Từ kinh nghiệm đến trí tuệ: NISCO triển khai mô hình thép AI "bầy đàn" đầu tiên trên thế giới ở quy mô lớn

Nanjing Iron & Steel (NISCO) vừa đưa mô hình YuanYe – được giới thiệu là mô hình lớn dành cho ngành thép đầu tiên trên thế giới vận hành theo cơ chế trí tuệ bầy đàn – vào khai thác thương mại ở quy mô lớn. Thành quả này đánh dấu bước chuyển của một doanh nghiệp thép truyền thống từ việc dựa vào kinh nghiệm con người sang vận hành bằng dữ liệu và trí tuệ nhân tạo.

Trung tâm điều hành thông minh với bản sao số của NISCO

Một kiến trúc AI khác biệt cho ngành thép

Điểm khác biệt cốt lõi của YuanYe so với các mô hình đa dụng nằm ở kiến trúc cụm đa mô hình hai động cơ. Thay vì dựa vào một mô hình khổng lồ duy nhất, hệ thống kết hợp nhiều mô hình AI với các mô hình cơ chế luyện kim đặc thù của ngành thép.

Kiến trúc này được ví như một bộ não có hai bán cầu:

• "Bán cầu phải" đảm nhận tính toán xác suất, xử lý các bài toán có nhiều biến số và độ bất định cao.
• "Bán cầu trái" chịu trách nhiệm ra quyết định chính xác dựa trên cơ sở khoa học và cơ chế luyện kim.

Nền tảng dữ liệu của mô hình đến từ hàng triệu điểm dữ liệu vận hành (OT) trải khắp 26 lĩnh vực kinh doanh, được tổng hợp để tạo ra bản sao số theo thời gian thực ngay trong trung tâm điều hành thông minh.

Nhờ đó, toàn bộ quy trình sản xuất thép không chỉ "nhìn thấy được" mà còn có thể điều khiển chính xác và đánh giá một cách thông minh.

Hiện 100% thiết bị trọng yếu của NISCO đã được kết nối và điều khiển số, chu kỳ nghiên cứu phát triển sản phẩm mới rút ngắn 50%, chi phí hằng năm giảm hơn 100 triệu Nhân dân tệ (khoảng 15 triệu USD).

NISCO đã xây dựng nền tảng số hóa với các sản phẩm như Ascend, Kunpeng, Huawei Cloud Stack và các mô hình Pangu, đưa AI vào mọi công đoạn cốt lõi: luyện gang, luyện thép, cán thép và kiểm tra chất lượng. Tính đến tháng 10/2026, doanh nghiệp này đã vận hành 25 tác nhân nghiệp vụ (business agent), phủ rộng từ kiểm tra chất lượng bằng thị giác máy đến tối ưu quy trình, lập lịch sản xuất và quản lý vận hành.

Bốn đột phá ở các công đoạn then chốt

Luyện gang: "nhìn xuyên" lò cao

Lò cao vốn là môi trường khó quan sát trực tiếp. YuanYe khai thác dữ liệu từ cảm biến bên trong lò kết hợp phân tích cơ chế luyện kim để mô phỏng động theo thời gian thực.

Nhờ các mô hình dự báo nhiệt độ và chẩn đoán tình trạng thiết bị, người vận hành có thể dự báo nhiệt độ và phát hiện sự cố trước 2 giờ với độ chính xác trên 90%. Điều này chuyển hoạt động vận hành lò từ đối phó sau sự cố sang kiểm soát trước, giúp tỷ lệ gang lỏng loại một tăng hơn 10% và giảm đáng kể mức tiêu thụ năng lượng trên mỗi đơn vị sản phẩm.

Cán thép: siết dung sai đến từng milimét

Giai đoạn cán thép có điều kiện vận hành rất năng động và phức tạp. Mô hình dự báo lực cán của YuanYe đạt phản hồi ở mức mili giây, thu hẹp dung sai độ dày xuống còn ±0,2 mm và giảm độ lệch độ dày còn 1,9% – mức được xem là dẫn đầu thế giới.

Tỷ lệ trúng dự báo lực cán tăng từ 88% lên 98%, hỗ trợ sản lượng ổn định hơn 2,5 triệu tấn thép tấm mỗi năm và nâng tỷ lệ thu hồi chung thêm 0,5%. Nhờ độ chính xác về kích thước và độ ổn định lý hóa được cải thiện, sản phẩm của NISCO đáp ứng được các yêu cầu khắt khe từ sân vận động lớn, đường ống dẫn dầu đến du thuyền 10.000 tấn và bồn chứa LNG.

