资源行业智能化转型?AI助力核心生产系统重构
从内蒙古草原的露天煤矿到东海之滨的炼化基地，从西部高原的金属矿山到华东地区的钢铁高炉，从中东中亚的石油井场到拉美地区的铁矿开采，人工智能的浪潮正在重塑资源行业的每一个角落。一年来的客户交流和实地调研，我深刻体会到，这个支撑着各国国民经济命脉的领域，经历着一场静水潜流的变革。
回首2024年，我认识到劳动资料、劳动对象、劳动者的“三个跨越”是驱动这场变革的核心动能。迈入2025年，人工智能浪潮席卷千行万业，资源行业已站在了历史性的拐点，国家对安全保障的要求日益严苛、全球减碳的倒计时愈发紧迫，高耗能行业的生存空间继续被压缩。
如何破开困局、行稳致远？我认为根本路径在于，积极拥抱先进生产力，推动AI从辅助生产的配角演进到在核心生产的发挥价值，其关键在于“以用促建”——通过围绕AI创造价值来牵引信息基础设施建设，构建起企业长远发展的数智化底座。
唯有如此，才能实现从量变到质变的飞跃，最终迎来AI大规模应用的奇点时刻。这项转型的意义早已超越了资源行业和AI技术本身，它关乎国家能源资源安全的基石，是兑现“双碳”承诺、引领全球绿色发展的责任担当。纵使前路仍有坎坷，资源行业的破局方向已然明确，未来可期。
AI由辅助生产迈向核心生产驱动，未来还会走向系统智能。
过去几年，AI的应用多停留在视觉监测、自动化巡检等辅助生产的单点场景，比如，煤矿的皮带跑偏识别、井下的“反三违”监控和掘进机作业序列分析，钢铁厂的废钢等级判定与棒材表面缺陷检测等。
这些应用虽提升了局部效率，却尚未触及核心生产系统的核心决策环节。如今，AI正深度融入资源行业的高价值、高难度环节，尤其是那些曾被视为离不开人工操作的核心难题，从边缘走向中心。
在钢铁行业，高炉冶炼这个延续百年的传统工艺正在被AI重新定义。高炉冶炼过程中，涉及1400多个强耦合参数，属于固液气三相剧烈反应的“黑箱”，依赖人工经验难以精确控制。华为盘古大模型通过时序信息增强算法，解析参数间动态关联，实现炉温精准调控。根据实践，炉内每减少10℃的温度波动，每吨铁水就可以减少1kg焦炭的消耗，成本就能降低3块钱。以宝武钢铁应用盘古大模型优化高炉炉况为例，单个高炉即可实现约1000万元的成本节省。
在油气领域，AI正重塑从勘探到开采的生产工艺。中国石油与华为联合，将神经网络技术与地球物理技术深度融合，利用海量地震勘探数据，训练地震解释AI大模型。该大模型直接面向找油找气的核心业务，让地震波波动方程求解效率提升5倍以上，反演建模效率提升10倍，将项目周期显著缩短20%以上。双方还共同开发了“智能钻井系统”，利用深度学习算法实时识别岩性，在将储层钻遇率提升至85%、单井产量增加30%的同时，使钻井周期缩短15%，并大幅降低了钻井成本。
在化工领域，变革同样深刻。2024年12月，华为与云天化合作，利用气化炉生产的离线历史数据开展RTO（实时在线优化技术）大模型训练，使煤气化装置能够精确模拟并预测气化炉炉温、渣层厚度及熔渣粘度等关键参数。经过半年稳定生产，云天化大为制氨大幅减少人员干预、显著增强装置运行的稳定性与安全性，实现比煤耗削减1.33%，预计节煤9100吨/年、减少二氧化碳排放量2万吨/年。
我认为，从矿卡无人驾驶到高炉炉温预测，从油藏解释模拟到化工运行优化，AI向核心生产系统的渗透，绝非简单叠加，而是对资源行业生产流程和工艺的重构。其本质是通过数据与机理的融合，将行业知识与人工经验训练为可复用的工业大模型，所以AI不是要取代人的经验，而是要沉淀和放大人类的智慧。
以用促建，围绕AI价值构建坚实数智底座
与金融、互联网等“先建后用”的数字化路径截然不同，资源行业正走出一条“以用促建”的新路。前者的数字化基础设施历经长期迭代，信息系统本身即为核心业务，AI应用可快速嫁接其上，形成了‘建设驱动使用’的良性循环。而后者长期依赖机械自动化，常面临极端环境、网络覆盖薄弱、数据采集困难等挑战，传统信息化建设模式成本高、周期长且投资回报存在不确定性。
所以，我认为必须“围绕解决生产经营难题的AI价值场景，指导企业ICT建设”，通过实际场景，牵引企业数智化底座按需迭代，从而实现技术与业务的双向奔赴。以行业智能化参考架构为顶层设计框架，从感知层的数据采集、联接层的数据传输、到数字底座和数字平台，最终让有用的数据通过人工智能发挥“提质增安”的价值。
针对资源行业设备互联难题，我们推出的矿鸿物联网操作系统，通过统一数据格式与协议，打破了数据壁垒。2025年，国能集团、中煤集团、伊泰集团等旗下的多个煤矿，已基于该系统规模化复制了液压支架跟机自动化、瓦斯智能巡检、输送带智能巡检等多个场景的应用，不仅大幅提升了作业效率，而且让数据“自由流动”，为AI大模型训练提供高质量的数据原料，为AI决策联动提供保障。
