從內(nèi)蒙古草原的露天煤礦到東海之濱的煉化基地，從西部高原的金屬礦山到華東地區(qū)的鋼鐵高爐，從中東中亞的石油井場(chǎng)到拉美地區(qū)的鐵礦開采，人工智能的浪潮正在重塑資源行業(yè)的每一個(gè)角落。一年來(lái)的客戶交流和實(shí)地調(diào)研，我深刻體會(huì)到，這個(gè)支撐著各國(guó)國(guó)民經(jīng)濟(jì)命脈的領(lǐng)域，經(jīng)歷著一場(chǎng)靜水潛流的變革。

回首2024年，我認(rèn)識(shí)到勞動(dòng)資料、勞動(dòng)對(duì)象、勞動(dòng)者的“三個(gè)跨越”是驅(qū)動(dòng)這場(chǎng)變革的核心動(dòng)能。邁入2025年，人工智能浪潮席卷千行萬(wàn)業(yè)，資源行業(yè)已站在了歷史性的拐點(diǎn)，國(guó)家對(duì)安全保障的要求日益嚴(yán)苛、全球減碳的倒計(jì)時(shí)愈發(fā)緊迫，高耗能行業(yè)的生存空間繼續(xù)被壓縮。

如何破開困局、行穩(wěn)致遠(yuǎn)？我認(rèn)為根本路徑在于，積極擁抱先進(jìn)生產(chǎn)力，推動(dòng)AI從輔助生產(chǎn)的配角演進(jìn)到在核心生產(chǎn)的發(fā)揮價(jià)值，其關(guān)鍵在于“以用促建”——通過圍繞AI創(chuàng)造價(jià)值來(lái)牽引信息基礎(chǔ)設(shè)施建設(shè)，構(gòu)建起企業(yè)長(zhǎng)遠(yuǎn)發(fā)展的數(shù)智化底座。

唯有如此，才能實(shí)現(xiàn)從量變到質(zhì)變的飛躍，最終迎來(lái)AI大規(guī)模應(yīng)用的奇點(diǎn)時(shí)刻。這項(xiàng)轉(zhuǎn)型的意義早已超越了資源行業(yè)和AI技術(shù)本身，它關(guān)乎國(guó)家能源資源安全的基石，是兌現(xiàn)“雙碳”承諾、引領(lǐng)全球綠色發(fā)展的責(zé)任擔(dān)當(dāng)?？v使前路仍有坎坷，資源行業(yè)的破局方向已然明確，未來(lái)可期。

AI由輔助生產(chǎn)邁向核心生產(chǎn)驅(qū)動(dòng)，未來(lái)還會(huì)走向系統(tǒng)智能。

過去幾年，AI的應(yīng)用多停留在視覺監(jiān)測(cè)、自動(dòng)化巡檢等輔助生產(chǎn)的單點(diǎn)場(chǎng)景，比如，煤礦的皮帶跑偏識(shí)別、井下的“反三違”監(jiān)控和掘進(jìn)機(jī)作業(yè)序列分析，鋼鐵廠的廢鋼等級(jí)判定與棒材表面缺陷檢測(cè)等。

這些應(yīng)用雖提升了局部效率，卻尚未觸及核心生產(chǎn)系統(tǒng)的核心決策環(huán)節(jié)。如今，AI正深度融入資源行業(yè)的高價(jià)值、高難度環(huán)節(jié)，尤其是那些曾被視為離不開人工操作的核心難題，從邊緣走向中心。

在鋼鐵行業(yè)，高爐冶煉這個(gè)延續(xù)百年的傳統(tǒng)工藝正在被AI重新定義。

高爐冶煉過程中，涉及1400多個(gè)強(qiáng)耦合參數(shù)，屬于固液氣三相劇烈反應(yīng)的“黑箱”，依賴人工經(jīng)驗(yàn)難以精確控制。華為盤古大模型通過時(shí)序信息增強(qiáng)算法，解析參數(shù)間動(dòng)態(tài)關(guān)聯(lián)，實(shí)現(xiàn)爐溫精準(zhǔn)調(diào)控。根據(jù)實(shí)踐，爐內(nèi)每減少10℃的溫度波動(dòng)，每噸鐵水就可以減少1kg焦炭的消耗，成本就能降低3塊錢。以寶武鋼鐵應(yīng)用盤古大模型優(yōu)化高爐爐況為例，單個(gè)高爐即可實(shí)現(xiàn)約1000萬(wàn)元的成本節(jié)省。

