鋼鐵行業(yè)深度報告：DeepSeek沖擊波：AI重塑鋼鐵生產(chǎn)流程

通信&鋼鐵&中小盤首席分析師：趙良畢通信&鋼鐵&中小盤分析師：洪燁證券研究報告請務必閱讀正文最后的中國銀河證券股份有限公司免責聲明2025年02月18日類模型的條件下，部署成本與運行成本大幅降低，增大了AI應用百花齊放、賦能千行百業(yè)的可能。目前鋼鐵行業(yè)“量”現(xiàn)拐點結構調整、“價”迎挑戰(zhàn)盈利受損，在眾多行業(yè)中，鋼鐵因其生產(chǎn)時涉及復雜多變的物理化學反應與多變量強耦合的工藝流程，以及設備間存在信息孤島現(xiàn)象，故難以精確掌握各環(huán)節(jié)的關鍵因素與相互影響機制，成為典型的“黑箱”場景，AI+鋼鐵勢在必行?！馎I重塑鋼鐵生產(chǎn)流程，搭建供需匹配橋梁。針對煉鐵工序，AI聚焦于高爐煉鐵工藝優(yōu)化、高爐故障診斷與預警、高爐煤氣能效管理、高爐操作指導、數(shù)字孿生與虛擬高爐等方面。針對煉鋼工序，AI聚焦于行車調度指揮、鋼水溫度成分預測與優(yōu)化、連鑄過程控制、設備狀態(tài)監(jiān)測與故障預警、能源管理與優(yōu)化、質量預測與追溯、煉鋼操作指導等方面。針對軋鋼工序，AI聚焦于軋制過程優(yōu)化、板形控制、設備維護與故障預測、質量監(jiān)測與預測、生產(chǎn)計劃與調度等方面?？偨Y來看，結合案例通過引入AI技術后，預計鋼鐵企業(yè)全流程的生產(chǎn)周期縮短約30%、產(chǎn)量增長約25%、次品率降低約3%、強度韌性等性能指標波動范圍縮小約30%、能耗降低約15%、原材料利用率提升約7%、設備停機時間減少約33%、設備維修成本降低約30%。AI可從需求預測與庫存管理、供應商選擇與采購決策、物流配送與運輸路線等方面優(yōu)化鋼鐵供應鏈機制，搭建供需匹配橋梁。新鋼種的研發(fā)上，AI可令研發(fā)周期縮短約30%、研發(fā)成本降低約25%,AI+效能顯著。●AI賦能鋼鐵案例涌現(xiàn)，提質增效效果顯著。2024年12月，工信部發(fā)布《人工智能賦能新型工業(yè)化典型應用案例名單》,鋼鐵行業(yè)共有14例上榜，在全行業(yè)中占比9.3%,其中技術底座方向1例、行業(yè)應用方向11例、裝備產(chǎn)品方向2例，類似寶鋼股份旗下梅鋼建設4,070立方米智慧高爐，引領低碳智能化煉鐵新模式，包鋼股份智慧熱軋如火如茶，集團攜手華為開啟數(shù)字化轉型新篇章，華菱鋼鐵旗下湘鋼落地全球首個鋼鐵AI大模型，穩(wěn)步實現(xiàn)全鏈路升級，南鋼股份建設“一腦三中心”,聚焦敏捷運營+綠色低碳+數(shù)據(jù)價值+關鍵場景+生態(tài)發(fā)展，鞍鋼股份“一爐一策”可視化，群爐況綜合評價等案例層出不窮，生產(chǎn)效率改善效果明顯。●投資建議：我們認為宏觀政策持續(xù)顯效，有利于提升鋼鐵行業(yè)集中度，并改善長期以來失衡的供需關系，普鋼龍頭有望受益。同時隨著制造業(yè)轉型升級，中高端特鋼需求有望迎來較快增長，DeepSeek風起進一步推動IDC向AIDC演進，放大鋼鐵企業(yè)優(yōu)勢。建議關注：AI積極賦能，大模型在鋼鐵生產(chǎn)與供應鏈多環(huán)節(jié)、多場景加速精細化落地或成效初顯方向，以及已有相關外延運作或涉及電信業(yè)務、有序拓展IDC等標的。相對滬深300表現(xiàn)圖2025-02-18●風險提示：宏觀經(jīng)濟周期性波動的風險；AI+鋼鐵協(xié)同不及預期的風險；上游原材料價格上漲的風險；下游需求修復緩慢的風險等。22請務必閱讀正文最后的中國銀河證券股份有限公司免責聲明。行業(yè)深度報告·鋼鐵行業(yè)一、DeepSeek一石激起千層浪，AI+鋼鐵勢在必行 4二、AI重塑鋼鐵生產(chǎn)流程，搭建供需匹配橋梁 7三、AI賦能鋼鐵案例涌現(xiàn)，提質增效效果顯著 4請務必閱讀正文最后的中國銀河證券股份有限公司免責聲明。4中國銀河證券|CGS行業(yè)深度報告·鋼鐵行業(yè)開源其權重，一石激起千層浪，在全球范圍內引發(fā)強烈關注，在推理任務性能比肩OpenAI同類模型的條件下，部署成本與運行成本大幅降低，同時印證了大規(guī)模中美在AI領域的發(fā)展距離，增大了AI應用百花齊放、賦能千行百業(yè)的可能，APP產(chǎn)品上線后僅7天用戶數(shù)量便突破1億，速度遠超大眾耳熟能詳?shù)腃hatGPT、抖音、拼多多、微信等，目前DAU維持在約4,000萬人水平，國內各大平臺各類企業(yè)呈現(xiàn)“應接盡接”態(tài)勢。心心資料來源：DeepSeek宮方技術論文《DeepSeek-RI:IncentivizingCapabilityinLLMsviaReinforcementLearning》,中國銀河證券研究院2個月9個月10個月1年2個月2年6個月3年6個月3年8個月4年6個月微信f資料來源：AI產(chǎn)品榜公眾號，中國銀河證券研究院化、全球化三大因素的驅動下，國內鋼鐵行業(yè)持續(xù)擴張，粗鋼產(chǎn)量在2000-2020年的20年間由1.3億噸增長至10.6億噸，CAGR達11.2%,在全球總產(chǎn)量中份額約54%,占據(jù)半壁江山。國內鋼鐵交通、金屬制品分別約7%。