30亿数据跑出的大模型，革了采矿业的命

有点数·数字经济工作室原创

作 者 |伊各义

从去年火到今年的这波人工智能革新以大模型为突破点，从产品上看，接近用户层的大模型频繁出圈，包括文生视频领域的Sora、Pika，问答领域的OpenAI、Kimi等。

据不完全统计，国内公开发布的大模型产品已达200余个，大模型产业竞争真正进入了“百模大战”阶段。虽然绝大多数产品以自然语言对话为主要功能，提供聊天对话、创意写作、代码生成等服务，但人工智能在制造业领域的应用也在突进。

除了能“聊天”，大模型正变得越来越会“干活”。热闹的“百模大战”中，赢家或许不用多“说话”。

01 | .先让设备会“说话”，而且得“说普通话”

提起煤矿，你心目中会出现什么样的生产场景？是不是“戴着头盔，一身煤灰，满脸漆黑”？事实上，如今的矿工“穿着西装，打着领带，就把煤采了”，这种革命性的颠覆，正是得益于AI大模型在煤炭行业的介入。

大模型进矿山，首先得让设备之间实现顺畅“沟通”。

以国家能源集团神东煤炭为例，它有1370多家主要设备供应商，10万台各类设备、10余类操作系统、500多种需要适配对接的通信协议。不同的设备装置具有不同的操作系统，同一家供应商不同时期提供的操作系统及应用彼此不兼容，造成设备之间数据共享难，信息互通难，生产作业智能联动难。

国能神东所面临的这个问题也是很多矿山所遇到的共性问题，摆在它们面前的，是如何构造统一标准、统一架构，建立统一的信息化、智能化作业支撑系统，实现智能化协同作业和生产控制，实现自感知自优化的决策支撑。

所以，首先要在操作系统上实现创新，直击设备与数据孤岛的痛点。一方面，是将各类煤矿装备智能化，提升设备在线率，让更多设备“能说话”；另一方面，是在数据产生的源头就统一了设备对话的语言，让设备“说普通话”。

当设备们具有智能化的能力和泛在联网的能力，矿山也就具备了迈向智能的基础：万物实时互联。煤矿工人、装备、环境、数据、应用通过网络连接在一起，踏向智能矿山工业互联网的快车道：以泛在的连接为支撑，通过平台化的服务，实现煤矿生产海量数据的存储、管理、计算和分析，挖掘数据价值，同时基于煤矿生产实践的数据分析能力变现成知识，实现知识的智能化，进而不断迭代，实现创新的智能化和常态化。

在煤炭精准开采的层级架构中，包括感知层、传输层、云（数字平台）和应用层。其中，上面提到的矿鸿系统解决的就是感知层信息孤岛问题，而传输层同样是智能矿山的重中之重，因为煤炭井下开采涉及应力场、裂隙场、渗流场等诸多问题，采场及开采扰动区地应力、瓦斯压力、瓦斯涌出量、裂隙发育区等信息的传输至关重要。

智能煤矿的本质，是借助物联网、大数据、云、AI等信息科技，将煤炭工业由劳动密集型升级为技术密集型，实现超精准的开采。

02 | .以前3天干的活，如今10分钟就搞定

现在，在下井闸机口，在井下巷道、安全禁区，掘进作业中，机器视觉技术正在替代安全员这个岗位，通过视频24小时监控，能够识别人员摔倒、违章自动抓拍，一旦有人进入禁止区域，会自动提示撤离。

煤炭开采中，井巷或工作面周围岩体由于弹性变形能瞬时释放，会产生剧烈破坏，这是煤矿重大灾害之一。通过向煤壁钻孔，可以使煤体压缩弹性能不断释放，从而化解冲击地压。但这个办法难在确定钻孔直径、钻孔深度、钻孔间距、装药量和钻孔方向等复杂的参数，需要井下录制视频，再逐个进行人工核验，一次施工往往需要3天。

如今安上“眼睛”的打孔杆不光实时看到打孔作业现场情况，并且能标注孔洞，将现场图片实时上传，这些图片“喂”给大模型，实时训练，形成算法包，再发回矿上的应用服务器进行视频分析，打的孔数量不足，深度不够时会立刻报警；如果出现误差，模型会再训练，实时更新、实时训练，这种企业内部闭环的算法模型持续优化机制，使得大模型越用越精准。

经过大模型的加持，打孔情况实时传输给系统,AI可以准确识别视频中钻机、钻杆、施工人员取杆动作，实时纠错，一举将打钻作业缩短为10分钟，人工核验工作量减少了80%。

大模型进矿山，并不是对矿工的简单替代，配煤师这个高薪职业也要消失了。

炼钢需要焦煤，中国庞大的钢铁产能，把配煤师这个把控炼焦成本的关键环节推上高薪岗位。

以前，配煤师要根据经验将气煤、肥煤、焦煤、瘦煤、贫煤等不同性质的炼焦煤，在考虑各种煤的特性、价格、库存等因素的前提下，配出成本较低，又能满足质量要求的焦煤。如今，配煤师的经验被提炼成算法，只要把煤种数据输进去，然后把满足钢铁厂质量要求的焦煤数据输进去，系统会自动计算出那个“最佳性价比”。

在这场“矿山革命”中，华为提供基础算力，用30亿数据跑出了盘古矿山大模型的底座——预训练大模型。之后，合作矿业公司将50万张矿山应用场景图片输入给预训练大模型，在人工智能服务平台上跑出一系列针对具体场景的算法，便形成盘古矿山大模型。

其他煤矿使用盘古矿山大模型，识别率达到80%以上，再放上现场三五十张图片素材训练，识别率就非常准了，极大地降低了使用门槛。

03 | .传统产业的每个环节，都能被大模型重塑

在煤矿领域，从2021年开始，华为分别与晋煤、国家能源、陕煤、山能、中煤等能源行业龙头企业签署协议，促成了盘古矿山大模型的落地应用；与国家气象局合作，开发出盘古气象大模型；和宝武集团合作，开发出盘古钢铁大模型……

工信部赛迪研究院数据显示，2023年，我国生成式人工智能企业采用率已达15%，市场规模约为14.4万亿元。华为之外，众多传统制造业公司公司正积极接入大模型，让人工智能参与智能客服与售后服务、供应链优化、质量控制、产品设计与研发、能源管理、智能制造等多个生产环节。

比如海尔集团利用AI技术提升了其售后服务的效率和客户满意度；三一重工利用AI进行设备监控和预测性维护；中国商飞在C919大型客机的研发中应用了AI技术；富士康的“灯塔工厂”采用了AI和IoT技术；宝钢股份利用AI技术进行能源管理；西门子将ChatGPT技术与其现有的自然语言技术相结合，有效实现了操作者与系统自然语言的交互……

大模型技术创新和应用需要基于海量数据集，在拥有成百上千加速卡的AI服务器集群上，对千亿级参数的AI大模型进行分布式训练，大模型技术存在着典型的“飞轮效应”，即通过不断应用，实现数据反哺，可以不断加快迭代速度。

可以说AI基础大模型的能力是决定性的，是所有数字前面的“1”，而行业垂直应用的AI大模型是后面的“0”。