在油氣領(lǐng)域，AI正重塑從勘探到開采的生產(chǎn)工藝。

中國(guó)石油與華為聯(lián)合，將神經(jīng)網(wǎng)絡(luò)技術(shù)與地球物理技術(shù)深度融合，利用海量地震勘探數(shù)據(jù)，訓(xùn)練地震解釋AI大模型。該大模型直接面向找油找氣的核心業(yè)務(wù)，讓地震波波動(dòng)方程求解效率提升5倍以上，反演建模效率提升10倍，將項(xiàng)目周期顯著縮短20%以上。雙方還共同開發(fā)了“智能鉆井系統(tǒng)”，利用深度學(xué)習(xí)算法實(shí)時(shí)識(shí)別巖性，在將儲(chǔ)層鉆遇率提升至85%、單井產(chǎn)量增加30%的同時(shí)，使鉆井周期縮短15%，并大幅降低了鉆井成本。

在化工領(lǐng)域，變革同樣深刻。

2024年12月，華為與云天化合作，利用氣化爐生產(chǎn)的離線歷史數(shù)據(jù)開展RTO（實(shí)時(shí)在線優(yōu)化技術(shù)）大模型訓(xùn)練，使煤氣化裝置能夠精確模擬并預(yù)測(cè)氣化爐爐溫、渣層厚度及熔渣粘度等關(guān)鍵參數(shù)。經(jīng)過半年穩(wěn)定生產(chǎn)，云天化大為制氨大幅減少人員干預(yù)、顯著增強(qiáng)裝置運(yùn)行的穩(wěn)定性與安全性，實(shí)現(xiàn)比煤耗削減1.33%，預(yù)計(jì)節(jié)煤9100噸/年、減少二氧化碳排放量2萬(wàn)噸/年。

我認(rèn)為，從礦卡無(wú)人駕駛到高爐爐溫預(yù)測(cè)，從油藏解釋模擬到化工運(yùn)行優(yōu)化，AI向核心生產(chǎn)系統(tǒng)的滲透，絕非簡(jiǎn)單疊加，而是對(duì)資源行業(yè)生產(chǎn)流程和工藝的重構(gòu)。其本質(zhì)是通過數(shù)據(jù)與機(jī)理的融合，將行業(yè)知識(shí)與人工經(jīng)驗(yàn)訓(xùn)練為可復(fù)用的工業(yè)大模型，所以AI不是要取代人的經(jīng)驗(yàn)，而是要沉淀和放大人類的智慧。

以用促建，圍繞AI價(jià)值構(gòu)建堅(jiān)實(shí)數(shù)智底座

與金融、互聯(lián)網(wǎng)等“先建后用”的數(shù)字化路徑截然不同，資源行業(yè)正走出一條“以用促建”的新路。前者的數(shù)字化基礎(chǔ)設(shè)施歷經(jīng)長(zhǎng)期迭代，信息系統(tǒng)本身即為核心業(yè)務(wù)，AI應(yīng)用可快速嫁接其上，形成了‘建設(shè)驅(qū)動(dòng)使用’的良性循環(huán)。而后者長(zhǎng)期依賴機(jī)械自動(dòng)化，常面臨極端環(huán)境、網(wǎng)絡(luò)覆蓋薄弱、數(shù)據(jù)采集困難等挑戰(zhàn)，傳統(tǒng)信息化建設(shè)模式成本高、周期長(zhǎng)且投資回報(bào)存在不確定性。

所以，我認(rèn)為必須“圍繞解決生產(chǎn)經(jīng)營(yíng)難題的AI價(jià)值場(chǎng)景，指導(dǎo)企業(yè)ICT建設(shè)”，通過實(shí)際場(chǎng)景，牽引企業(yè)數(shù)智化底座按需迭代，從而實(shí)現(xiàn)技術(shù)與業(yè)務(wù)的雙向奔赴。以行業(yè)智能化參考架構(gòu)為頂層設(shè)計(jì)框架，從感知層的數(shù)據(jù)采集、聯(lián)接層的數(shù)據(jù)傳輸、到數(shù)字底座和數(shù)字平臺(tái)，最終讓有用的數(shù)據(jù)通過人工智能發(fā)揮“提質(zhì)增安”的價(jià)值。

針對(duì)資源行業(yè)設(shè)備互聯(lián)難題，我們推出的礦鴻物聯(lián)網(wǎng)操作系統(tǒng)，通過統(tǒng)一數(shù)據(jù)格式與協(xié)議，打破了數(shù)據(jù)壁壘。2025年，國(guó)能集團(tuán)、中煤集團(tuán)、伊泰集團(tuán)等旗下的多個(gè)煤礦，已基于該系統(tǒng)規(guī)?；瘡?fù)制了液壓支架跟機(jī)自動(dòng)化、瓦斯智能巡檢、輸送帶智能巡檢等多個(gè)場(chǎng)景的應(yīng)用，不僅大幅提升了作業(yè)效率，而且讓數(shù)據(jù)“自由流動(dòng)”，為AI大模型訓(xùn)練提供高質(zhì)量的數(shù)據(jù)原料，為AI決策聯(lián)動(dòng)提供保障。