2020年以來，基建、地產(chǎn)、制造業(yè)三大市場均面臨不同程度的需求萎(1)建筑用鋼方面，2024年國內房屋新開工面積同比-23%,地產(chǎn)步入調整期對螺紋鋼、普鋼(2)熱軋板方面，下游機械制造、交通、金屬制品行業(yè)發(fā)展較為穩(wěn)定；(3)冷軋板方面，2023年國內乘用車產(chǎn)量同比+4.8%觸底回暖趨勢確立，但隨著新能源汽車(4)中厚板方面，下游船舶行業(yè)持續(xù)微增，但商用車、(5)優(yōu)特鋼棒線材方面，國內制造業(yè)產(chǎn)業(yè)升級為其需求注入強勁動力。而在“價”上，2014年、2018年、2020年國家發(fā)改委與工信部三次明確鋼鐵行業(yè)嚴禁新增產(chǎn)能，并逐步清理在建違規(guī)項目，2016-2018年間國內共化解鋼鐵過剩產(chǎn)能1.5億噸，同時淘汰“地條鋼”1.4億噸，使得行業(yè)內短期供需格局轉變，螺紋鋼與熱軋板價格一度超過4,70元/噸，2020年初全球主要經(jīng)濟體為對抗新冠疫情的沖擊，均進行了不同程度的貨2021年鐵礦石、鋼材等大宗商品價格上漲，螺紋鋼與熱軋板價格達5,700元/噸與6,000元/噸創(chuàng)歷史新高，但后續(xù)需求下滑以及價格戰(zhàn)的踩踏效應又讓行情回落，目前幾近觸及新冠疫情前低點。隨之而來的是鋼鐵行業(yè)盈利性受損，2022-2024年黑色金屬礦采選業(yè)利潤總額連續(xù)三年負增，黑色金屬冶煉和延壓加工業(yè)利潤總額連續(xù)三年未及1,000億，該情況繼2010年以來首次出現(xiàn)，2024年12月黑色金屬礦采選業(yè)與黑色金屬冶煉和延壓加工業(yè)的虧損企業(yè)單位數(shù)分別為714家/+16.9%與1,963家/+12.4%。同時原料端鐵礦石的價格高企蠶食國內鋼鐵行業(yè)的利潤空間，鐵礦石成本在鋼材成本中占比超30%,國內鐵礦石的對外依存度約80%,全球鐵礦石供給基本被力拓(RioTinto)、淡水河谷(Vale)、必和必拓(BHPBilliton)、FMG(Fortescue)這四大礦業(yè)巨頭壟斷，盡管我國擁有全球六成以上的鐵礦石消費量，但鋼鐵行業(yè)集中度相對較低、致使普遍缺乏議價權，該局面短期內難以扭轉。值得注意的是，鋼鐵行業(yè)的碳排放規(guī)模僅次于電力行業(yè)，生產(chǎn)過程中所產(chǎn)生的固體顆粒物、二氧化硫、氮氧化物亦需處理，2021年鋼鐵行業(yè)制定了較全國整體更為嚴格的“雙碳”目標，力爭2025年前實現(xiàn)碳達峰，80%的鋼鐵產(chǎn)能達到超低排放水平，到2030年鋼鐵行業(yè)碳排放量較峰值降低30%、碳減排量4.2億噸，鋼鐵行業(yè)實施綠色低碳、進行大規(guī)模的環(huán)保改造會間接增加生產(chǎn)成本。圖3:國內鋼鐵行業(yè)分產(chǎn)品表觀需求(單位：百萬噸)圖3:國內鋼鐵行業(yè)分產(chǎn)品表觀需求(單位：百萬噸)900020122013201420152016201720182019202020212022+2.1%-2.1%-0.1%+0.1%資料來源：Kearney,中國銀河證券研究院圖4:2011-2025年1月國內典型鋼材品種月均價格與綜合價格指數(shù)-中中資料來源：Wind,圖5:2010-2024年國內兩類黑色金圖5:2010-2024年國內兩類黑色金屬行業(yè)利潤總額與增速20102011201220132014201520162017201820192020202120222023資料來源：Wind,中國銀河證券研究院鋼鐵生產(chǎn)是典型“黑箱”場景，AI+鋼鐵勢在必行。在眾多行業(yè)中，鋼鐵因其生產(chǎn)時涉及復雜多變的物理化學反應與多變量強耦合的工藝流程，以及設備間存在信息孤島現(xiàn)象，故難以精確掌握各5566成本，還令對市場需求轉變的響應速度鈍化；圖6:鋼鐵生產(chǎn)流程簡圖球團焦炭鐵水A煉鋼連鑄大方還加熱爐型鋼軋志環(huán)材中厚板中厚板軋制熱軋板卷軋制冷連軋機 焊管一焊管無縫管軋制會延長產(chǎn)品交付周期，降低客戶滿意度；力，是最擅長解決復雜反應機制、難以定量描述的“黑箱”場景的抓手，對于工藝發(fā)現(xiàn)、材料試驗、控溫控排等具備高度不確定性的開放任務，升級AI大模型成為鋼鐵企業(yè)的不二之選。AI重塑鋼鐵生產(chǎn)流程，嚴把質量關降本增效。針對煉鐵工序，AI聚焦于高爐煉鐵工藝優(yōu)化、高爐故障診斷與預警、高爐煤氣能效管理、高爐操作指導、數(shù)字孿生與虛擬高爐等方面。高爐煉鐵工藝優(yōu)化方面，實時預測鐵水溫度、硅含量、硫含量，利用隨機森林(RF)、梯度提升樹(GBDT)、支持向量機(SVM)等算法，結合風溫、風壓、噴煤量、爐料成分等大量歷史數(shù)據(jù)進行訓練，同時利用長短期記憶網(wǎng)絡(LSTM)處理時序數(shù)據(jù)，捕捉高維動態(tài)變化，進行深度學習，識別影響煉鐵效率的關鍵因素，并預測不同工藝條件下的煉鐵效果，例如原料配比環(huán)節(jié)，基于原料化學成分、價格、庫存數(shù)據(jù)，進行混合整數(shù)規(guī)劃，優(yōu)化配礦方案，同時利用神經(jīng)網(wǎng)絡預測不同配比對爐渣流動性、鐵水質量的影響，最終提升煉鐵效率、降低生產(chǎn)能耗，與傳統(tǒng)人工經(jīng)驗配料相比，AI配料令鐵水質量穩(wěn)定性提升約20%、原料消耗降低約8%,又例如爐溫控制環(huán)節(jié)，AI能夠提前約30min知曉爐溫變化趨勢，及時調整噴煤量、鼓風量等參數(shù)，將爐溫波動范圍控制在±5℃以內，提升鐵水產(chǎn)量與質量，同時焦炭消耗降低約10%。