永卓控股（原永钢集团）是中国民营钢铁标杆企业，与南钢并列成为高炉AI大模型应用的先行者。其核心创新在于将数十年炉长操作经验转化为标准化规则库，输入大语言模型构建AI智能体，对高炉这一"工业黑箱"实现实时监控与事中纠偏。在钢铁行业工序最复杂、参数最耦合的高炉炼铁环节，永卓证明了"老师傅的经验可以被AI学会、放大并永不退休"，为流程工业的AI落地提供了可复制的范式。
炉长经验结构化 · 大模型推理 · 高炉黑箱透明化 · AI智能体事中纠偏 · 民营钢铁AI先驱
基本信息
| 项目 | 内容 |
|---|---|
| 企业名称 | 永卓控股有限公司（原永钢集团） |
| 行业 | 钢铁 / 工业AI |
| 所在地 | 江苏省张家港市 |
| 成立时间 | 1984年 |
| 核心业务 | 钢铁冶炼、轧钢制造、特钢新材料、新能源材料 |
| 营收规模 | 年营收超千亿元，中国民营钢铁前列 |
| 核心数据 | 炉长经验规则库5000+条、AI智能体覆盖高炉全工序、铁水质量波动↓30%、燃料比优化↓5% |
| AI亮点 | 炉长隐性经验→显性规则→大模型推理→实时纠偏，高炉"老师傅永不退休" |
企业背景
永卓控股始创于1984年，总部位于江苏省张家港市，前身为江苏永钢集团有限公司。经过近40年发展，已从一家乡镇轧钢厂成长为中国民营钢铁行业头部企业，年营收超千亿元，钢铁主业涵盖烧结、炼铁、炼钢、连铸、轧钢全流程。
永卓是中国钢铁行业"智改数转"的先行者。早在2017年即启动智能制造战略，2022年全面布局工业AI。其高炉工序的AI化是标志性工程——高炉被称为钢铁工业的"心脏"和"黑箱"：内部高温高压、气固液三相共存、数百个理化反应交织，传统控制高度依赖炉长个人经验。永卓的突破在于将这一不可复制的"人脑经验"转化为可计算、可推理、可迭代的AI系统。
行业地位：
- 中国民营钢铁企业Top20，年产能超千万吨
- 工信部智能制造示范工厂揭榜单位
- 江苏省工业互联网标杆工厂
- 与南钢并称钢铁行业高炉AI"双标杆"
核心痛点
| 痛点 | 传统现状 | 影响 |
|---|---|---|
| 高炉是"工业黑箱" | 内部高温1500℃+，无法安装传感器直接测量炉况，只能通过风口窥视和间接参数推断 | 操作全凭炉长"感觉"，不同炉长判断差异大、质量波动大 |
| 炉长经验不可复制 | 培养一名合格炉长需10-15年，老师傅退休=经验清零 | 人才断层风险极高，新炉长三年内事故率比老师傅高3倍 |
| 操作滞后于变化 | 高炉状态变化以分钟计，人工发现异常→分析→决策→执行平均需要15-30分钟 | 每次延时意味着铁水质量劣化和额外燃料消耗，单次异常损失可达数万元 |
| 参数耦合复杂度极高 | 高炉有300+监控参数且高度耦合——调节风温会影响煤比、改变料速会波及顶压 | 单一参数调整可能引发连锁反应，人工多目标优化几乎不可能 |
转型/改善方案
技术架构（五层模型）
| 层级 | 内容 | 关键技术 |
|---|---|---|
| 数据层 | 高炉全域数据采集 | 300+传感器：温度、压力、流量、煤气成分、料速、风口图像 |
| 知识层 | 炉长经验规则库 | 5000+条结构化规则，覆盖异常识别、参数调整、顺行判断 |
| 模型层 | 大语言模型推理引擎 | 私有化部署LLM，融合规则库+实时数据+工艺知识图谱 |
| 智能体层 | AI炉长智能体 | 实时监控→异常识别→推理分析→操作建议→自动/半自动执行 |
| 交互层 | 人机协同操作平台 | 自然语言对话、异常预警推送、操作方案对比、历史追溯 |
核心模块
这是整个系统的核心地基。永卓组织10+位资深炉长（平均工龄20年+），历时18个月将隐性操作经验逐条转化为显性规则：当"炉缸温度下降+煤气利用率升高+料速变慢"同时出现意味着什么、应该调什么参数、调到什么值。最终产出5000+条标准规则，覆盖正常操作、异常识别、紧急处置三大场景。这套规则库不仅驱动AI，本身就成为企业永不流失的核心资产。
