钢铁行业的AI，究竟该从哪里落地？
一卷钢的成本，能不能在下线后立即算清？同一岗位、同一工艺、同一产品，不同员工的操作水平，能不能用数据客观评价？面对客户询单，企业能不能快速回答“能不能做、何时交付、这单赚不赚钱”？面对品位、价格各不相同的原料，又能不能自动找到更优组合？
佰工钢铁实践通过用友BIP企业AI与钢铁行业知识深度融合的落地路径，把AI嵌入采购、生产、成本与营销链路，重点呈现单卷成本、岗位精算、特钢营销、智能配料四大场景。
先讲清一个关键判断：制造AI，不等于只上大模型
制造业的生产与供应链问题，往往既需要“听懂人话”，也需要“算出最优解”。生成式AI擅长理解语义、识别意图和组织知识；智能排程、智能配料、库存优化等场景，则更依赖运筹学、机器学习和机理模型；要把判别式AI与生成式AI有机融合在一起，根据场景选择合适的模型，来解决制造企业供应链的问题。
佰工钢铁的实践，是以用友BIP、数据中台、智能中台和AIoT平台为底座，把业务系统、现场设备数据、工艺标准、SOP与行业知识连接起来，再由智能体调度相应的算法与模型。最终呈现的是自然交互和智能分析，背后支撑的却是一套“数据+模型+业务规则”的完整体系。
制造AI真正的价值，不只是回答问题，而是嵌入业务流程，帮助企业增收、降本、提质、控风险。
单卷成本：给每一卷钢建立“数字身份证”
从月末平均，走向实时、个体、精准控制
过去，钢铁企业的成本核算更多停留在月末平均：一个月炼钢成本是多少、轧钢成本是多少。这样的财务成本能够满足核算与报告，却很难回答生产现场最关心的问题——究竟是哪一卷成本高了？高在哪道工序、哪个时点、哪项能源消耗？
佰工钢铁把管理颗粒度下沉到单卷、单炉乃至单个生产步骤，相当于为每一卷钢建立一张“高清数字身份证”，并记录一段贯穿生产过程的“成本录像”。从钢坯入炉开始，系统按步进过程采集煤气、用电、用水等数据，结合机理模型和算法，通过100+成本项计算每一卷在各工序、各机台上的直接可控成本。
一卷下线，约5分钟即可看到成本结果
数据主要来自现场仪表、MES及AIoT平台，绝大部分自动采集；对暂时无法直接采集的少量机物料，再采用合理分摊。当前，单卷生产完成后约5分钟即可形成成本结果，随着流式数据处理进一步完善，还可向“下线即出结果”演进。
围绕单卷数据，管理者可以查看总成本、吨成本、成本要素占比与费用明细，也能与标准值、本班平均、本月均值进行对比，进一步开展班组比较、趋势分析与异常定位。煤气多一点、电耗是否会下降？二者怎样达到更优平衡？这些过去依赖经验的问题，开始有了可计算、可验证的依据。
单卷成本不是替代月成本，而是补上过程控制
月成本面向经营核算与对外报告，日成本解决短周期的日清日结，单卷成本则面向生产厂长、班组长和工艺工程师，服务实时预警与现场决策。三者使用对象、数据范围和管理目的不同，不必追求数字完全一致。
它补上的，是“为什么这一卷更贵”的过程答案：让成本管理从财务部门的事后统计，转向全员参与的过程控制，并进一步支撑能源优化、质量成本锁定、精准定价、商务谈判与原料匹配。
实时数据让人看到问题，结构分析让人找到原因，雷达图让人量化差距，班组对比让人产生动力，异常预警让人提前行动，改善建议让人知道怎么做。这个飞轮一旦转动起来，降本效果会持续累积。
岗位精算：从“凭感觉评价”到“用数据成长”
把产品、工艺、设备、质量数据关联到岗位与个人
单卷成本解决的是“物”的精细核算，岗位精算进一步把数据关联到“人”。其管理理念是让每个人都像经营自己的岗位一样，对产量、质量、成本和工艺结果负责，让企业收益与个人贡献建立更清晰的联系。
项目首先梳理岗位职责与标准作业SOP，明确每项作业对应的技术指标、经济指标和数据来源；生产任务下达后，系统自动匹配相应产品与工艺标准，再将现场实际数据与标准值逐项对比、评分。以一根钢坯为例，它会贯穿多道岗位与多个SOP，每个岗位又对应多项工艺参数，最终形成细到每卷、每步、每分钟的评价数据。