高爐故障診斷與預警方面，又例如在高爐故障診斷與預警方面，基于例如孤立森林(iForest)、自編碼器(AE)等無監(jiān)督學習分析例如爐頂煤氣成分、爐身壓力、溫度分布、電流強度、振動大小等傳感器數(shù)據(jù)，同時配合卷積神經(jīng)網(wǎng)絡(CNN)分析紅外熱成像或雷達料面形狀圖像，識別異常模式，并發(fā)出預警信號以警示高爐運行過程中可能出現(xiàn)的例如爐體破損、風口堵塞等故障，做到事前預測、實時監(jiān)測、事后響應。高爐煤氣能效管理方面，優(yōu)化CO利用率，減少碳排放，利用LSTM預測煤氣流量、成分變化，動態(tài)調整煤氣回收策略，同時結合計算流體力學(CFD)模擬爐內煤氣流動，優(yōu)化其分布。高爐操作指導方面，動態(tài)優(yōu)化風溫、富氧率、噴煤量等參數(shù)，降低焦比，結合遺傳算法(GA)或粒子群算法(PSO),平衡能耗、產(chǎn)量與排放目標。數(shù)字孿生與虛擬高爐方面，融合熱力學物理模型、化學反應方程與AI實時校準，構建高精度虛擬高爐，用于操作員培訓、工藝仿真、故障復現(xiàn)分析。針對煉鋼工序，AI聚焦于行車調度指揮、鋼水溫度成分預測與優(yōu)化、連鑄過程控制、設備狀態(tài)監(jiān)測與故障預警、能源管理與優(yōu)化、質量預測與追溯、煉鋼操作指導等方面。鋼水溫度成分預測與優(yōu)化方面，自動調整吹氧時間、脫氧劑加入量，使鋼水碳含量與溫度達到最佳匹配狀態(tài)，與傳統(tǒng)人工操作相比，AI操作令煉鋼時間縮短約10%、廢品率降低約15%。連鑄過程控制方面，利用算法模型對連鑄過程參數(shù)進行優(yōu)化，例如結晶器溫度場與流場變化、結晶器振動、二冷水流量、鑄坯拉速等，以減少表面與內部缺陷，提升鋼坯質量。能源管理與優(yōu)化方面，通過構建能源管理系統(tǒng)(EMS),應用大數(shù)據(jù)分析與算法模型，實現(xiàn)能源消耗的實時監(jiān)控與優(yōu)化調度，精確控制煉鋼過程中的啟停時間，能耗降低約12%,提升環(huán)保水平。質量預測與追溯方面，基于機器視覺與深度學習的AI檢測系統(tǒng)，能夠在1s內快速識別鋼水中直徑大于0.1mm的夾雜物、氣泡等缺陷，并對其進行分類與評估，檢測準確率在98%以上。針對軋鋼工序，AI聚焦于軋制過程優(yōu)化、板形控制、設備維護與故障預測、質量監(jiān)測與預測、生產(chǎn)計劃與調度等方面。軋制過程優(yōu)化方面，采用深度學習技術可通過對歷史數(shù)據(jù)的訓練，學習軋制參數(shù)與產(chǎn)品質量之間的復雜關系，對軋制過程中的溫度、速度、壓力、輥縫等關鍵參數(shù)進行精準預測與優(yōu)化，實現(xiàn)對軋制過程的精準控制，軋出的鋼材尺寸精度提升約30%、表面質量合格率提升約5%。板形控制方面，AI通過對軋機彎輥力、張力等參數(shù)的實時調整，減少板形缺陷的產(chǎn)生，板形精度控制在±5I單位以內。質量監(jiān)測與預測方面，應用圖像識別與處理技術具有非接觸、高效率、高精度等優(yōu)點，可對軋出的鋼材表面進行實時監(jiān)測，識別出裂紋、夾雜物等缺陷，大幅提升質量控制的自動化水平?？傮w來看，結合案例情況引入AI技術后，預計鋼鐵企業(yè)全流程的生產(chǎn)周期縮短約30%、產(chǎn)量增長約25%、次品率降低約3%、強度韌性等性能指標波動范圍縮小約30%、能耗降低約15%、原77中國銀河證券|CGS行業(yè)深度報告·鋼鐵行業(yè)材料利用率提升約7%、設備停機時間減少約33%、設備維修成本降低約30%。圖7:圖7:AI助力開發(fā)管線鋼高效軋制新工藝R?=2.8nm,N,=52個/μm2 奧氏體晶粒直徑減小16%析出粒子數(shù)量增加126%優(yōu)化工藝常規(guī)工藝圖圖8:AI輔助消除軋制帶狀組織與表面缺陷優(yōu)化前(AH32,帶狀組織)優(yōu)化后(AH32,組織均勻)消除帶狀組織和表面缺陷市場動態(tài)、宏觀經(jīng)濟指標、行業(yè)趨勢、季節(jié)性因素等多維度深度分模式，搭建高度精準的需求預測模型，對未來3個月鋼鐵產(chǎn)品需求的預測準確率提升約30%,同時根據(jù)需求預測結果動態(tài)調整庫存水平，綜合考慮庫存成本、采購成本、缺貨成本、生產(chǎn)周期等因素，提供最優(yōu)庫存策略，例如當預測到某類鋼材需求將在未來2個月內上升時，系統(tǒng)將提前安排原材料采購，并適當增加該類鋼材的庫存，確保在需求高峰時及時滿足客戶訂單，最優(yōu)業(yè)存貨周轉率提升約25%、倉儲成本降低約18%。借助物聯(lián)網(wǎng)技術，將庫存中的原材料與成品與傳少約40%。智能倉儲系統(tǒng)利用AI算法對倉庫空間進行合理規(guī)劃，依據(jù)產(chǎn)品種類、規(guī)格、出入庫頻的裝卸與搬運，讓倉儲容量提升約30%、貨物出入庫效率提升約40%。