将规则库+实时传感器数据+钢铁工艺知识图谱输入私有化部署的大语言模型，构建AI炉长智能体。智能体每秒扫描300+参数，通过规则推理+语义理解+多目标优化的组合方式，实时判断高炉状态：正常→持续监控；趋势异常→提出预警和调整建议；突发异常→30秒内给出处置方案。与传统专家系统不同，大模型能理解规则之间的隐含关系和参数耦合效应，给出"像老师傅一样通盘考虑"的建议。
传统高炉操作是"事后发现→事后分析"，异常从发生到处置往往滞后15-30分钟。AI智能体实现了"事中识别→事中推理→事中纠偏"的闭环：通过多参数趋势耦合分析，在炉况恶化之前识别前兆信号（如"炉缸热状态趋势性下降+边缘气流发展的组合模式"），提前5-10分钟发出预警并给出调整方案。部分非关键参数已实现自动闭环调整，关键参数调整为"AI建议+炉长确认"的人机协同模式。
建设成效
| 指标 | 转型前 | 转型后 | 提升 |
|---|---|---|---|
| 铁水质量波动率 | ±0.15% Si | ±0.10% Si | 稳定性↑33% |
| 燃料比（焦比+煤比） | 基准值 | 优化↓5% | 年节约燃料成本数千万元 |
| 异常响应时间 | 15-30分钟 | 30秒（AI识别+建议） | 响应速度↑30-60倍 |
| 炉况顺行率 | ~85% | ~94% | +9个百分点 |
| 休风率 | 基准值 | ↓20% | 非计划休风大幅减少 |
| 经验传承 | 人走经验走 | 5000+规则固化 | 核心资产永不流失 |
数据来源：据公开报道及行业交流整理，永卓控股/南钢高炉AI项目公开披露
建设特点总结
- 隐性知识显性化是AI落地的第一关，也是最难的一关。永卓在AI建模之前，先花了18个月把10+位老师傅的经验变成5000+条规则。这不是技术活，是"磨人活"——炉长说"看火候"三个字，背后是30年积累的数十条判断依据。不啃下这块硬骨头，AI就是空中楼阁。
- "规则+大模型"组合而非纯数据驱动，是工业场景的正确姿势。纯数据驱动的高炉AI需要海量标注数据（工业场景根本不够），纯规则系统又无法处理参数耦合。永卓的做法——规则库做"骨架"、大模型做"大脑"——既利用了老师傅的知识，又发挥了LLM的推理泛化能力。
- "事中纠偏"比"事后分析"价值高出一个数量级。异常响应从30分钟缩到30秒，这不是效率提升，是本质变化。高炉异常每持续1分钟就多烧掉数百元燃料，事前发现的价值远大于事后追溯。
- 人机协同的分级设计——关键参数"AI建议+人确认"、非关键参数"AI自动执行"。这个设计既消除了炉长的抵触心理（"AI没有夺我的权"），又保证了安全底线（关键操作必须有人类把关）。是工业AI落地的人因工程典范。
- 经验数字化本身就是核心资产，ROI远超短期节能收益。5000+条规则库的价值不只在当前高炉——当老炉长退休时，知识留下了；当新炉长上任时，AI带着20年集体经验陪他上岗。这种"知识永续"的价值比降低5%燃料比更大。
- 与南钢形成"钢铁AI双标杆"，行业可复制性已验证。永卓和南钢走了不同的技术路线但同样成功，证明高炉AI不是个案奇迹而是可推广的方法论。两家的共同经验：规则结构化是前提、大模型是倍增器、事中纠偏是最大价值点。
行业启示
1. "老师傅的经验"是AI最好的训练数据，不是AI的替代对象。永卓的经验证明：工业AI不是来替代老师傅的，而是来学习、放大和固化老师傅的。流程工业最大的数据金矿不是传感器读数，是老师傅脑袋里那些"说不清楚但一做就对"的判断逻辑。把这些挖出来、写成规则、喂给AI——这才是工业大模型的正道。
2. 工业大模型不能走"裸模"路线，规则+知识是必需品。消费级LLM靠海量文本就能"涌现"能力，但高炉这种物理化学过程不讲语料统计——煤气利用率下降0.5%意味着什么，LLM不可能从通用语料中学到。永卓的5000+条炉长规则就是工业大模型的"专业课"，没有这个，大模型在高炉面前就是文盲。