Kiểm tra chất lượng: "mắt đại bàng" của robot và AI

Hệ thống kiểm tra kim tương thông minh tích hợp trên nền YuanYe đạt tự động hóa toàn trình, từ mài – đánh bóng mẫu, thu nhận hình ảnh đến phân loại thông minh.

Độ chính xác kiểm tra vượt 95%, thời gian kiểm tra mỗi mẫu giảm từ 10 phút xuống còn 3–5 phút, tức hiệu suất tổng thể tăng 80%. Nhờ vậy, nhân viên được giải phóng khỏi các thao tác lặp lại để tập trung vào phân tích bất thường và ra quyết định cấp cao.

Năng lượng và môi trường: tối ưu bằng lý thuyết trò chơi

Tác nhân thông minh S-Link kiểm soát lưu huỳnh trong khí và khí thải tích hợp 602 thông số quy trình cùng khả năng xử lý hình ảnh và tri thức đa phương thức. Hệ thống tạo thành vòng lặp kín thông minh từ dự báo nguồn phát, tối ưu quy trình đến đảm bảo tuân thủ đầu ra.

Cụ thể, tác nhân này đưa ra cảnh báo nguy cơ lưu huỳnh trước 1 giờ với độ chính xác trên 95%, đồng thời tính toán phương án pha trộn khí tối ưu chỉ trong vài giây. Các mô hình lý thuyết trò chơi còn phân bổ hạn ngạch phát thải linh hoạt, giúp giảm gần 50% lượng khí tự nhiên đốt kèm, cắt hơn 25% thời gian ngừng máy do vượt ngưỡng phát thải và mang lại lợi ích kinh tế hơn 600.000 Nhân dân tệ (khoảng 90.000 USD) mỗi năm.

AI không thay thế con người, mà giải phóng con người

Chia sẻ về triết lý triển khai, ông Lý Kim Ngạn, Tổng giám đốc Bộ Phát triển Tích hợp Số và Thông minh, Viện trưởng Viện Nghiên cứu AI của NISCO, nhấn mạnh:

"Chuyển đổi số và chuyển đổi thông minh về bản chất là lấy con người làm trung tâm. Mục đích không phải thay thế con người mà là khơi mở tiềm năng của con người. Chúng tôi muốn đưa nhân viên ra khỏi biển dữ liệu mênh mông, để họ dồn sức sáng tạo vào những công việc có giá trị cao hơn."

Đến nay, NISCO đã triển khai hơn 300 mô hình AI tại các nhà máy, cùng hơn 1.000 tác nhân low-code và ứng dụng gọn nhẹ do chính nhân viên tuyến đầu tự xây dựng.

Ông Cheng Yongfu, chuyên gia giải pháp công nghiệp cấp cao tại Khối Công nghiệp Thép và Kim loại màu của Huawei, bổ sung:

"Giá trị thực sự của AI công nghiệp chỉ được hiện thực hóa khi nó mở rộng từ các ứng dụng đơn lẻ sang tích hợp toàn diện với sản xuất, vận hành và quản lý – từ đó tạo ra năng lực trao quyền bền vững và có thể nhân rộng."

Hướng tới nhà máy thép AI-native

Trong thời gian tới, khi quy mô triển khai mô hình mở rộng và nhu cầu tính toán tăng cao, NISCO sẽ hợp tác cùng Huawei và các đối tác nghiên cứu xây dựng trung tâm dữ liệu chuyên dụng cho nhà máy thép thông minh.

Định hướng này xoay quanh kiến trúc ba tầng AI-native gồm hệ điều hành AI-native, nhà máy AI-native và doanh nghiệp AI-native, với YuanYe làm hạt nhân. Mục tiêu của NISCO là tạo ra một hình mẫu có thể nhân rộng cho quá trình chuyển đổi số của ngành thép và sản xuất toàn cầu.

Với các doanh nghiệp sản xuất tại Việt Nam – đặc biệt trong bối cảnh ngành thép trong nước đang đẩy mạnh tự động hóa và tối ưu chi phí – mô hình kết hợp AI đa tầng với dữ liệu cảm biến và cơ chế kỹ thuật chuyên ngành là hướng tiếp cận đáng tham khảo. Bài học lớn nhất có lẽ nằm ở việc xây dựng nền tảng dữ liệu vững chắc trước khi kỳ vọng vào những mô hình AI phức tạp.