同時通過構建客戶需求分析語義解析等深度挖掘，并結合機器學習算法對客戶需求進行分類與聚類，精準求，鋼鐵企業(yè)甚至也能夠為客戶量身定制產(chǎn)品的成分、規(guī)格、性能等參數(shù)，逐步提升定制化比重，利用網(wǎng)絡爬蟲技術，從各大商業(yè)數(shù)據(jù)庫、行業(yè)論壇、政府監(jiān)管平臺、社交媒的運行狀態(tài)，提前預判鋼結構的疲勞損傷情爭力、交貨及時性、售后服務等因素，同時利用網(wǎng)絡爬蟲技術，從各府監(jiān)管平臺、社交媒體等渠道，收集供應商基本信息、財務狀況、生產(chǎn)能力、環(huán)行量化評分，篩選出3-4家綜合評分較高的供應商。AI還價格走勢，結合需求預測與庫存狀況，為企業(yè)提供采購時機與采購量建議，同時優(yōu)化采購合同管理，AI系統(tǒng)通過NLP對采購合同中的條款進行語義分析，檢查合同標準、違約責任等關鍵條款是否清晰明確，識別潛在風險點，對于發(fā)現(xiàn)的問題88中國銀河證券|CGS行業(yè)深度報告·鋼鐵行業(yè)道路擁堵、交通事故、天氣預報等信息，結合地理信息系統(tǒng)(GIS長、安全性、靈活性等指標進行量化分析，綜合評估不同運輸方式的優(yōu)劣，目的地的前提下，相比單一的公路運輸，成本降低約20%。預測結果進行針對性驗證，如此一來研發(fā)周期縮短約30%、研發(fā)成本降低約25%,且新鋼種能夠快鋼種性能的關鍵因素，并進行動態(tài)調整，經(jīng)AI優(yōu)化后鋼材屈服強度提升約10%、沖擊韌性提升約15%,產(chǎn)品質量穩(wěn)定性得到極大增強。AI還可對余熱、余壓等能源進行回收利用優(yōu)化，提升能源綜產(chǎn)管理模式，企業(yè)開始向扁平化、網(wǎng)絡化組織架構轉變，提升信息傳遞效率與推理提供支持，同時注重培養(yǎng)員工的數(shù)字化素養(yǎng)，崇指標aow:Class.廠部aowt:Class.:分廠aowL:Class.業(yè)務aowL:Class指標aow:Class.廠部aowt:Class.:分廠aowL:Class.業(yè)務aowL:Class.:因果aowt:ObjectProperty;rdfs:domain指標：rdfsrange:指標。責任方aowl:ObjectProperty;rdfs:domain:指標：rdfsrange[owt:unionOf(:廠部：分廠)從屬aowL.ObjectProperty;rdfsrange:廠部。領域aowtObjectProperty;rdfs:domain:指標：rdfsrange:業(yè)務。:實績值aowDataProperty;rdfs:domain:指標；本體模型的schema,識別用戶提示中要求的實體和關系。你必項生成ISON格式的輸"relation"、tair和"tailtype":head"健必須代表關系頭部的提取實體文本，"headtype"鍵必須包含提取的頭實體的類型，該類型必須是schema提供的類型列表中的一種。"relation"健必須包含"head"和tail“之間的關系類型，該類型必項是schema提供的類型列表中的一種。tail"錯必須代表關系尾部的提取實體文本，而的一種，嘗試盡可能多地提取實體和關系。#根據(jù)以下示例。從提供的文本中提取實體和關系->Beginningofexamp#說明文檔鋼鐵料消耗(Kg/t)是街量轉爐生產(chǎn)成本的一個重要指標，消耗大小與鋼種、鐵水條件、渣料消耗(石灰)、含鐵原料和工藝操作以及鋼水氧化性有關。"head_type":"指標","tail?:鋼鐵料消耗"。tail_type":指標".(a)系統(tǒng)信息(c)少樣本示例對以下文檔，生成實體和關系提取結果板坯連鑄機最大拉速與結品器冷卻、足輥水、每段水冷卻以及凝固末端不會出現(xiàn)液芯為最佳確定，但鑄坯偏析可以通過調整壓下量控制。(b)本體模型(d)具體問題"head:“板坯連鑄機最大拉速",head_type":“指標"。relation":“因果",tair:“結品器冷卻”tailtype":“指標"(head:“板坯連鑄機最大拉速”。"head_type":"指標"。"relation”:“因果"。tail_type":“指標”。("head:"板坯連鑄機量大拉速"。"head_type":"指標"。(."head":“板坯連鑄機最大拉速”。"head_type":"指標"。"relation":“因果”"tail":“凝固末端不會出現(xiàn)液芯”。1"head_type:“指標”。"rolation":“因果”。"tailtype:"指標”資料來源：李川陽等《融合大模型和知識圖譜的鋼鐵制造管理指標體系的設計及應用》,中國銀河證券研究院99請務必閱讀正文最后的中國銀河證券股份有限公司免責聲明。AI賦能鋼鐵案例涌現(xiàn)，全行業(yè)占比領先。2024年12月，工信部發(fā)布《人工智能賦能新型工業(yè)化典型應用案例名單》,鋼鐵行業(yè)共有14例上榜，在全行業(yè)中占比9.3%,其中技術底座方向1例、行業(yè)應用方向11例、裝備產(chǎn)品方向2例。