針對(duì)煤礦井工礦，我們針對(duì)性研發(fā)出“一切到底”的本質(zhì)安全網(wǎng)絡(luò)，解決傳統(tǒng)多網(wǎng)并存，成本高、維護(hù)難的痛點(diǎn)，該成果已經(jīng)被國(guó)家能源局納入《煤礦信息綜合承載網(wǎng)通用技術(shù)規(guī)范》中。針對(duì)鋼鐵冶煉工廠，我們研發(fā)了時(shí)延敏感網(wǎng)絡(luò)，解決流程性作業(yè)環(huán)境的低時(shí)延實(shí)時(shí)控制要求；針對(duì)化工廠大量銅纜鋪設(shè)的傳統(tǒng)接入網(wǎng)絡(luò)，我們研發(fā)了基于SPE交換機(jī)的NIICA架構(gòu)解決方案，推進(jìn)工業(yè)領(lǐng)域的“光進(jìn)銅退”，解決化工裝備大帶寬接入難題。這些新產(chǎn)品的研發(fā)，立足于高效解決資源行業(yè)網(wǎng)絡(luò)覆蓋的問題。

針對(duì)資源企業(yè)生產(chǎn)需求波動(dòng)大、邊緣場(chǎng)景計(jì)算需求高的特點(diǎn)，華為云Stack實(shí)現(xiàn)了多級(jí)協(xié)同。南京鋼鐵基于華為云Stack大模型混合云，目前已完成20個(gè)智能場(chǎng)景應(yīng)用的上線，使得勞動(dòng)生產(chǎn)率提升30%，綜合能耗降低15%以上。

值得一提的是，我們的礦山高性能4G&5G技術(shù)、全閃存的高性能存儲(chǔ)、高帶寬低時(shí)延的光纖通信和IP網(wǎng)絡(luò)，以及HCS云方案，均大規(guī)模在海外油氣礦山得到部署，很好地滿足了企業(yè)生產(chǎn)的信息化和數(shù)字化需求，支撐了企業(yè)人工智能等應(yīng)用的發(fā)展。

因此，資源行業(yè)的智能化不是外掛“AI應(yīng)用”，而是通過“用”與“建”的深度咬合，重構(gòu)系統(tǒng)的底層邏輯。當(dāng)?shù)V鴻讓裝備“開口說(shuō)話”，當(dāng)切片網(wǎng)絡(luò)打通數(shù)據(jù)血脈，當(dāng)云邊架構(gòu)賦予系統(tǒng)彈性，有了足夠高價(jià)值場(chǎng)景數(shù)據(jù)的AI，才具備躍升為核心生產(chǎn)力、成為工業(yè)大腦的可能。這條路雖無(wú)先例可循，卻正以中國(guó)速度推進(jìn)，向全球延展。實(shí)踐正在證明：以價(jià)值驅(qū)動(dòng)的數(shù)字化基建，才是資源行業(yè)穿越行業(yè)周期性波動(dòng)的方舟。

奇點(diǎn)來(lái)臨 從量變到質(zhì)變的規(guī)?；w躍

深刻的產(chǎn)業(yè)變革中存在一個(gè)從量變到質(zhì)變飛躍的“奇點(diǎn)”，突破奇點(diǎn)后，新的范式將以不可逆轉(zhuǎn)的態(tài)勢(shì)重塑整個(gè)生態(tài)。

在資源行業(yè)，奇點(diǎn)來(lái)臨的標(biāo)志在于，人工智能不僅在技術(shù)實(shí)現(xiàn)的成熟度上超越傳統(tǒng)作業(yè)方式，更在經(jīng)濟(jì)效益上體現(xiàn)“收益大于成本”的商業(yè)閉環(huán)。

過去，資源行業(yè)的智能化更多依賴政策驅(qū)動(dòng)，而現(xiàn)在的企業(yè)已享受到技術(shù)能夠帶來(lái)的收益提升。因此，這股智能化浪潮正從頭部示范企業(yè)如山東能源集團(tuán)、中國(guó)石油、寶武鋼鐵、國(guó)家管網(wǎng)、海螺水泥等向中小企業(yè)快速滲透。

