关于 AI 原生钢厂 · 研习所

这是什么

主线是AI 原生钢厂参考架构——4 层架构、4 条总线；产销研一体化是它的首个落地场景， 由 6 个产销研智能体撑起来。钢铁知识是理解这套架构的行业底座：10 章知识体系、14 个场景页、148 张概念卡片， 都是为了让你看懂架构里的每一个本体、每一条规则、每一个 Action 背后的行业实际。

写法上有一个固定习惯：行业概念尽量先映射到你熟悉的系统工程结构上——炉次像不可重放的批处理 Job， 牌号像接口契约，AIP 像带冶金校验的网关——再讲行业本身的机理与约束。

从哪开始

• 想先知道这套架构为什么存在 → 读 为什么要 AI 原生，再看 四层架构总览
• 想看一个完整案例 → 产销研一体化，用一张询单把四层走一遍
• 完全没接触过这行 → 先看 全景图，再读 第 1 章 行业全景
• 想快速对上自己的技术栈 → 直接看 第 7 章 工厂自动化与数据体系
• 手头已有具体项目 → 从 14 个场景 里找最接近的那个
• 只想查个词 → 概念卡片 支持搜索中英文；想看知识之间怎么串起来 → 概念图谱

思想来源

本站的架构表述、四层划分、总线定义均来自以下公开来源；其中「行业大会稿」是本站编写组在论文基础上做的工程延伸，不是独立的外部出处：

• AI 原生钢厂：架构探索与功能设计
  张云贵（中国钢研科技集团有限公司；钢铁人工智能基地（南京）有限公司）
  《冶金自动化》第 50 卷第 4 期，第 18–30 页（特邀综述） · 2026-07
  doi:10.3969/j.issn.1000-7059.20260194；新工业网 2026-08-03 转载。本站三层架构、各层功能、三类总线、DLA、治理智能体、三级安全、转炉终点双命中闭环、微笑曲线、三代架构对比均出自此文。
• AI 原生钢厂：面向钢铁工业的下一代智能制造新范式
  张云贵（中国钢研科技集团人工智能首席科学家）
  2026 北京智源大会专题报告 · 2026
  四层表述（现实 → 认知 → 治理 → 行动）、转炉短时操作实验、工业 Action 四问、DAS 的 Φ_MCP 映射、DLA 形式化、三个「≠」原则出自此报告。
• AI 原生钢厂 · 行业大会稿（参考架构页、产销研落地页）
  本站编写组
  行业大会报告稿 · 2026-09
  MAB 总线、人类代理智能体、治理智能体与 AIP 同层、执行准入细项、产销研 6 个智能体拆分出自此稿，属于在论文基础上的工程延伸。

公开参照

「如何构建」与「能力缺口」两页引用了以下业界公开资料，用来说明通用 Agent 平台已经能承载什么。 每条事实都附出处，并注明核实日期。列入参照不代表评价或推荐； 公开资料里没写到的能力，也不代表相关平台不具备。

• DIMAK 工程体系（华为）· 企业智能化方法论
  企业 AI 落地的工程方法体系，由数据、AI 基础设施、模型、智能体、知识五个工程域组成，同期提出 H 型双塔与 AI 落地七步法。
  核实于 2026-09-28 · 查看出处 →
• openJiuwen（openJiuwen 开源社区）· 开源 Agent 框架
  开源 Agent 框架，分 DeepAgents、Agent Studio、Agent Framework、Agent Distributed Runtime、Agent System Service 五层。
  核实于 2026-09-28 · 查看出处 →
• AgentCore（阿里云）· 云上 Agent 治理平台
  智能体构建和治理平台，覆盖构建与运行、协作与治理、观测与评估三类能力。
  核实于 2026-09-28 · 查看出处 →
• PolarDB 本体构建模块（阿里云）· 本体建模组件
  数据库侧的本体建模组件，管理对象类型、链接类型与动作类型。
  核实于 2026-09-28 · 查看出处 →

出处对照

图和正文不区分出处；这里逐项列明哪些出自论文原文、哪些出自大会报告、 哪些是本站在论文基础上的工程延伸。

不在构件表里的工程延伸：产销研 6 个业务智能体的拆分、治理智能体与 AIP 同层的放置。

参考资料

行业底座部分的内容主要基于公开的冶金与材料科学通识、公开标准体系框架， 以及工业信息化领域的通用工程实践（如 ISA-95 分层模型）。 具体的相图坐标、工艺温度区间等，以公开教科书的常识性表述为准。

视频外链只收录经实际访问验证可打开的资源，采用外链卡形式而非内嵌播放， 每条记录最近验证日期。宁缺毋滥——没有合适的就不放。

内容边界

站内内容为钢铁行业公开的通用知识与场景形态， 不包含任何具体企业的内部信息、经营数据、技术路线规划或竞争研判。

场景页上的三维评级（数据可得性 / 工程难度 / 实时性要求）是面向学习者的教学性判断，用于横向比较不同场景的特点， 帮助建立「哪类场景先做、哪类场景难在哪」的直觉。 它不构成对任何组织的采购建议、投资建议或能力评价。

已公开发表的文献按学术规范署名引用，署名只出现在来源信息中； 行业框架与产品的横向对照不在本站范围内。

关于数值

站内出现的温度、时间、吨位、成本等所有数值，一律标注为「教学示意量级」。 它们的作用是帮你建立数量级直觉——知道转炉一炉钢是二十分钟而不是二十小时， 知道高炉炉缸是一千五百度而不是五百度。

真实数值随企业、产线、钢种、装备代次差异极大。任何工程决策请以现行标准文本与实测数据为准，不要引用本站数字。

关于类比

全站最鲜明的特点是大量使用面向 AI 工程师的类比：炉次 ≈ 不可重放的批处理 Job， 标准条款 ≈ JSON Schema，本体 ≈ 领域的类型系统， L1 控制 ≈ 硬实时嵌入式系统，排程 ≈ 约束求解而非生成。

这样做的理由是：你已经有一套完整的系统工程直觉， 与其从零学冶金，不如先把行业概念映射到你熟悉的结构上，细节自然会长出来。

但请记住类比的边界——类比帮你入门，不能替你做工程判断。 真正动手时，还是要回到行业本身的机理和标准。