1基于AI視覺技術的冶金物料識別平臺萊蕪鋼鐵集團電子有限公司山東省工業(yè)和信息化廳二、行業(yè)應用方向1基于大模型技術的金相智能分析平臺中國鋼研科技集團有限公司中國鋼研科技集團有限公司2多基地訂單智能化高效化關鍵決策模型應用寶山鋼鐵股份有限公司中國寶武鋼鐵集團有限公司3中國鋼研科技集團有限公司中國鋼研科技集團有限公司4高品質熱軋帶鋼板形板廓智能檢測及控制應用唐山鋼鐵集團有限責任公司5寶鋼湛江鋼鐵煉鋼KR智能渣識別應用寶鋼湛江鋼鐵有限公司中國寶武鋼鐵集團有限公司6中冶南方工程技術有限公司中國五礦集團有限公司7武漢鋼鐵有限公司中國寶武鋼鐵集團有限公司8長沙礦山研究院有限責任公司中國五礦集團有限公司9大連機車車輛股份有限公司中國中車集團有限公司聯(lián)峰鋼鐵(張家港)有限公司廢鋼智能檢驗系統(tǒng)開發(fā)與應用新余鋼鐵集團有限公司三、裝備產(chǎn)品方向1首鋼京唐鋼鐵聯(lián)合有限責任公司2首鋼京唐鋼鐵聯(lián)合有限責任公司資料來源：工信部，中國銀河證券研究院AI+鋼鐵典型案例一-—寶鋼股份：旗下梅鋼建設4,070立方米智慧高爐，引領低碳智能化煉鐵行業(yè)總能耗約70%、二氧化碳排放占比在60%以上。鋼鐵高爐的技術難點主要包括數(shù)據(jù)規(guī)模大利與信息熵增現(xiàn)象。各工序間的數(shù)據(jù)協(xié)同存在明顯的異構性壁壘與信息降低，信息利用率呈現(xiàn)亞優(yōu)化狀態(tài)。這種復(2)爐熱指標波動大，鐵水溫度、鐵水硅含量等爐熱指標具有顯著的時滯效應與非線性特征，請務必閱讀正文最后的中國銀河證券股份有限公司免責聲明。(3)變量維度高分析復雜，高爐多變量間存在復雜的時空關聯(lián)機制，其耦合關系呈現(xiàn)顯著的非穩(wěn)態(tài)與時變特征，傳統(tǒng)單變量預測方法難以捕捉變量間的協(xié)同演化規(guī)律，高爐系統(tǒng)固有的多尺度特性使得不同變量的波動頻譜存在顯著差異。高爐工藝參數(shù)間的多重共線性及滯后效應，進一步加劇了特征選擇的復雜度。高爐原燃料質量擾動的不確定性與操作時變特性，更是要求預報模型具備強在線自學習與自適應能力；(4)爐渣堿度預期外變化頻繁，合理、穩(wěn)定的爐渣堿度不僅能夠優(yōu)化爐內反應，提高鐵水質量，還能有效降低爐渣的粘度，改善冶煉環(huán)境，進而提高爐效、降低能源消耗與生產(chǎn)成本。高爐冶煉過程涉及復雜的多相反應動力學，難以實時捕捉堿度變化的瞬態(tài)特征，且高爐系統(tǒng)作為典型的復雜工業(yè)過程，其運行狀態(tài)受原燃料品質波動、工藝參數(shù)擾動、外部環(huán)境變化等多重因素影響，傳統(tǒng)堿度預判機理模型難以準確刻畫高爐多尺度、非線性的復雜物理化學過程并有效適應這種高度不確定性的生產(chǎn)環(huán)境；(5)爐況量化調整困難，現(xiàn)有高爐爐況管理高度依賴操作人員的經(jīng)驗積累與主觀判斷，水平參差不齊的操作人員難以全面把握高爐這一復雜工業(yè)系統(tǒng)的多尺度、非線性特征，導致對爐況演化的理解存在固有偏差。隨著原燃料條件日趨復雜、生產(chǎn)要求不斷提高，當高爐爐況出現(xiàn)生產(chǎn)波動時，由于缺乏對多源異構數(shù)據(jù)的系統(tǒng)性分析手段，人工難以準確定位擾動源的位置及其傳播路徑，導致爐況故障診斷效率低下，難以適應現(xiàn)代高爐生產(chǎn)的多目標優(yōu)化需求。2023年11月-2024年6月，寶鋼股份子公司上海梅山鋼鐵股份有限公司與東北大學開展深度合作，鋼鐵共性技術協(xié)同創(chuàng)新中心煉鐵方向儲滿生教授團隊采用“通用模型+個性數(shù)據(jù)”,研發(fā)梅鋼智慧高爐系統(tǒng)，融合大數(shù)據(jù)、AI與冶煉機理及經(jīng)驗知識，打造梅鋼特色的高端、綠色、安全、高效的智慧煉鐵工序，經(jīng)梅鋼規(guī)劃部副部長譚培龍先生確認，每噸鐵水生產(chǎn)成本降低約30元。(1)數(shù)據(jù)治理與關聯(lián)規(guī)則挖掘，梅鋼智慧高爐系統(tǒng)結合生產(chǎn)工序對梅鋼高爐數(shù)據(jù)進行了詳細梳理，對原燃料參數(shù)、操作參數(shù)、監(jiān)測參數(shù)、渣鐵參數(shù)進行了全面采集，共計參數(shù)字段2,500余個。通過數(shù)據(jù)治理、時滯性分析、關聯(lián)性分析等多方面措施，開發(fā)出科學、模塊化、程序化的自適應智能解析方法，貫通鐵區(qū)上下游數(shù)據(jù)源，打破“數(shù)據(jù)孤島”,系統(tǒng)性地對“原燃料-操作制度-爐況狀態(tài)-出鐵出渣”全鏈條數(shù)據(jù)進行治理與關聯(lián)規(guī)則挖掘，煉鐵數(shù)據(jù)利用率提升至80%;(2)爐熱智能預測與反饋，梅鋼智慧高爐系統(tǒng)以高爐鐵水溫度與鐵水硅含量為核心目標，建立爐熱與原燃料條件、操作制度、爐況狀態(tài)、渣鐵質量間的關聯(lián)關系，篩選出影響高爐爐熱的關鍵因素?；跈C理與數(shù)據(jù)融合的建模技術，構建了高爐爐熱智能預測模型與爐熱反饋模型，實現(xiàn)了對爐熱的精準預報，并為高爐操作者提供合理的操作建議，指導其穩(wěn)定爐熱水平。爐熱預測與反饋模型于2023年12月正式上線運行，包含爐熱指標趨勢預測可視化、模型輸入?yún)?shù)監(jiān)測、操作建議推送、模型異常記錄四大模塊。應用期間成功實現(xiàn)對未來1-3小時鐵水溫度與鐵水硅含量變化趨勢的預測，其中鐵水溫度預測值與實測值的誤差范圍控制在±10℃以內，鐵水硅含量預測值與實測值的誤差范圍控制在±0.05%以內，模型的準確率以過去48小時內真實值與預測值的動態(tài)匹配度衡量，鐵水溫度與鐵水硅含量預測準確率均高于85%。