無(wú)人駕駛礦卡是AI價(jià)值顯性化的典型代表。2023年，我們還在為零星的無(wú)人駕駛礦卡的成功編組試驗(yàn)而振奮。然而，僅僅一兩年時(shí)間，在中國(guó)東部、西北部的高原、極寒或缺氧的地區(qū)，全國(guó)已部署近2000輛無(wú)人駕駛礦卡，組成多編組的龐大車隊(duì)，與有人駕駛車輛混編作業(yè)、高效運(yùn)轉(zhuǎn)。

根據(jù)持續(xù)運(yùn)營(yíng)的數(shù)據(jù)測(cè)算，僅在華能伊敏，無(wú)人礦卡綜合運(yùn)輸效率較人工駕駛提升20%以上。百臺(tái)無(wú)人礦卡編組每年替代柴油超1.5萬(wàn)噸，按當(dāng)前柴油價(jià)格（約7000元/噸）計(jì)算，僅燃料成本年節(jié)省約1億元。預(yù)計(jì)到2025年底，全國(guó)無(wú)人礦卡部署量將突破5000輛，這意味著，AI主導(dǎo)的無(wú)人化運(yùn)輸即將跨越奇點(diǎn)，一躍成為生產(chǎn)的主力系統(tǒng)，從零星的“盆景”變成了連片的“風(fēng)景”，成為露天礦運(yùn)營(yíng)的主流模式。

從頭部企業(yè)走向中小市場(chǎng)是AI技術(shù)逐步成熟的標(biāo)志。2024年底山東能源集團(tuán)、云鼎科技、華為三方在興隆莊、李樓、新巨龍等煤礦完成了盤古礦山大模型的100多個(gè)場(chǎng)景應(yīng)用落地。在此基礎(chǔ)上，云鼎科技把“中心訓(xùn)練－邊緣推理－云邊協(xié)同－邊用邊學(xué)”這套體系抽象為“1 個(gè) AI 開發(fā)平臺(tái) + 4 種能力（視覺、預(yù)測(cè)、NLP、多模態(tài)）+ N個(gè)高價(jià)值場(chǎng)景”的架構(gòu)，并通過“調(diào)優(yōu)艙”（輕量化增訓(xùn)一體化設(shè)備）快速把大模型能力復(fù)制到其他資源企業(yè)，并且從礦山逐步擴(kuò)展到了化工、電力、油氣等領(lǐng)域，陸續(xù)在國(guó)家管網(wǎng)、皖北煤電、西部礦業(yè)、華能煤業(yè)等70余家單位落地，形成了一批可推廣復(fù)制的標(biāo)準(zhǔn)化解決方案。

當(dāng)單點(diǎn)創(chuàng)新擴(kuò)展為可復(fù)制的商業(yè)范式，當(dāng)技術(shù)指標(biāo)轉(zhuǎn)化為確定性收益，資源行業(yè)的智能化便從投入期邁進(jìn)回報(bào)期。但這不是終點(diǎn)，而是新生產(chǎn)力的規(guī)?；_端。

打造AI生產(chǎn)力流水線，共建行業(yè)智能化新生態(tài)

在智能化轉(zhuǎn)型的深水區(qū)，華為持續(xù)構(gòu)建堅(jiān)實(shí)的AI基礎(chǔ)設(shè)施與開放協(xié)同的生態(tài)，為資源行業(yè)提供可落地的支撐。

我們深刻認(rèn)識(shí)到，AI價(jià)值的釋放需要與行業(yè)場(chǎng)景深度融合。通過融合高質(zhì)量數(shù)據(jù)、多模型協(xié)同、多模態(tài)能力及AI Agent技術(shù)，華為正助力客戶將“數(shù)據(jù)－場(chǎng)景－模型－智能體”等要素貫通為端到端的AI生產(chǎn)力流水線。

華為堅(jiān)持聚焦這條流水線中最關(guān)鍵的一環(huán)——聯(lián)合生態(tài)伙伴共同打造行業(yè)中間件平臺(tái)，彌合AI基礎(chǔ)設(shè)施與場(chǎng)景化應(yīng)用的巨大鴻溝。將大模型的自主思考推理能力與行業(yè)“Know-How”經(jīng)驗(yàn)進(jìn)行有機(jī)融合，助力ISV/IHV和資源行業(yè)裝備制造商等生態(tài)伙伴安全、可靠、敏捷地開發(fā)部署場(chǎng)景化應(yīng)用，大幅降低AI落地門檻，加速資源行業(yè)智能化轉(zhuǎn)型升級(jí)進(jìn)程。

(作者韓碩 為華為公司副總裁、油氣礦山軍團(tuán)CEO)