钢铁行业全景

如果你是第一次接触这个行业，最快建立直觉的方式不是从化学开始，而是先接受一个设定：

一座钢厂就是一条跑在物理世界里的分布式流水线。 它有上下游依赖、有背压、有不能中断的长事务、有跨服务追踪的难题，也有一堆年久失修但绝不敢动的遗留系统。区别只在于——这里的"数据"重达几百吨、温度上千度，而且没有 undo。

这一章不讲任何冶金原理，只帮你建立三样东西：空间感（钢从哪来到哪去）、时间感（每一步有多快）、约束感（为什么这个行业对自动化格外谨慎）。

两条路线，一张图

钢铁生产有两条主流工艺路线。它们的产物都叫钢，但走的路完全不同。

长流程（图中蓝色）从铁矿石出发。矿石里的铁以氧化物形式存在，要先在高炉里用焦炭把氧"抢"走，得到含碳约 4% 的液态铁水，再送到转炉里吹氧把多余的碳烧掉，才成为钢。一还原、一氧化，看似绕，但这是目前唯一能大规模、低成本从矿石制铁的路线。

短流程（图中绿色）从废钢出发。废钢本身已经是金属铁，不需要还原，用电弧直接熔化即可。这条路线省掉了整个炼铁环节，吨钢碳排放大幅降低。

从炉外精炼开始，两条路线合流，后面的工序是共用的：精炼调成分、连铸成坯、热轧成卷、冷轧深加工、最后检测出厂。

时间感：从毫秒到十年

看流程图时你可能注意到每个节点下面标了"时间节奏"。这个跨度大得惊人：

这个跨度直接决定了你的 AI 系统能做什么。 一个需要几百毫秒推理的模型，进不了毫秒级的控制回路，但完全够用于分钟级的工艺优化。反过来，一个天级出报告的 Agent，不需要考虑任何实时性问题——这也是为什么碳核算、检测报告这类场景工程风险最低。

五类产品，五套标准

钢材按形状分五大类，各有各的产线、缺陷谱系和检测标准：

• 板材——热轧卷、冷轧卷、镀锌板、中厚板。最大宗，也是表面质量要求最苛刻的
• 管材——无缝管、焊管。油气、锅炉、机械
• 棒材——螺纹钢、圆钢。建筑与机加工主力
• 线材——盘条，再加工成钢丝、螺栓、弹簧
• 型材——H 型钢、角钢。钢结构骨架

约束感：为什么这个行业不敢让 AI 做决策

这可能是整个站点最重要的一节。三个原因叠加：

放到你熟悉的语境里：这是一个没有 staging 环境、没有回滚、没有重试的生产系统，每次调用都是 exactly-once 且副作用不可撤销。

所以行业里有一个相当普遍的共识：短期内 AI 在生产侧的正确定位是"建议 + 人工确认"，把责任边界留在人身上。 这既是安全要求，也是让一线愿意用的前提——一个不用担责的建议，操作工才敢参考。

理解这一点，你就理解了为什么本站 14 个场景里，工程风险最低的几个（检测报告、碳核算、设备诊断）交付物都是报告而不是控制指令。

「炉次」：你会反复遇到的那个主键

最后介绍一个必须记住的概念。

炉次（heat）指一次完整冶炼作业产出的那一批钢水——从转炉出钢，经精炼，到连铸浇完为止。它有唯一编号，是整个质量体系的追溯主键：

• 同一炉次的钢，成分是一致的
• 质量证明书按炉次开具
• 客户投诉时，追溯路径是：产品编号 → 炉号 → 这一炉的全部工艺记录
• 做本体建模时，它是连接"成分—工艺—性能—客户"的中心实体

它还有一个对建模者很关键的性质：不可重放。这一炉的条件（原料批次、温度、操作细节）永远无法完全复现，所以每条炉次数据都是独一无二的观测样本，没有"再跑一次看看"这个选项。