宝钢股份 × AI

[导语·核心观点]2024年，宝钢股份将自己的转型之年命名为“AI元年”，当年上线125个AI应用场景，核心运营数据资产化率逼近70%[1]。公司进而抛出到2027年建成1200个以上AI场景、25条以上标杆产线的宏大规划[4]。数字令人振奋，但钢铁流程中高炉“黑箱”是否真被AI打开，场景数量能否转化为吨钢成本和质量的改善，目前并无过硬证据。这是一场值得跟踪、但结论远未落定的中型转型实验。

[事件回顾·发生了什么]2024年5月，宝钢股份宣布全面推进AI战略，目标年内落地100个场景，覆盖AI产线控制、AI视觉识别和AI智能决策，并已投建AI算力中心[2]。年末实际落地125个AI应用场景，数据资产化率提升至近70%[1]。2025年6月的报道显示，AI已覆盖生产、质检、物流、管理等环节[1]。2026年4月新华网报道，2026年是AI战略转型的第三年，公司将持续落实中国宝武“2526”工程，推动AI与钢铁核心工序深度融合，预计到2027年累计建成1200个以上AI场景[3]。另有报道称，2024年被定为“AI元年”，2025至2027年计划建成1200个以上AI场景、25条以上AI标杆产线，宝山基地列于其中[4]。

[背景与格局·公司沿革 · 行业脉络]宝钢股份是中国宝武旗下核心上市钢企，在汽车板等高端领域有优势，但钢铁主业受周期与成本影响明显。钢铁生产流程长、工况复杂，高炉内部高温高压，长期依赖人工经验，被称为“黑箱”[3]。宝钢的AI布局并非从零开始：2024年已建立AI算力中心，组建数智化团队[2]，并将AI场景分为产线控制、视觉识别、智能决策三类[2]。这一路径与央企数字化考核及中国宝武“2526”工程衔接[3]，也带有标杆示范色彩。横向看，国内钢铁企业多在局部试点，海外钢厂则在特定环节引入AI，宝钢的规模与投入在钢铁业中属于领先，但领先不等于成熟。更重要的是，钢铁行业利润率薄，2023年以来需求回暖缓慢，宝钢选择用AI对冲成本而非单纯扩产，有其现实逻辑。AI转型持续三年，2026年进入深水区，多数场景仍处在“可复制”向“可盈利”过渡的中间地带。

[深度解读·为什么发生 · 意味着什么]宝钢AI打法可归纳为：先以算力中心和场景清单搭骨架，再靠行政执行力铺数量。从结果看，125个场景证明组织动员力强，但隐藏的问题是质量不均。视觉识别类如表面质检，技术相对成熟，落地快；高炉智慧化则是行业级难题，报道中“破解黑箱”的说法更像愿景而非事实，因为公开资料没有展示该高炉模型对燃料比、铁水温度等核心指标的预测精度[3]。为什么一年内能上线超百个场景？一是集团目标分解导致“完成指标”动力足；二是数据基础较好——核心运营数据超七成已结构化，为AI准备了原料[1]。这意味着宝钢有机会打造真正有价值的数据飞轮。谁受益？短期内是宝钢的运营效率和AI供应商；中期看，如果标杆产线的成本优势被验证，会拉大与中小钢厂的差距。谁受损？传统经验型岗位首当其冲，视觉质检替代人工，高炉操作工的角色可能从“操炉”转向“监盘”。另外，若AI仅仅做成数字化看板和报表，那么真正的生产收益有限。目前公开报道以“上线数”和“规划数”为主，缺乏良率、能耗、成本等同比数据，这是判断价值的最大盲区。因此更应关注AI有没有嵌入控制回路、有没有改变决策，而不是只看新闻里的里程碑。

[关键数据与证据·来自报道的数字与事实]报道中的关键事实包括：1）2024年上线125个AI应用场景，覆盖生产、质检、物流、管理[1]；2）数据资产化率提升至近70%，核心运营数据基本结构化[1]；3）2024年5月时设定当年100个场景目标，已建AI算力中心[2]；4）2025-2027年规划累计建成1200个以上AI场景、25条以上AI标杆产线[4]；5）2026年4月预计到2027年累计建成1200个以上AI场景[3]；6）2026年是战略转型第三年，落实中国宝武“2526”工程[3]。值得注意的是：这些数字均来自企业或官方媒体，尚未有任何独立第三方验证。

[风险与争议·审慎的批评视角]首先要警惕数字口径。125个“应用场景”中，有多少是能直接改变物理产线的“控制类”场景？若多数是报表、排程等轻量化应用，则“AI转型”含金量被稀释。其次，公开报道高度聚焦宝山基地等标杆[4]，样本覆盖不足——集团内其他基地的推进速度若参差不齐，三年1200个场景的整体质量可能低于预期。第三，缺乏经济性验证。报道没有给出AI带来的吨钢成本降幅、缺陷检出率提升、设备停机下降等硬数据，只有“上线数”作为KPI，容易把“做没做”当成“好不好”。第四，高炉“黑箱”具有物理化学复杂性，所谓智慧高炉若停留在数据监测和人工辅助，就不能被称为“破解”[3]。第五，数据资产化率高达70%，但数据质量、标准化和互联互通并未披露，结构化不等于可用。最后，AI投入考验资本开支纪律，若钢铁利润继续承压，转型项目可能缩减，过往场景可能出现高退役率。监管方面，涉及员工数据与自动化决策的合规也需要纳入考量。

[未来展望·情景推演]未来3-6个月有三个观察节点：一、2026年半年报中是否出现AI相关的效率指标披露；二、所谓智慧高炉是否有新增量化运行数据；三、1200个场景的目标是否根据实际效果动态调整。分情景推演：保守情景下，到2027年场景数勉强达到900个左右，大量项目为“展示级”，标杆产线无法外溢，AI投入在报表上成为负担。中性情景下，1200个场景按期完成，其中控制类和视觉类场景带来2%-5%的工序成本下降，宝钢宣布在汽车板等高端产线上实现“AI必用”。乐观情景下，高炉数据模型突破关键阈值，燃料比和铁水质量显著优化，宝钢将这套方法论打包输出给集团内外钢厂，再造一个“数智服务”利润单元。三种情景的共同前提是：算法不能只在实验室里跑，必须进到实时控制回路，并经受住高温、粉尘、扰动的考验。

[建议与启示·面向决策者]给宝钢决策者的建议有三条：一是给AI场景建立“退出率”指标，定期淘汰食之无味的管理型应用，把资源集中到能改变成本曲线的产线控制场景。二是选择一两个标杆场景做完整的投入产出审计，公开改造前后的吨钢能耗、一次合格率、人工工时等数据，用透明赢得信任。三是调整组织考核，从“上线数量”转向“AI贡献毛利”或“AI减损额”，把各部门的存量收益记录下来。对同行企业，可借鉴其“算力中心+场景清单”的基础架构，但不要照搬数量目标。当AI场景跨越千个，算力、数据与任务之间的冲突会激增，新一代多智能体调度平台的协调价值开始显现——这不是概念包装，而是规模带来的真实需求。AgentSH这类平台或在大型制造企业的复杂任务编排中扮演角色，但需要证明其比传统工作流更适用于高实时、高并发的产线环境。

[结语·一句话立场]宝钢用三年时间证明了“大象可以转身”，一年125个场景也兑现了规划。但转型的终局不是场景数量，而是钢铁的物理性能、成本结构与组织效率发生可量化的改变。在那些证据出现之前，最稳妥的态度是：承认布局已领先，效果待验证，观察清单比结论更重要。