针对煤矿井工矿，我们针对性研发出“一切到底”的本质安全网络，解决传统多网并存，成本高、维护难的痛点，该成果已经被国家能源局纳入《煤矿信息综合承载网通用技术规范》中。针对钢铁冶炼工厂，我们研发了时延敏感网络，解决流程性作业环境的低时延实时控制要求；针对化工厂大量铜缆铺设的传统接入网络，我们研发了基于SPE交换机的NIICA架构解决方案，推进工业领域的“光进铜退”，解决化工装备大带宽接入难题。这些新产品的研发，立足于高效解决资源行业网络覆盖的问题。
针对资源企业生产需求波动大、边缘场景计算需求高的特点，华为云Stack实现了多级协同。南京钢铁基于华为云Stack大模型混合云，目前已完成20个智能场景应用的上线，使得劳动生产率提升30%，综合能耗降低15%以上。
值得一提的是，我们的矿山高性能4G&5G技术、全闪存的高性能存储、高带宽低时延的光纤通信和IP网络、以及HCS云方案，均大规模在海外油气矿山得到部署，很好地满足了企业生产的信息化和数字化需求，支撑了企业人工智能等应用的发展。
因此，资源行业的智能化不是外挂“AI应用”，而是通过“用”与“建”的深度咬合，重构系统的底层逻辑。当矿鸿让装备“开口说话”，当切片网络打通数据血脉，当云边架构赋予系统弹性，有了足够高价值场景数据的AI，才具备跃升为核心生产力、成为工业大脑的可能。这条路虽无先例可循，却正以中国速度推进，向全球延展。实践正在证明：以价值驱动的数字化基建，才是资源行业穿越行业周期性波动的方舟。
奇点来临 从量变到质变的规模化飞跃
深刻的产业变革中存在一个从量变到质变飞跃的“奇点”，突破奇点后，新的范式将以不可逆转的态势重塑整个生态。在资源行业，奇点来临的标志在于，人工智能不仅在技术实现的成熟度上超越传统作业方式，更在经济效益上体现“收益大于成本”的商业闭环。过去，资源行业的智能化更多依赖政策驱动，而现在的企业已享受到技术能够带来的收益提升。因此，这股智能化浪潮正从头部示范企业如山东能源集团、中国石油、宝武钢铁、国家管网、海螺水泥等向中小企业快速渗透。无人驾驶矿卡是AI价值显性化的典型代表。2023年，我们还在为零星的无人驾驶矿卡的成功编组试验而振奋。然而，仅仅一两年时间，在中国东部、西北部的高原、极寒或缺氧的地区，全国已部署近2000辆无人驾驶矿卡，组成多编组的庞大车队，与有人驾驶车辆混编作业、高效运转。根据持续运营的数据测算，仅在华能伊敏，无人矿卡综合运输效率较人工驾驶提升20%以上。百台无人矿卡编组每年替代柴油超1.5万吨，按当前柴油价格（约7000元/吨）计算，仅燃料成本年节省约1亿元。预计到2025年底，全国无人矿卡部署量将突破5000辆，这意味着，AI主导的无人化运输即将跨越奇点，一跃成为生产的主力系统，从零星的“盆景”变成了连片的“风景”，成为露天矿运营的主流模式。从头部企业走向中小市场是AI技术逐步成熟的标志。2024年底山东能源集团、云鼎科技、华为三方在兴隆庄、李楼、新巨龙等煤矿完成了盘古矿山大模型的100多个场景应用落地。在此基础上，云鼎科技把“中心训练-边缘推理-云边协同-边用边学”这套体系抽象为“1 个 AI 开发平台 + 4 种能力（视觉、预测、NLP、多模态）+ N 个高价值场景”的架构，并通过“调优舱”（轻量化增训一体化设备）快速把大模型能力复制到其它资源企业，并且从矿山逐步扩展到了化工、电力、油气等领域，陆续在国家管网、皖北煤电、西部矿业、华能煤业等70余家单位落地，形成了一批可推广复制的标准化解决方案。当单点创新扩展为可复制的商业范式，当技术指标转化为确定性收益，资源行业的智能化便从投入期迈进回报期。但这不是终点，而是新生产力的规模化开端。
打造AI生产力流水线，共建行业智能化新生态
在智能化转型的深水区，华为持续构建坚实的AI基础设施与开放协同的生态，为资源行业提供可落地的支撑。我们深刻认识到，AI价值的释放需与行业场景深度融合。通过融合高质量数据、多模型协同、多模态能力及AI Agent技术，华为正助力客户将“数据-场景-模型-智能体”等要素贯通为端到端的AI生产力流水线。华为坚持聚焦这条流水线中最关键的一环——联合生态伙伴共同打造行业中间件平台，弥合AI基础设施与场景化应用的巨大鸿沟。将大模型的自主思考推理能力与行业“Know-How”经验进行有机融合，助力ISV/IHV和资源行业装备制造商等生态伙伴安全、可靠、敏捷的开发部署场景化应用，大幅降低AI落地门槛，加速资源行业智能化转型升级进程。
