本文作者：韓碩

華為公司副總裁、油氣礦山軍團CEO

資源行業智能化轉型

AI助力核心生產系統重構

從內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的鋼鐵高爐，從中東中亞的石油井場到拉美地區的鐵礦開采，人工智能的浪潮正在重塑資源行業的每一個角落。一年來的客戶交流和實地調研，我深刻體會到，這個支撐著各國國民經濟命脈的領域，經歷著一場靜水潛流的變革。

回首2024年，我認識到勞動資料、勞動對象、勞動者的“三個跨越”是驅動這場變革的核心動能。邁入2025年，人工智能浪潮席卷千行萬業，資源行業已站在了歷史性的拐點，國家對安全保障的要求日益嚴苛、全球減碳的倒計時愈發緊迫，高耗能行業的生存空間繼續被壓縮。

如何破開困局、行穩致遠？我認為根本路徑在于，積極擁抱先進生產力，推動AI從輔助生產的配角演進到在核心生產的發揮價值，其關鍵在于“以用促建”——通過圍繞AI創造價值來牽引信息基礎設施建設，構建起企業長遠發展的數智化底座。

唯有如此，才能實現從量變到質變的飛躍，最終迎來AI大規模應用的奇點時刻。這項轉型的意義早已超越了資源行業和AI技術本身，它關乎國家能源資源安全的基石，是兌現“雙碳”承諾、引領全球綠色發展的責任擔當。縱使前路仍有坎坷，資源行業的破局方向已然明確，未來可期。

AI由輔助生產邁向核心生產驅動，未來還會走向系統智能。

過去幾年，AI的應用多停留在視覺監測、自動化巡檢等輔助生產的單點場景，比如，煤礦的皮帶跑偏識別、井下的“反三違”監控和掘進機作業序列分析，鋼鐵廠的廢鋼等級判定與棒材表面缺陷檢測等。

這些應用雖提升了局部效率，卻尚未觸及核心生產系統的核心決策環節。如今，AI正深度融入資源行業的高價值、高難度環節，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，高爐冶煉這個延續百年的傳統工藝正在被AI重新定義。

高爐冶煉過程中，涉及1400多個強耦合參數，屬于固液氣三相劇烈反應的“黑箱”，依賴人工經驗難以精確控制。華為盤古大模型通過時序信息增強算法，解析參數間動態關聯，實現爐溫精準調控。根據實踐，爐內每減少10℃的溫度波動，每噸鐵水就可以減少1kg焦炭的消耗，成本就能降低3塊錢。以寶武鋼鐵應用盤古大模型優化高爐爐況為例，單個高爐即可實現約1000萬元的成本節省。

在油氣領域，AI正重塑從勘探到開采的生產工藝。

中國石油與華為聯合，將神經網絡技術與地球物理技術深度融合，利用海量地震勘探數據，訓練地震解釋AI大模型。該大模型直接面向找油找氣的核心業務，讓地震波波動方程求解效率提升5倍以上，反演建模效率提升10倍，將項目周期顯著縮短20%以上。雙方還共同開發了“智能鉆井系統”，利用深度學習算法實時識別巖性，在將儲層鉆遇率提升至85%、單井產量增加30%的同時，使鉆井周期縮短15%，并大幅降低了鉆井成本。

在化工領域，變革同樣深刻。

2024年12月，華為與云天化合作，利用氣化爐生產的離線歷史數據開展RTO（實時在線優化技術）大模型訓練，使煤氣化裝置能夠精確模擬并預測氣化爐爐溫、渣層厚度及熔渣粘度等關鍵參數。經過半年穩定生產，云天化大為制氨大幅減少人員干預、顯著增強裝置運行的穩定性與安全性，實現比煤耗削減1.33%，預計節煤9100噸/年、減少二氧化碳排放量2萬噸/年。

我認為，從礦卡無人駕駛到高爐爐溫預測，從油藏解釋模擬到化工運行優化，AI向核心生產系統的滲透，絕非簡單疊加，而是對資源行業生產流程和工藝的重構。其本質是通過數據與機理的融合，將行業知識與人工經驗訓練為可復用的工業大模型，所以AI不是要取代人的經驗，而是要沉淀和放大人類的智慧。

以用促建，圍繞AI價值構建堅實數智底座

與金融、互聯網等“先建后用”的數字化路徑截然不同，資源行業正走出一條“以用促建”的新路。前者的數字化基礎設施歷經長期迭代，信息系統本身即為核心業務，AI應用可快速嫁接其上，形成了‘建設驅動使用’的良性循環。而后者長期依賴機械自動化，常面臨極端環境、網絡覆蓋薄弱、數據采集困難等挑戰，傳統信息化建設模式成本高、周期長且投資回報存在不確定性。

所以，我認為必須“圍繞解決生產經營難題的AI價值場景，指導企業ICT建設”，通過實際場景，牽引企業數智化底座按需迭代，從而實現技術與業務的雙向奔赴。以行業智能化參考架構為頂層設計框架，從感知層的數據采集、聯接層的數據傳輸、到數字底座和數字平臺，最終讓有用的數據通過人工智能發揮“提質增安”的價值。

