2026 年 5 月，钢铁工业距离上一波”智能制造”概念已经过去了十几年。今天我们不聊概念，一起看看2024-2026 年真正在行业内落地的 AI 大模型/LLM/AI Agent案例，以及取得的实效。
2026 年上半年，宝武集团做了一件让同行意外的事：不再依赖华为盘古等外部方案，推出自研的钢铁行业大语言模型 xIn³Plat。
根据 SEAISI（东南亚钢铁协会）的深度分析，xIn³Plat 有几个特点：
垂直领域深度训练——不是通用 LLM 简单微调，而是用宝武几十年积累的生产数据、工艺手册、事故案例专门训练的。懂铁水温度曲线、会读质检报告、能理解”转炉终点控制”这种专业术语。
多模态能力——不仅能处理文本，还能理解传感器时序数据、视觉图像、工艺图纸。输入”3 号高炉上周的异常波动”，它能调出相关图表、历史相似案例、推荐排查方案。
AI Agent 架构——不是单点应用，而是多个智能体协同。有负责能耗优化的 Agent、负责质量预测的 Agent、负责设备维护的 Agent。它们之间可以互相调用、共享信息。
“AIBase 基地”的报道披露了几个关键数字： - 全球首条智能高炉产线已投运（宝山基地） - 焦炭消耗降低 4.2%（比 2024 年华为盘古方案的 3.8% 更进一步） - 培训周期从 2 年压缩到 4 个月 - 2026 年底计划覆盖 20 座高炉
对比之前的华为盘古方案，宝武自研的优势是更贴合自身工艺路线，劣势是初期投入更大。但从长期看，这是掌握核心技术的必经之路。
除了宝武，2026 年还有一些新进展：
中国的节奏是：大厂自研 + 中小厂采购 SaaS 服务。这个分层趋势会越来越明显。
安赛乐米塔尔的 XCarb AI 平台在 2026 年进入第二阶段——从单点优化走向全球协同。
Oxmaint 的行业报告显示，安赛乐米塔尔现在做到了：
2024 年的能源优化项目（节能 3-5%）现在已经扩展到更多环节：
安赛乐米塔尔在 2026 年面临一个现实问题：欧盟 CBAM 全面实施后的合规压力。AI 系统的另一个重要角色是自动生成碳关税申报所需的数据证明。这已经不是”降本增效”的工具，而是生存的必需。
POSCO 在 2026 年的关键词是 AX——不仅仅是数字化转型，而是整个决策体系的智能化重构。
根据《朝鲜Biz》的报道，POSCO 2024-2025 年在光阳基地建成的”灯塔工厂”模式，2026 年开始向子公司和海外工厂复制：
POSCO 的技术团队透露了一个细节：他们不再追求单一的”超级模型”，而是采用模块化小模型组合的策略。比如： - 用 Transformer 处理工艺参数 - 用 GNN（图神经网络）处理供应链网络 - 用强化学习做实时调度 - 用 LLM 做自然语言交互
这种”专款专用“的方式，比用一个超大模型处理所有问题更高效、成本也更低。
同样是亚洲老牌钢企，POSCO 和 Nippon Steel 的路径明显不同： - POSCO：激进拥抱 AI，把 AX 当成核心竞争力来打造 - Nippon Steel：稳健改进，AI 只是现有流程的辅助工具
2026 年的市场表现印证了这种差异——POSCO 的高端产品利润率持续扩大，而 Nippon Steel 还在跟中国钢企打价格战。
2026 年初，Nippon Steel 以 149 亿美元完成对 US Steel 的收购。这次并购背后的一个重要考量是获取美国本土的 AI 应用场景和数据。
被收购前，US Steel 已经在用生成式 AI 做操作指南和工单分类。2026 年后，日方注入的技术资源让这些应用加速推进：
但 US Steel 的案例也暴露了一个问题：AI 不是万能药。一些老旧工厂的传感器覆盖率不足，数据质量差，导致 AI 系统难以发挥作用。解决这些问题需要巨额投资，短期内看不到回报。
一个容易被忽视的案例——乌克兰的 Metinvest 在战争环境下成了全球 AI 应用领先的钢企之一。
GMK Center 的报告显示，2024-2026 年间，Metinvest 在 AI 上的投入不降反增：
Delo.ua 在 2026 年一季度发布的钢铁行业 AI 领导者排名中，Metinvest 竟然进入了全球前五。这很讽刺——一个饱受战火摧残的企业，却靠技术优势甩开了很多发达国家钢企。
核心逻辑很简单：生存压力倒逼创新。当传统方式行不通时，只能用新技术找活路。
虽然不如中、韩那么激进，但日本制铁的新方法在 2026 年证明了它的价值。
2024 年部署的 AI 表面检测系统，经过两年运行后，2026 年升级到第二代：
新日铁 2026 财年年报（2025 年 4 月 -2026 年 3 月）披露： - AI 相关创效 180 亿日元（比 2025 年的 150 亿增长 20%） - 能源成本占比下降 0.8 个百分点 - 客户投诉率连续三年下降
日本的策略是：不求领先，但求稳定赚钱。只要 ROI 正数，就继续投入；反之则砍掉。这种方式看起来保守，但在经济下行期反而更安全。
头部钢企都在往自研方向走——宝武的 xIn³Plat、POSCO 的模块化小模型集群。中小厂则选择采购现成的 SaaS 服务。这个差距会继续拉大。
2024-2025 年大家还在讨论”什么是 AI Agent”，2026 年已经进入多 Agent 协同阶段。宝武的能耗 Agent、质量 Agent、维护 Agent 已经开始互相调用 API 交换信息。
欧盟 CBAM 全面实施的 2026 年，AI 的另一个重要角色是自动生成合规数据。这不再是可选的降本工具，而是必须的基础设施。
乐观情景：到 2027 年，头部钢企的 AI 系统能够实现大部分日常决策的自动化，人工只处理异常情况。产能利用率提升 5-8%，能耗再降 3-5%。
悲观情景：数据孤岛问题无法彻底解决，各家系统互不兼容。AI 投资回报率低于预期，部分企业缩减投入。
基准判断：分化继续加剧——有实力的继续滚雪球，没能力的被迫退出或被收购。马太效应在 AI 时代会更明显。
钢铁行业的 AI 变革，跟互联网行业不太一样。不是谁颠覆谁，而是强者恒强。
这个行业本来就是资本密集型、技术密集型、规模密集型。加上 AI 这个杠杆后，龙头企业的优势只会更大。小企业要么找到细分市场的赛道，否则很可能提前出局。
2026 年只是一个起点。接下来的关键是：能不能把 AI 带来的效率提升，转化成可持续的利润增长。如果能，这波浪潮会持续十年；如果不能，又会变成另一个”泡沫破裂”的故事。
AI时代，基础产业的创新潜力仍然巨大。或许现在下定论还言之过早，但可以确定的是——不做 AI 的企业，肯定没有未来。
📅 2026年05月3日 写于Frankfurt
✍️ 转载请注明：Steel Press