下算出来的。

另一边，截至2025年10月，165家企业完成全工序超低排放改造，吨钢平均环保运行成本约212.44元，是螺纹钢毛利的三倍多。全行业为此的总投资到现在约3100亿元。

环保的钱花出去了，利润还趴在0.1%。传统降本手段这边，设备该换的换了，产线该合的合了，人员该压的压了，大动作已经做不出来。剩下能挖的成本，都藏在工艺内部那些说不清的缝隙里。

缝隙大多出在炼铁环节。这部分成本约占钢铁制造总成本的70%，碳排放占全流程八成以上，能耗也占七成，是整条链上权重最大的一段。偏偏它最难标准化，操作高度依赖工长个人判断。

燃料比是衡量这个行业最直接、最真实的指标之一，指生产一吨铁水消耗的燃料量，国际公认先进值为每吨450到500公斤。按中国钢铁工业协会的说法，十四五期间（2020年到2024年），重点统计企业燃料比一共只降了1%，同期焦比降4.9%。

五年，1%。这个数字说明，常规手段能榨的油水早就榨干了。

同样的铁矿石、同样的炉型、同样的焦炭，A厂和B厂烧出来的燃料比能差出几十公斤。差在哪？就差在工长脑子里那点东西。

这笔开销，我称之为经验税。财务报表上找不到这一项，可全行业一年下来，为此掏的钱在百亿元量级。

把工长的脑子装进服务器

宝钢二号高炉，合作方是华为。

宝钢股份炼铁厂大数据应用首席工程师王士彬，用四句话概括了改造前的难处：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。最后那六个字，后面还会提到。

按前面的算法，炉内温度波动每减少十度，一吨铁水就能省下一公斤焦炭，折合三块钱。模型投用后，这座高炉燃料比降了两公斤/吨铁水，碳排放也相应少了约五公斤/吨铁水，一年下来，整座高炉省出上千万元。

对年营收几千亿的公司来说，一千万不算什么。真正要紧的是怎么复制。高炉大模型先在四号高炉跑了整一年，2025年八月迁到三号高炉，同年之内，二号高炉和梅山基地四号高炉也会接进来。头一座炉子花了十年——宝钢2015年就动手做智能制造了，第二座只用一年。

养一个工长得十年，装第二座炉子不用。

南京那边有更硬的数据。南钢联手华为做出元冶大模型，高炉里上千个传感器实时采数，能提前两小时把炉温预测准，准确率稳在90%以上，这套系统被叫作火眼金睛。

南钢智慧运营中心的数字大屏，实时展示原料、生产、设备、能耗、物流等上百项核心数据，把全链路生产状态可视化呈现出来。

大模型跑出来的效果是这样：

铁水一级品率从80%提升到99%

吨铁生产成本降低200元

单是高炉智能配矿一个场景年降本就超过3亿元

单位产值能耗下降12%

吨铁成本降 200 元，对照螺纹钢 63 元的毛利，这不是一个量级的事。

老师傅几十年攒下的实操手感，宝钢把它和大数据、云计算揉到一起，原本黑箱一样的炉内状况，如今看得见、摸得着了。

模型学到的，就是工长本人。

那些说不清、教不会、人一退休就带走的判断力，被拆成参数塞进了服务器。经验税以后不必再交——经验已经被算明白了。

钢铁为什么排在最前面

讲AI落地的文章常犯一个毛病：按行业块头排序，大的先上、小的后上。现实不是这个路子。一个产业要真用上AI，得凑齐三个条件，钢铁恰好全占。

头一条，利润薄到非抠不可。一公斤焦炭三块钱，燃料比降两公斤，一吨就省六块。行情好的年头，六块钱没人当回事；眼下吨钢毛利只有六十三块，这六块等于多挣了将近一成。

第二条，炉子里的事，人根本看不见。炉温2300℃往上，什么探头伸进去都得化，里头究竟发生什么，谁也讲不清。机理模型算不准，几十年只能靠工长的经验去凑。数据海量、规律说不清，这种活正是大模型的强项。反过来看，流程清楚、规则明确的环节，传统自动化二三十年前就啃完了，根本轮不到AI。

第三条，有的是炉子供试错。国内粗钢总产能超过10亿吨，2026年的产量控制目标只有9.3亿吨。多出来的产能在别的行业是包袱，搁这儿成了试验田。一座炉子改砸了，交付照旧不受影响；改成了，模型转头就装到下一座炉子上。

AI进入工业领域，先看哪个行业，跟这个行业本身有没有吸引力没关系。真正起决定作用的是浪费能不能被量化。钢铁行业的浪费能精确到公斤级别，所以排在第一。换到那些连自己日常浪费是什么都说不清的地方，AI再先进也进不去。

被算清楚之后

不过先泼一盆冷水。有机构比对过宝钢、华菱、河钢、鞍钢、首钢、马钢等多家钢铁企业的2025年报，大模型、智能体都成了年度关键词。落到实际操作层面，差异却很大：一部分头部企业已经在高炉这类重要黑箱环节用上了大模型，还有相当一部分企业仍处在观望和探索阶段。

说白了，年报里写得多，实际用起来的少。前面提到的这些企业属于比较特殊的情况，代表不了整个行业的现状。

另外两件事也很关键。

第一，经验的产权变了。一位工长三十年攒下的判断力，过去是他在厂里最硬的东西，厂子离不开他，涨薪、调岗、退休返聘的底气都在这上面。模型学会之后，这份东西就跟他的关系断了，它变成资产写进公司账上，可以复制到任何一座炉子，也可以打包卖给同行。

第二，王士彬说的“经验传承传不下”，本来是用来说明改造之前的问题：老工匠要退休了，技术没办法继承下去，因此需要用模型来代替。这个逻辑没有问题。可把时间轴拉得更长一些，就会发现其中存在一个矛盾。

命中率如果是90%，就有10%的情况没被考虑到。这种时候只剩下异常的炉况，也就是所有参数都不同寻常的时候，离事故发生就更近了，而人又必须依赖自己的经验来做决定。

那新一代年轻人该怎么练出自己的手感？张寿荣的眼睛，是在压根没有仪表盘的年代里，一炉一炉死盯着看出来的。如今进了厂，眼前只有一块大屏和一条自动生成的指令，出错的机会都没了，拿什么去磨自己？有些企业已经公开讲，这套系统把活儿变简单了、门槛也降了。门槛低当然是好事，可它也说明这行既不用挑人，也不用带新人了。

这套系统靠老师傅喂养，同时切断了下一代老师傅的生成机制。

眼下没出问题，是因为最后一批凭感觉干活的人还在岗位上。等十年之后，剩下那百分之十的活儿该交给谁，谁也答不上来。

所以评判一个钢厂的标准也要改一改了。以前看的是生产能力大小和高炉容积，现在新的标准就是两条：

一是它的燃料比距离450公斤还差多少；二是工长的脑子是否已经装进了服务器之中。

第一项就是看这一年是否能够生存下来，第二项就是判断十年之后还在不在。

往后"经验税"这三个字还会在别的行业里一遍遍冒出来。医院里资历深的影像科大夫、纺织厂里验布的工人、电网调度中心凭感觉排方案的那些人，他们脑子里装的东西，到现在都还没被算明白。