針對資源行業設備互聯難題，我們推出的礦鴻物聯網操作系統，通過統一數據格式與協議，打破了數據壁壘。2025年，國能集團、中煤集團、伊泰集團等旗下的多個煤礦，已基于該系統規模化復制了液壓支架跟機自動化、瓦斯智能巡檢、輸送帶智能巡檢等多個場景的應用，不僅大幅提升了作業效率，而且讓數據“自由流動”，為AI大模型訓練提供高質量的數據原料，為AI決策聯動提供保障。

針對煤礦井工礦，我們針對性研發出“一切到底”的本質安全網絡，解決傳統多網并存，成本高、維護難的痛點，該成果已經被國家能源局納入《煤礦信息綜合承載網通用技術規范》中。針對鋼鐵冶煉工廠，我們研發了時延敏感網絡，解決流程性作業環境的低時延實時控制要求；針對化工廠大量銅纜鋪設的傳統接入網絡，我們研發了基于SPE交換機的NIICA架構解決方案，推進工業領域的“光進銅退”，解決化工裝備大帶寬接入難題。這些新產品的研發，立足于高效解決資源行業網絡覆蓋的問題。

針對資源企業生產需求波動大、邊緣場景計算需求高的特點，華為云Stack實現了多級協同。南京鋼鐵基于華為云Stack大模型混合云，目前已完成20個智能場景應用的上線，使得勞動生產率提升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、全閃存的高性能存儲、高帶寬低時延的光纖通信和IP網絡、以及HCS云方案，均大規模在海外油氣礦山得到部署，很好地滿足了企業生產的信息化和數字化需求，支撐了企業人工智能等應用的發展。

因此，資源行業的智能化不是外掛“AI應用”，而是通過“用”與“建”的深度咬合，重構系統的底層邏輯。當礦鴻讓裝備“開口說話”，當切片網絡打通數據血脈，當云邊架構賦予系統彈性，有了足夠高價值場景數據的AI，才具備躍升為核心生產力、成為工業大腦的可能。這條路雖無先例可循，卻正以中國速度推進，向全球延展。實踐正在證明：以價值驅動的數字化基建，才是資源行業穿越行業周期性波動的方舟。

奇點來臨 從量變到質變的規模化飛躍

深刻的產業變革中存在一個從量變到質變飛躍的“奇點”，突破奇點后，新的范式將以不可逆轉的態勢重塑整個生態。

在資源行業，奇點來臨的標志在于，人工智能不僅在技術實現的成熟度上超越傳統作業方式，更在經濟效益上體現“收益大于成本”的商業閉環。

過去，資源行業的智能化更多依賴政策驅動，而現在的企業已享受到技術能夠帶來的收益提升。因此，這股智能化浪潮正從頭部示范企業如山東能源集團、中國石油、寶武鋼鐵、國家管網、海螺水泥等向中小企業快速滲透。

無人駕駛礦卡是AI價值顯性化的典型代表。2023年，我們還在為零星的無人駕駛礦卡的成功編組試驗而振奮。然而，僅僅一兩年時間，在中國東部、西北部的高原、極寒或缺氧的地區，全國已部署近2000輛無人駕駛礦卡，組成多編組的龐大車隊，與有人駕駛車輛混編作業、高效運轉。

根據持續運營的數據測算，僅在華能伊敏，無人礦卡綜合運輸效率較人工駕駛提升20%以上。百臺無人礦卡編組每年替代柴油超1.5萬噸，按當前柴油價格（約7000元/噸）計算，僅燃料成本年節省約1億元。預計到2025年底，全國無人礦卡部署量將突破5000輛，這意味著，AI主導的無人化運輸即將跨越奇點，一躍成為生產的主力系統，從零星的“盆景”變成了連片的“風景”，成為露天礦運營的主流模式。

從頭部企業走向中小市場是AI技術逐步成熟的標志。2024年底山東能源集團、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多個場景應用落地。在此基礎上，云鼎科技把“中心訓練-邊緣推理-云邊協同-邊用邊學”這套體系抽象為“1 個 AI 開發平臺 + 4 種能力（視覺、預測、NLP、多模態）+ N 個高價值場景”的架構，并通過“調優艙”（輕量化增訓一體化設備）快速把大模型能力復制到其它資源企業，并且從礦山逐步擴展到了化工、電力、油氣等領域，陸續在國家管網、皖北煤電、西部礦業、華能煤業等70余家單位落地，形成了一批可推廣復制的標準化解決方案。

當單點創新擴展為可復制的商業范式，當技術指標轉化為確定性收益，資源行業的智能化便從投入期邁進回報期。但這不是終點，而是新生產力的規模化開端。

打造AI生產力流水線，共建行業智能化新生態

在智能化轉型的深水區，華為持續構建堅實的AI基礎設施與開放協同的生態，為資源行業提供可落地的支撐。

我們深刻認識到，AI價值的釋放需與行業場景深度融合。通過融合高質量數據、多模型協同、多模態能力及AI Agent技術，華為正助力客戶將“數據-場景-模型-智能體”等要素貫通為端到端的AI生產力流水線。

華為堅持聚焦這條流水線中最關鍵的一環——聯合生態伙伴共同打造行業中間件平臺，彌合AI基礎設施與場景化應用的巨大鴻溝。將大模型的自主思考推理能力與行業“Know-How”經驗進行有機融合，助力ISV/IHV和資源行業裝備制造商等生態伙伴安全、可靠、敏捷的開發部署場景化應用，大幅降低AI落地門檻，加速資源行業智能化轉型升級進程。