30億數據跑出的大模型，革了采礦業的命

有點數·數字經濟工作室原創

作 者 |伊各義

從去年火到今年的這波人工智能革新以大模型為突破點，從產品上看，接近用戶層的大模型頻繁出圈，包括文生視頻領域的Sora、Pika，問答領域的OpenAI、Kimi等。

據不完全統計，國內公開發布的大模型產品已達200余個，大模型產業競爭真正進入了“百模大戰”階段。雖然絕大多數產品以自然語言對話為主要功能，提供聊天對話、創意寫作、代碼生成等服務，但人工智能在制造業領域的應用也在突進。

除了能“聊天”，大模型正變得越來越會“干活”。熱鬧的“百模大戰”中，贏家或許不用多“說話”。

01 | .先讓設備會“說話”，而且得“說普通話”

提起煤礦，你心目中會出現什么樣的生產場景？是不是“戴著頭盔，一身煤灰，滿臉漆黑”？事實上，如今的礦工“穿著西裝，打著領帶，就把煤采了”，這種革命性的顛覆，正是得益于AI大模型在煤炭行業的介入。

大模型進礦山，首先得讓設備之間實現順暢“溝通”。

以國家能源集團神東煤炭為例，它有1370多家主要設備供應商，10萬臺各類設備、10余類操作系統、500多種需要適配對接的通信協議。不同的設備裝置具有不同的操作系統，同一家供應商不同時期提供的操作系統及應用彼此不兼容，造成設備之間數據共享難，信息互通難，生產作業智能聯動難。

國能神東所面臨的這個問題也是很多礦山所遇到的共性問題，擺在它們面前的，是如何構造統一標準、統一架構，建立統一的信息化、智能化作業支撐系統，實現智能化協同作業和生產控制，實現自感知自優化的決策支撐。

所以，首先要在操作系統上實現創新，直擊設備與數據孤島的痛點。一方面，是將各類煤礦裝備智能化，提升設備在線率，讓更多設備“能說話”；另一方面，是在數據產生的源頭就統一了設備對話的語言，讓設備“說普通話”。

當設備們具有智能化的能力和泛在聯網的能力，礦山也就具備了邁向智能的基礎：萬物實時互聯。煤礦工人、裝備、環境、數據、應用通過網絡連接在一起，踏向智能礦山工業互聯網的快車道：以泛在的連接為支撐，通過平臺化的服務，實現煤礦生產海量數據的存儲、管理、計算和分析，挖掘數據價值，同時基于煤礦生產實踐的數據分析能力變現成知識，實現知識的智能化，進而不斷迭代，實現創新的智能化和常態化。

在煤炭精準開采的層級架構中，包括感知層、傳輸層、云（數字平臺）和應用層。其中，上面提到的礦鴻系統解決的就是感知層信息孤島問題，而傳輸層同樣是智能礦山的重中之重，因為煤炭井下開采涉及應力場、裂隙場、滲流場等諸多問題，采場及開采擾動區地應力、瓦斯壓力、瓦斯涌出量、裂隙發育區等信息的傳輸至關重要。

智能煤礦的本質，是借助物聯網、大數據、云、AI等信息科技，將煤炭工業由勞動密集型升級為技術密集型，實現超精準的開采。

02 | .以前3天干的活，如今10分鐘就搞定

現在，在下井閘機口，在井下巷道、安全禁區，掘進作業中，機器視覺技術正在替代安全員這個崗位，通過視頻24小時監控，能夠識別人員摔倒、違章自動抓拍，一旦有人進入禁止區域，會自動提示撤離。

煤炭開采中，井巷或工作面周圍巖體由于彈性變形能瞬時釋放，會產生劇烈破壞，這是煤礦重大災害之一。通過向煤壁鉆孔，可以使煤體壓縮彈性能不斷釋放，從而化解沖擊地壓。但這個辦法難在確定鉆孔直徑、鉆孔深度、鉆孔間距、裝藥量和鉆孔方向等復雜的參數，需要井下錄制視頻，再逐個進行人工核驗，一次施工往往需要3天。

如今安上“眼睛”的打孔桿不光實時看到打孔作業現場情況，并且能標注孔洞，將現場圖片實時上傳，這些圖片“喂”給大模型，實時訓練，形成算法包，再發回礦上的應用服務器進行視頻分析，打的孔數量不足，深度不夠時會立刻報警；如果出現誤差，模型會再訓練，實時更新、實時訓練，這種企業內部閉環的算法模型持續優化機制，使得大模型越用越精準。

經過大模型的加持，打孔情況實時傳輸給系統,AI可以準確識別視頻中鉆機、鉆桿、施工人員取桿動作，實時糾錯，一舉將打鉆作業縮短為10分鐘，人工核驗工作量減少了80%。

大模型進礦山，并不是對礦工的簡單替代，配煤師這個高薪職業也要消失了。

煉鋼需要焦煤，中國龐大的鋼鐵產能，把配煤師這個把控煉焦成本的關鍵環節推上高薪崗位。

以前，配煤師要根據經驗將氣煤、肥煤、焦煤、瘦煤、貧煤等不同性質的煉焦煤，在考慮各種煤的特性、價格、庫存等因素的前提下，配出成本較低，又能滿足質量要求的焦煤。如今，配煤師的經驗被提煉成算法，只要把煤種數據輸進去，然后把滿足鋼鐵廠質量要求的焦煤數據輸進去，系統會自動計算出那個“最佳性價比”。

在這場“礦山革命”中，華為提供基礎算力，用30億數據跑出了盤古礦山大模型的底座——預訓練大模型。之后，合作礦業公司將50萬張礦山應用場景圖片輸入給預訓練大模型，在人工智能服務平臺上跑出一系列針對具體場景的算法，便形成盤古礦山大模型。

其他煤礦使用盤古礦山大模型，識別率達到80%以上，再放上現場三五十張圖片素材訓練，識別率就非常準了，極大地降低了使用門檻。

03 | .傳統產業的每個環節，都能被大模型重塑

在煤礦領域，從2021年開始，華為分別與晉煤、國家能源、陜煤、山能、中煤等能源行業龍頭企業簽署協議，促成了盤古礦山大模型的落地應用；與國家氣象局合作，開發出盤古氣象大模型；和寶武集團合作，開發出盤古鋼鐵大模型……

工信部賽迪研究院數據顯示，2023年，我國生成式人工智能企業采用率已達15%，市場規模約為14.4萬億元。華為之外，眾多傳統制造業公司公司正積極接入大模型，讓人工智能參與智能客服與售后服務、供應鏈優化、質量控制、產品設計與研發、能源管理、智能制造等多個生產環節。

比如海爾集團利用AI技術提升了其售后服務的效率和客戶滿意度；三一重工利用AI進行設備監控和預測性維護；中國商飛在C919大型客機的研發中應用了AI技術；富士康的“燈塔工廠”采用了AI和IoT技術；寶鋼股份利用AI技術進行能源管理；西門子將ChatGPT技術與其現有的自然語言技術相結合，有效實現了操作者與系統自然語言的交互……

大模型技術創新和應用需要基于海量數據集，在擁有成百上千加速卡的AI服務器集群上，對千億級參數的AI大模型進行分布式訓練，大模型技術存在著典型的“飛輪效應”，即通過不斷應用，實現數據反哺，可以不斷加快迭代速度。

可以說AI基礎大模型的能力是決定性的，是所有數字前面的“1”，而行業垂直應用的AI大模型是后面的“0”。