火红的钢坯从连铸机中源源不断送出，切割枪落下，每一段坯料的目标误差控制在0.2%以内，不超过一根头发丝的直径。

在中国宝武安徽长江钢铁股份有限公司的连铸生产线上，这一幕每天都在上演。这套精准操作背后，是安徽工业大学智能冶金团队研发的连铸坯智能定重系统。

“过去靠经验调整切割长度，产品的定尺率和成材率提不上去，现在靠数据驱动，精准高效！”该公司技术总监覃德波感慨。从连铸坯切割到高炉内部状态透明化，从转炉一键炼钢到全流程智能协同，安徽工业大学以一套覆盖铁前、高炉、转炉、连铸连轧全流程的智能体系统，回应钢铁行业智能化转型中的共性难题。

团队将配矿专家的经验“翻译”成算法语言，开发出智能配矿等场景模型，让原料配比不再依赖手感；构建高炉数字孪生系统，整合热电偶温度、煤气成分、料批数据等多源信息，让炉内状态从“猜”变为“看”；将炉气分析、音频化渣、火焰识别等感知技术融入模型，用多模态数据替代肉眼观察；聚焦铸坯凝固、动态定重、板形控制等，开发出连铸坯定尺定重等场景模型，将工艺专家的判断经验融入模型训练。

“钢铁行业的智能化，不能靠‘一招鲜’。”团队负责人龙红明教授说，“我们选择先啃工序，再打通全局。”依托冶金工业数字孪生技术安徽省重点实验室，团队整合冶金机理、2000条专家经验与5年全流程生产数据，形成“机理+经验+数据”结构化知识库。基于“大模型全局协同+场景模型专精赋能”的云边端一体化架构，构建了钢铁制造垂类大模型，研发了面向不同工序场景的智能体。

支撑这一架构算力底座的，是位于安徽马鞍山智能装备及大数据产业园的“宝之云”算力中心。走进机房，一排排GPU服务器指示灯频频闪烁，运算的嗡鸣声低回作响。屏幕上来自钢厂各工序的实时数据流不断刷新，描摹出千里之外铁水的“体温”和钢坯的“轨迹”。

“这套系统就像给整条生产线装上CT扫描仪。”团队技术骨干、冶金工程学院余正伟副教授说。截至目前，10余个强泛化智能化场景模型已在宝武集团、南京钢铁等20余家企业的50条产线落地应用，炼铁原料成本降低3%到5%，炼铁燃料消耗降低1%到2%，连铸漏钢年减损超800万元，轧钢定尺合格率年均超过99.7%，累计创造经济效益超过5亿元。

从人工经验到数据驱动，从单点突破到全流程协同，从单一学科到交叉融合，安徽工业大学正在为钢铁行业装上“智慧大脑”。“我们将持续推进‘基础研究—技术攻关—产业应用’全链条创新体系建设，把学科优势真正转化为服务钢铁产业转型升级的实际能力。”龙红明说。（记者 丁一鸣 常河 通讯员 张苒）