评分不是终点，持续改善才是目的
基于任务得分，企业可以形成优秀员工、优秀质量、优秀产量和优秀成本样本，也可以把得分进一步关联到岗位绩效。更重要的是，系统引入Cpk等工序能力指标，比较同钢种、同规格、同工艺条件下不同员工和班组的稳定性与偏差。
过去管理者可能只是感觉“某个班水平弱一些”，现在可以从多个工艺参数中找到一致指向；某个班整体偏弱，也可能在某一道工序表现突出。数据让差距看得见，也让“比学赶超”有了明确对象。通过异常识别、根因分析、参数调优和知识沉淀，岗位精算形成“定标准—采数据—找问题—做改善—再迭代”的PDCA闭环。
极致精细化到每个岗位，每个动作、每一卷钢的每个工艺参数，并且采用生产实时数据来评价，让最基层的操作岗位有了数字化、智能化的管理抓手，将岗位作业从"黑箱操作"变成"透明可控"，这在钢铁行业的数字化转型中具有标杆意义。
特钢营销：这张订单，能不能做、何时交、赚不赚钱？
特钢生产具有典型的按单生产特征：客户需要什么，企业再组织生产什么。客户询单时，销售面对的不是简单的库存查询，而是一连串专业判断。
第一，看制造与工艺可行性
设备宽度、工艺能力和过程稳定性是否支持客户规格？即使理论上能生产，如果工序能力不足、生产风险过高，也需要谨慎评估。
第二，看交期可行性
结合产能与计划，判断能否在客户要求的时间内交付。
第三，看成本与毛利
单卷成本为报价提供更贴近现场的成本底线，帮助销售预估毛利、判断价格空间。即使战略客户需要更有竞争力的报价，也要做到“价格可以低，成本底线不能穿”。
第四，看订单价值与产能配置
当多个订单争夺有限产能时，系统综合产品价值、毛利与交付等因素，优先保障更有价值的订单。同时，特钢营销专家还可承接产品咨询、规格查询、技术评估与定价辅助，把生产端的专业知识更快送到营销前线。
特钢营销专家的意义，是把“经验接单”升级为基于工艺、交期、成本和产能的精准签约与履约。
智能配料：在品位、价格与库存之间寻找更优解
铁矿石来自不同供应商，品位、成分、价格和库存各不相同。传统配料依赖经验，面对多约束、多目标组合时，很难快速找到整体更优的方案。
智能配料以产品质量与工艺要求为约束，综合不同原料的品位、成分、成本和可用量，通过优化算法自动计算配比方案，让质量稳定与成本优化同步推进。直播披露的模拟测算显示，配料成本有望节省约0.9%，接近1%，按年度口径测算价值约2000万元。
同一套模型还可以反向服务采购端的港口锁量锁价：面对多家供应商的库存、价格和成分，系统先计算性价比更优的采购组合，再给出各供应商建议锁定的数量，推动采购从“看单价”转向“看组合总成本”。
从一个场景跑通，到一套能力复制
佰工钢铁案例也给出了制造企业推进AI落地的现实路径：先选择高价值场景，以POC快速验证最小闭环，再把数据、模型和业务流程打磨到生产环境可用，最后跨岗位、跨产线、跨工厂持续复制。单卷成本的核心模型约一个月完成验证，而数据打通、生产化和后续推广则需要更长时间持续迭代。
这类项目要真正落地，离不开三项保障：一是一把手持续关注与战略投入；二是从IT驱动转向业务驱动，让现场人员参与场景细化；三是打牢数据基础，明确数据定义、来源、质量和关系。没有可靠的“地下室”，再漂亮的AI“高楼”也难以稳定运行。
从一卷钢的成本，到一个岗位的绩效；从一份原料组合，到一张特钢订单，佰工钢铁正在把AI从展示层带进业务深处。它不追求一个无所不能的大模型，而是围绕真实场景，把生成式AI、经典算法、机理模型、行业知识和现场数据组合起来，解决一个个可衡量的问题。
这正是制造AI走向深水区的关键：以业务价值为目标，以数据治理为基础，以最小闭环验证效果，再通过持续迭代，把“一个点的智能”连接成“整条价值链的智能”。