3. 从"事后分析"到"事中纠偏"是工业AI价值跃迁的关键一步。太多工厂的AI停留在"生成报表"阶段——告诉你昨天哪里出了问题。永卓做到了AI在生产进行中发现问题并提出方案。这一步的价值是指数级的：事后分析是"省人力"，事中纠偏是"保生产"。
4. 高炉AI的成功意味着所有"工业黑箱"都可以被AI穿透。不仅是高炉，水泥回转窑、化工反应釜、玻璃熔窑——这些内部无法直接观测的"工业黑箱"，本质上和高炉是同类问题：多参数、强耦合、高温高压无法直接测量。永卓的方案框架（传感器间接测量+规则推理+大模型多目标优化）具有跨行业通用性。
思派视角
对中小制造企业意味着什么？
1. 你不是永卓，但你也有"炉长"——把老师傅的经验写下来，这是任何人都能干的事。注塑厂的调机师傅、热处理厂的工艺师傅、喷涂厂的配色师傅——本质和高炉炉长一样，脑子里装着几十年不可替代的经验。先不要想大模型、AI智能体这些词，先拿一个本子（或一张Excel），跟老师傅坐下来，把"出现A+B时应该调C参数到D值"这样的规则一条条记下来。记录本身就是数字化的第一步，也是最有价值的一步。思派在客户工厂做诊断时发现，70%的工艺知识从未被文字化。
2. 中小企业做AI，从"一个工序+三条规则"开始，不是从"全厂大模型"开始。永卓有5000+条规则、300+传感器，一台注塑机才几个传感器？但它同样有工艺"黑箱"问题：熔体温度、注射速度、保压压力的组合优化，传统调机凭手感。选一台最关键的注塑机，把老师傅的调机逻辑写出10-20条规则，用一个小型推理引擎（甚至Python脚本）就能跑起来。不需要大模型，规则的威力你试一下就知道了。
3. 在AI之前，先做好数据采集的基础设施——哪怕只是加几个传感器。永卓的高炉有300+传感器做数据底座，没有这个，AI就是聋子。对中小企业，先从"关键设备加装传感器+数据采集"开始：一台注塑机加装温度/压力/模具开合传感器，成本500-2000元，但产生的数据是AI的"燃料"。很多工厂连设备有没有在运行都不知道——一个100元的电流传感器就能解决这个问题，这是AI的起点，不要跳过。
老K点评
永卓控股这个案例，跟咱们之前写的南钢高炉AI是"同一领域的两条技术路线"，但核心逻辑是一样的——把老师傅的脑袋变成数据库。这才是工业AI正确的打开方式。
我做精益这么多年，见过太多工厂喊着"上AI"，结果买回来的系统跟车间一点关系没有。为什么？因为他们跳过了最苦最累的那一步：把老师傅的经验结构化。这不是买一套软件能解决的，是要有人跟老师傅泡在一起，一句一句问、一条一条试。永卓花18个月、10多位炉长参与，才产出5000+条规则——这份苦功夫，才是真正的护城河。
对中小工厂老板，我的建议很直白：别急着上大模型，先干一件事——把你厂里最核心的那个师傅，请到办公室，倒杯茶，让他把"什么情况下怎么调"说清楚，你记下来。这就是你厂里最值钱的东西，比任何一套MES都值钱。有了这本"师傅语录"，以后上AI才有料可喂。我见过一个注塑厂老板，花了三天跟他唯一的调机师傅对谈，写出了37条调机规则，用Excel做了个简单的决策表——三个月后不良率从5%降到2.5%。他没用到一行AI代码，但他做的是AI最核心的前置工作。
工业AI的核心不是算法，是知识工程。谁先把老师傅的经验挖出来、写成规则，谁就已经赢了一半。
荣誉认证与行业影响力
| 类别 | 荣誉 |
|---|---|
| 🏅 国家 | 工信部智能制造示范工厂揭榜单位 |
| 🏅 行业 | 中国民营钢铁企业Top20 |
| 🏅 省级 | 江苏省工业互联网标杆工厂 |
| 🏅 技术 | 高炉AI智能体系统获行业科技进步奖 |
| 🏅 标准 | 参与钢铁行业智能制造标准制定 |
| 🏅 规模 | 年营收超千亿元，年产能超千万吨 |
📝 录入时间： 2026年7月20日
📝 信息来源： 据公开报道及行业交流整理，永卓控股高炉AI项目公开披露信息