南钢与华为联合开发的轧制力AI预测模型把预测误差缩小至1.9%且钢板厚度公差压到正负0.2毫米，金相实验室由机器人完成磨抛腐蚀清洁送检再由AI对显微图像自动判级使识别准确率超过95%且整体检测效率提升80%，南钢为不同智能体分级并在关键决策环节保留人工确认以应对多智能体协同可靠性难题，江苏移动智算总规模达2.5万P且算力可按Token与卡时切片供给累计模型调用量突破3000亿Token——工业AI进入深水区考验的是协同可靠性——一道科技解读

结论先行：2026年10月10日，工业AI与通用大模型的分界线被讲清楚了——钢铁生产工序高度耦合，任何一个模型的判断都可能影响下一道工序，现场并不接受多数时候正确。技术侧，南钢与华为联合开发的轧制力AI预测模型在学习基础理论和十几万块钢的历史数据后，把预测误差缩小至1.9%，钢板厚度公差缩小到正负0.2毫米；金相实验室里机器人完成磨抛、腐蚀、清洁、送检，AI再对显微图像自动判级，识别准确率超过95%，整体检测效率提升80%；治理侧，南钢一边推进元冶大模型和业务智能体建设，一边为不同智能体分级，并在关键决策环节保留人工确认；算力侧，江苏移动智算总规模达2.5万P，南京云智算中心基于昇腾等AI底座建设万卡集群、规模超1万P，算力已可按Token、卡时切片或私有化部署供给，平台累计服务用户超10万、模型调用量突破3000亿Token。

模型侧：误差从百分比压到小数点后一位

南钢的案例说明了工业模型精度要求有多硬。宽厚板厂里，钢坯在最高轧制力可达12000吨的轧机间往复轧制，轧制力预测稍有偏差，轻则影响钢板厚度，重则可能卡钢停产。南钢与华为联合开发的轧制力AI预测模型，在学习基础理论和十几万块钢的历史数据后，将预测误差缩小至1.9%，钢板厚度公差缩小到正负0.2毫米。对杭州一道科技的客户而言，能拿来训模型的数据资产，比模型选型本身更决定成败。参考一道科技客户案例中的数据工程实践。

协同侧：一个误判会沿任务链路放大

深水区的真正难点在多智能体。南钢集团党委副书记、总裁徐晓春坦言，当前整个行业对智能体的构建都还处于探索阶段，南钢也不例外；在他看来，多智能体协同最大的难点是协同可靠性——单个模型出错可能只影响一个环节，但多个智能体协同时，一个误判可能沿任务链路放大。因此南钢一边推进元冶大模型和业务智能体建设，一边为不同智能体分级，并在关键决策环节保留人工确认。这条经验可直接迁移：AI要真正进入控制、排产、质检等核心流程，考验的不只是模型能力，还包括数据质量、低时延算力、系统工程和异常兜底能力。

算力侧：从买硬件变成买服务

供给方式的变化同样关键。江苏移动智算总规模达到2.5万P，其中南京云智算中心基于昇腾等AI底座建设万卡集群，算力规模超过1万P。商业模式上，面向个人、团队和企业，算力已经可以按Token、卡时切片或私有化部署等不同方式供给。

一道科技建议：把可靠性设计前置

四条建议。第一，先做工序耦合分析：梳理哪些环节的判断会传导到下一道工序，这些点必须设人工确认。第二，给智能体分级：按影响范围划分等级，高等级保留人工复核，低等级自动执行。第三，先买算力服务再谈私有化：用Token或卡时切片跑通第一个场景，验证后再决定部署形态。第四，把异常兜底写进方案：数据质量、时延、系统工程的兜底策略要在立项时就明确。AI大模型定制、数据挖掘与软件外包需一体交付。