當未來1-3小時的爐熱指標超出預設閾值時，模型將從煤粉噴吹量、鼓風濕度、熱風溫度、焦炭負荷、富氧流量、冷風流量六個方面，為高爐操作者推送量化的調整措施；(3)關鍵變量智能預測與反饋，梅鋼智慧高爐系統(tǒng)構建關鍵變量智能預測與反饋模型，充分利用高爐復雜冶煉過程中各爐況指標之間的耦合關系，巧妙結合多輸入單輸出(MISO)神經(jīng)網(wǎng)絡算法與多輸入多輸出(MIMO)神經(jīng)網(wǎng)絡算法，實現(xiàn)了對透氣性、煤氣利用率、熱負荷的同步動態(tài)預測。在此基礎上，系統(tǒng)還構建關鍵指標反饋模型，當關鍵指標波動超過設定閾值時，自動為高爐操作者推送科學合理的操作建議，以確保爐況的穩(wěn)定性。關鍵變量智能預測與反饋模型于2024年2月正式投用，涵蓋透氣性、熱負荷、煤氣利用率趨勢預測可視化、輸入?yún)?shù)監(jiān)測、建議推送、模型異常記錄四大模塊。應用期間模型成功實現(xiàn)對透氣性、熱負荷、煤氣利用率未來1-3小時變化趨勢的精中國銀河證券|CGS行業(yè)深度報告·鋼鐵行業(yè)準預測，平均準確率均超過85%;(4)爐渣堿度閉環(huán)智能調整，梅鋼智慧高爐系統(tǒng)的測、堿度反饋三大模塊組成，堿度計算模塊基于物料平衡原理，實現(xiàn)理論堿度預測模塊通過特征篩選、算法優(yōu)化、結果評估，提前1-6小時精準預測爐渣堿度、鐵水硫含量與鎂鋁比，堿度反饋模塊則負責定量計算配料調整方案。該模型不僅支持堿度結果具備實際堿度的自動修正功能、配料定量反饋建議、原因分析推送功夠在線自適應更新，確保長期維持高準確率與穩(wěn)定性。爐渣堿度智能調整模型于2024年4月正式投用，主要包括爐渣堿度、鐵水硫含量與鎂鋁比的1-6小時預測結果可視化、爐批配料結構跟蹤、反饋原因與方案自動推送四大模塊。應用期間爐渣堿度、鐵水硫含量與鎂鋁比的1-6小時預測準確率均超過85%,配料調整方案與實際生產(chǎn)情況高度吻合，獲得現(xiàn)場專家一致認可，有效提升爐渣堿(5)綜合爐況智能“評價-預測-溯因”,梅鋼智慧高爐系統(tǒng)的綜合爐況“評價-預測-溯因”模型以高產(chǎn)、低耗、優(yōu)質、順行、長壽為準則，通過多角度提取關態(tài)表征方法。模型逐級確定高爐爐況對關鍵指標、原燃料條件及操作制度等多區(qū)規(guī)則，建立了適應高爐自身特點的動態(tài)評價模型于2024年6月正式投用，涵蓋綜合爐況量化評分可視化、爐況變化趨勢預測、壓差預測、爐況失分原因分析與反饋等模塊。應用期間模型實現(xiàn)高爐綜合爐況的量化評價的吻合度超過80%,爐況變化趨勢預測的在線運行準確率超過90%。此外模型還支持對高爐爐況擾動的原因進行解析與追溯，并能夠導出詳細的爐況分析報告，顯著提升高爐運行穩(wěn)定性與順行性，誤差范圍(2023年9月-2023年12月)(2024年1月-2024年6月)87.1%平均值：49.1%平均值：350.5kg/tX資料來源：江蘇省鋼鐵行業(yè)協(xié)會公眾號，中國銀河證券研究院資料來源：Hightopo官網(wǎng)，中國銀河證券研究院過去鋼鐵軋機的諸多故障，初期往往較為隱蔽，即使人工有所察覺，也需要排查，十分繁瑣。包鋼股份軋機設備精度動態(tài)管控平臺通過建立大數(shù)據(jù)實時監(jiān)輥系、卷取機等關鍵設備進行全方位、無死角的運行狀態(tài)檢測，所有獲取的人機交互智能系統(tǒng)，經(jīng)過數(shù)字化評價后，以3D可視化的方式展示出來，為操作人員提供直觀的調整或修復方案。此外平臺還實現(xiàn)對軋機設備精度相關因素與結果的全面系統(tǒng)精準性與解決的高效性。近半年以來，軋機設備精度動態(tài)管控平臺已在包鋼股作業(yè)部的精軋區(qū)域成功采集并處理超16萬條有效數(shù)據(jù)，AI的引入幫助公司真正實現(xiàn)穩(wěn)定軋制，提升板形質量與薄規(guī)格軋制能力，降低綜合運行成本，減少現(xiàn)場維護工作量。2024年12月，包鋼集訓項目，分享其在數(shù)字化方面的先進經(jīng)驗與知識，幫助員工掌握新技能，帶來的變革，華為還將在包鋼集團的礦業(yè)項目中推廣智能礦山解決方案，包括無人駕駛運輸車、智能監(jiān)測系統(tǒng)等應用，提升礦山運營效率與安全性，降低人工成級。自2019年起，湖南鋼鐵集團攜手湖南移動與華為，開展“5G+智慧工廠”建設，在華菱鋼鐵子系，2023年在前期試點驗證的基礎上，三方再度合作，推進AI+鋼鐵行業(yè)大模型部署，2024年4等9個專業(yè)的23個場景，例如行車智能調度系統(tǒng)，集成煉鋼生產(chǎn)計劃、行車檢修信息、鋼水包實時位置、各類業(yè)務規(guī)則等大量數(shù)據(jù)，若生產(chǎn)計劃臨時有變，系統(tǒng)會在不用1min內利用算法智能生成生成接下來30min的調度方案，2025年2月，湘鋼基于華為云Stack的大模型混合云上線，涵蓋場景拓展至32個，在華為云Stack專家的幫助下，湘鋼10多個二級廠的一線技術人員已經(jīng)能夠自湘鋼實現(xiàn)對全流程生產(chǎn)的物質流、能量流、信息流進行分析、預測、預警，全廠測與智能診斷，提高生產(chǎn)作業(yè)率約20%,產(chǎn)品質量的在線判定與一鍵追溯，產(chǎn)、供、銷、研、財?shù)囊惑w化管理與精益、精細、精準的成本管理，未來湖南鋼鐵集團將把湘請務必閱讀正文最后的中國銀河證券股份有限公司免責聲明。