本课程聚焦钢铁制造业智能化转型，深入解析AI大模型、数据治理及六大核心应用场景。通过宝武、浦项等标杆案例，讲授工艺优化、质量控制、设备预测性维护及无人化管理落地路径，助力企业破解数据孤岛与人才短缺难题，实现降本增效与核心竞争力提升
企业董事长、总经理及副总经理、负责数字化转型或智慧产业的高管、生产制造、工艺技术及设备管理部门负责人、信息化部门主管及AI项目推进人员
数据治理薄弱：企业内部数据源分散、质量参差不齐，缺乏统一的数据管理平台与治理架构，导致AI模型训练基础不牢。 场景适配困难：通用AI技术与具体钢铁生产工艺结合度低，存在技术与场景碎片化问题，难以形成可复制的标准化解决方案。 人才结构失衡：既懂钢铁业务流程又精通AI算法的复合型专家严重不足，制约了AI项目的深度开发与持续优化。 落地成效不明：缺乏价值驱动的试点规划，盲目跟风投入，导致项目成本高企但实际产出（如能耗降低、效率提升）不明显。 模型泛化能力弱：现有模型在应对多变的工况和非标场景时泛化能力不足，难以适应复杂的生产环境变化
人工智能正在深刻重塑钢铁制造业格局，通过提升生产效率、降低能耗成本、优化产品质量及实现预测性维护，推动企业向智能化深度转型。在中美技术博弈与工业大模型快速发展的背景下，掌握垂直AI深化应用已成为企业保持竞争力的关键
当前制造业普遍面临数据碎片化、技术与场景适配难、复合型人才短缺等挑战。许多企业在引入AI时缺乏系统性战略规划，导致试点项目难以规模化推广，无法真正释放数字化潜力
本课程基于业务+AI与数据+AI双轮驱动理念，结合工信部与国资委相关政策解读，系统梳理AI技术体系与钢铁行业六大核心应用场景，旨在帮助管理者理清实施路径，规避落地风险，实现从单点智能到全域智能化的跨越
12小时
面授讲解、视频案例分析、互动研讨、情景对话
人工智能AI与数字化实战专家
人工智能AI与数字化实战专家，曾任徐工汉云首席技术专家。擅长AI+工业互联网应用及数字化工厂规划，主持参与27个大型数字化工厂项目，致力于推动企业数字化转型与一线管理数字化赋能
查看讲师主页本课程页面围绕《AI技术在钢铁制造业的发展与应用》重点呈现课程定位、适合对象、核心收益和 5 个主要模块，便于快速判断培训匹配度