中國銀河證券|CGS行業(yè)深度報告·鋼鐵行業(yè)能源一體化為三中心，打造遠程化、集約化、智能化的生產(chǎn)與鐵區(qū)一體化中心融合鐵區(qū)五大工序的25套系統(tǒng)，實現(xiàn)45個中控室合一，應用智能模型165個，讓燒結返礦率等經(jīng)濟技術指標達到國際先進水平，高爐燃料使用量下降約20kg/t,年生產(chǎn)降本超3億。鋼軋一體化中心以自動煉鋼、自動出鋼、一鍵精煉、無人澆鑄、智能加熱、軋鋼自動識別、智能行車等自動化、智能化新技術為支撐，將煉鋼七大工序與軋鋼九(1)聚焦敏捷運營，南鋼股份深入踐行“一切業(yè)務數(shù)字化”的轉型方針，實現(xiàn)17個業(yè)務領域數(shù)字系統(tǒng)的全覆蓋，構建工業(yè)APP超50個，例如建設采購一體化平臺，采購效率提升約70%,依托南鋼內部生產(chǎn)經(jīng)營數(shù)據(jù)，打造黑色市場智慧分析系統(tǒng)，為公司采購與銷售等策支撐，打造財務共享中心，覆蓋境內外子公司，實現(xiàn)財務核算工作統(tǒng)一與變革，建設設備、能源、環(huán)保等系統(tǒng)支撐動態(tài)感知與敏捷響應能力，提升運營模式變革，打造“智造、經(jīng)營、生態(tài)”集群式一體化中心，匯聚26條產(chǎn)線、整合210套相關系統(tǒng)、數(shù)據(jù)采集超42萬點，實現(xiàn)端到端的全面數(shù)據(jù)資產(chǎn)整合，完成從采購、生產(chǎn)、(2)聚焦綠色低碳，南鋼股份將水、供配電、發(fā)電、燃氣、汽9種能源介質、80個站所、91套自動化系統(tǒng)進行融合，建成能源一體化中心，實現(xiàn)對能源從生碳減排等板塊重要數(shù)據(jù)的實時監(jiān)控與分析，有效管理碳足跡，實現(xiàn)基于“碳數(shù)牽引”的碳管理場景創(chuàng)造，構建鋼鐵全流程、全業(yè)務覆蓋的低碳生態(tài)，促進綠色低碳可持續(xù)發(fā)展。通過能源一體化中心建設，公司工序能耗降低約3%,煤氣動態(tài)平衡實現(xiàn)零放散，自發(fā)電比例提升約數(shù)據(jù)資產(chǎn)、大數(shù)據(jù)平臺“三個統(tǒng)一”與業(yè)務數(shù)字化、數(shù)據(jù)資產(chǎn)化、資產(chǎn)服務構建高質量數(shù)據(jù)、賦能業(yè)務降本增益”為目標，成立數(shù)據(jù)管理組織，建設Owner體系，打造數(shù)據(jù)全生命周期管理能力，分步推進17個業(yè)務領域的數(shù)據(jù)資產(chǎn)盤點工作，逐步實現(xiàn)數(shù)據(jù)從資源形態(tài)向資產(chǎn)形態(tài)的轉變，目前已形成涵蓋約6,800張表、1,900個指標、百萬級工業(yè)OT點的數(shù)據(jù)資產(chǎn)地圖，核心數(shù)據(jù)資產(chǎn)入湖率超85%、數(shù)據(jù)服務開發(fā)效率提升約40%、維護開發(fā)降本約30%,同時緊跟國家數(shù)據(jù)要素政策動態(tài)，深入研究數(shù)據(jù)資產(chǎn)價值量化過程，2024Q1成為國(4)聚焦關鍵場景，為落實國家AI+行動，南鋼股份啟動“AI百景千?！比晷袆佑媱潱?guī)流、能量流、數(shù)據(jù)流、價值流的跨工序跨業(yè)務領域的工業(yè)場景算法，涵蓋視與材料仿真系統(tǒng)融合，構建數(shù)據(jù)與智能驅動的數(shù)字研發(fā)體系，降低研MR點巡檢系統(tǒng)、AR眼鏡等為代表的行業(yè)“OnlyOne”、“No.1”級產(chǎn)品，累計實施超300臺套，覆蓋煉鐵、煉鋼、軋鋼、精整、實驗室等全流程。南鋼股份是業(yè)內首家開展全廠區(qū)5G+無人機巡查聯(lián)無人機管理運營平臺，集飛行控制系統(tǒng)、載荷控制系統(tǒng)、圖像傳輸系統(tǒng)、理系統(tǒng)于一體，聚焦無人機綜合管控、行業(yè)應用賦能、異構融合能力，具(5)聚焦生態(tài)發(fā)展，南鋼股份自主集成國內優(yōu)秀智能裝備供應商42家，建成全球首個專業(yè)加本高、效率低等問題，其中僅有生產(chǎn)技術人員38人，效率提升近4倍。利用數(shù)字技術賦能與改造相與原燃料、船舶、海工等領先伙伴形成緊密的產(chǎn)業(yè)互聯(lián)，形成品牌效時增強粘性，使得原先產(chǎn)業(yè)鏈上下游從公司對公司的協(xié)作時隨地查詢到其訂單在體系內的狀態(tài)，支撐客戶的排產(chǎn)排金宇智能等一批具有獨角獸屬性的工業(yè)互聯(lián)網(wǎng)高科技企業(yè)，將自身的數(shù)字化成新材料、智能制造、能源環(huán)境、產(chǎn)業(yè)互聯(lián)網(wǎng)等戰(zhàn)略新興產(chǎn)業(yè)集群，目前已匯集約200個產(chǎn)品與解決方案，服務22個行業(yè)，帶動相關行業(yè)創(chuàng)新發(fā)展。(1)建立高爐群大數(shù)據(jù)平臺，基于工業(yè)物聯(lián)網(wǎng)、云存儲、云計算等技術完成高爐及附屬工序、操作參數(shù)數(shù)據(jù)倉庫、完成不同數(shù)據(jù)庫的各種接口與數(shù)據(jù)統(tǒng)一表示，用于支撐外部據(jù)整合。利用控制系統(tǒng)所提供的OPC服務器功能，編寫OPC客戶端程序，實現(xiàn)從基礎自動化系統(tǒng)通訊、數(shù)據(jù)清洗、數(shù)據(jù)預處理、數(shù)據(jù)分類、存儲等建立數(shù)據(jù)平臺與大數(shù)據(jù)處理臺開發(fā)工藝機理與統(tǒng)計數(shù)學模型、大數(shù)據(jù)分煉鐵工業(yè)傳感及物聯(lián)網(wǎng)開發(fā)，在高爐大數(shù)據(jù)云平臺交互基礎上開發(fā)高爐生產(chǎn)工藝模型與移動終端APP,對高爐冶煉全過程進行全方位、實時可視化監(jiān)控。實現(xiàn)高爐生產(chǎn)全流程物質流與能量流信息化管控、高爐操作爐型與冷卻壁安全監(jiān)測與預警、高爐裝料及布料過程智能流分布及風口回旋區(qū)的三維可視化監(jiān)控。高爐機理建模與數(shù)字化仿真系統(tǒng)融學模型，實現(xiàn)全高爐仿真與工作狀態(tài)精確解析，提供高爐爐況預測結爐操作變更影響因素的推送、完成高爐運行趨勢分(3)建立爐缸侵蝕狀態(tài)高精度預判平臺，以公司不同爐容爐缸的破損調查為基礎精度高爐炭磚殘厚計算數(shù)學模型，并利用計算機圖形學技術對數(shù)據(jù)結果作處理蝕程度的精準判斷與侵蝕形貌的循環(huán)動態(tài)展示，建立炭磚合理評價制度，利用高冶煉參數(shù)與操作規(guī)則的關聯(lián)分析、歷史數(shù)據(jù)溯源，將歷史數(shù)據(jù)與當前操作多種操作參數(shù)優(yōu)化，推算最佳高爐工藝路線，并實時對高化建議。鞍鋼股份的高爐AI項目已在本部煉鐵總廠2號、3號高爐(3,200立方米)、5號高爐(2,580立方米)與鲅魚圈分公司煉鐵部1號、2號高爐(4,038立方米)實施應用，同時煉鐵總廠1-5號與10號高爐初步實現(xiàn)集控功能，從生產(chǎn)、操作、技術、管理、培訓等全方位提升煉鐵的數(shù)字化、科學化、智能化、標準化水平，減少較危險的點檢與爐前工作對人的依賴，降低安全事故發(fā)生率，高爐操作人員勞動生產(chǎn)率提高約44%,本部煉鐵總廠2、3、5號高爐與鲅魚圈煉鐵部1、2號高爐在入爐品位較低、大量使用外購焦與濕熄焦的條件下，5座高爐利用系數(shù)平均提升0.487t/(立方米·d),達到國內先進水平。圖12:華菱湘鋼寬厚板智慧中心數(shù)據(jù)數(shù)據(jù)6能釵鞍鋼智慧高爐大數(shù)據(jù)可視化平臺可視化展示KP系轉10量(1)數(shù)據(jù)質量與安全問題，鋼鐵相較于其他行業(yè)，數(shù)據(jù)質量問題尤為突出不一致、噪聲多、標簽不準確等情況，“量大而不優(yōu)”。例如煉鋼環(huán)節(jié)內真實溫度變化，進而影響對煉鋼工藝的優(yōu)化決策。又例如不同設備或系統(tǒng)間戳不一致、數(shù)據(jù)格式不統(tǒng)一等問題，在原材料采購數(shù)據(jù)與生產(chǎn)消耗數(shù)據(jù)進行匹配分析時，(2)模型準確性與可靠性問題，鋼鐵相較于其而影響產(chǎn)品質量。而欠擬合則是模型未能充分學習到數(shù)據(jù)中的規(guī)律，導致在表現(xiàn)均不佳，例如在建立鋼鐵生產(chǎn)能耗預測模型時，若模型過于簡單，無法捕捉工藝、設備狀態(tài)等因素之間的復雜關系，導致企業(yè)在能源管理方面缺乏有(3)模型投入成本問題，考慮鋼鐵行業(yè)自身體量，部署與之匹配的AI行業(yè)大模型需要配置較大規(guī)模的硬件設備、算法設計、軟件系統(tǒng)等，初期投入成本較高，且鋼鐵我們認為宏觀政策持續(xù)顯效，有利于提升鋼鐵行業(yè)集中度，并改善長期以來失衡的供需關系，普鋼龍頭有望受益。隨著制造業(yè)轉型升級，中高端特鋼需求亦有望迎來較快增長。建議關注：數(shù)字化、智能化轉型起步較早，具備先發(fā)優(yōu)勢，AI積極賦能，大模型在鋼鐵生產(chǎn)與供應鏈多環(huán)節(jié)、多場景加速精細化落地或成效初顯標的：寶鋼股份、包鋼股份、華菱鋼鐵、南鋼股份、鞍鋼股份、太鋼不銹等。同時我們在《鋼鐵IDC:穿越周期，變中成長20240529》一文中提及，國內IDC前景廣闊，IRR總體可觀，鋼鐵企業(yè)轉型IDC在土地、資金、能耗等多項資源稟賦上具備先天優(yōu)勢，DeepSeek風起進一步推動IDC向AIDC演進，算力強度、功率高度、機柜密度等方面要求更上一層樓，放大了鋼鐵企業(yè)優(yōu)勢，有助于多層次、多維度發(fā)展新質生產(chǎn)力。建議關注：已有相關外延運作或涉及電信業(yè)務、有序拓展IDC標的：首鋼股份、馬鋼股份、杭鋼股份、河鋼股份等。EPS(元/股)PE(倍) 馬鋼股份 鋼鐵屬于傳統(tǒng)周期性行業(yè)，對宏觀經(jīng)濟增長敏感度較高，若國內或國際宏觀經(jīng)在AI+鋼鐵的實際融合過程中，暴露出例如數(shù)據(jù)質量與安成本等共性問題，若不能得到及時有效地解決，將削弱AI技術賦能鋼鐵行業(yè)的“乘數(shù)效應”,且AI+鋼鐵的復合型人才培養(yǎng)，非一日之功。