今年初以来，特钢q345b圆钢行业呈现稳中提质的发展态势，高端化转型步伐加快，高端产品价值韧性凸显，效益指标显著改善，行业高质量发展步伐更稳。
一是优特钢产量逆势增长，高端化转型步伐加快。今年1月—9月份，特钢协重点统计会员企业优特钢粗钢产量达5855万吨，同比增长1.1%。从品种结构看，重点品种粗钢产量为1032万吨，同比增长5.4%。其中，齿轮钢同比增长11.2%，弹簧钢同比增长16.5%，工模具钢同比增长2.5%。汪世峰指出，这不仅印证了特钢产品在市场中的刚性需求，还凸显了行业向高端化、精细化转型的鲜明趋势，为新质生产力发展积蓄了坚实动能。
二是优特钢16mn圆钢钢材价格同比下降，优钢与特钢价差扩大。今年1月—9月份，SSPI（中国特钢价格指数）综合价格指数均值为133.0点，同比下降0.67%。但细分领域呈现显著分化态势：特殊质量钢价格指数均值为137.5点，同比上涨0.51%，彰显高端特钢产品的价值韧性；优钢价格指数均值为111.3点，同比下降6.86%。汪世峰表示，行业出现“特钢稳、优钢降”的格局，既反映了市场对高端材料的认可，也提示行业需进一步优化产品结构，以更高质量的供给对冲价格波动风险。
三是15crmo圆钢出口面临外部承压，国际市场亟待破局。受全球经济增速放缓、贸易保护主义抬头等因素影响，特钢出口形势面临挑战。今年1月—9月份，特钢协重点统计会员企业累计出口优特钢材577万吨，同比下降1.3%。其中，板材和钢管同比均有下降，棒材、线材和其它品种保持增长。汪世峰指出，这既需警惕外部环境的不确定性，更需行业主动谋划国际市场布局，以优质产品与多元渠道打开新局面。

四是效益指标显著改善，发展质量持续提升。今年1月—9月份，重点统计会员企业利润总额为160亿元；平均销售利润率达4.30%，同比提升2.63个百分点；亏损面收窄至20%，同比降低12个百分点。利润率的提升与亏损面的收窄，标志着特钢行业从“规模扩张”向“质量效益”转型取得实质性成效，也为行业持续投入研发、推动创新提供了坚实保障。

我国钢铁行业的确面临各种前所未有的变量，不过可以确定的是，包括AI在内的科技创新将是重塑行业格局的最重要变量。
首先，组织与人才结构变革，管理效率显著提升。领先企业将自觉推动由AI驱动的组织变革，使企业从“人力红利”向“智力红利”跃迁，实现管理更加精细化、扁平化、去中心化。而能否成功的关键，不仅在于技术本身，还取决于企业能否构建“AI增强人类能力”的协同生态——让“碳基人”的创造力、战略思维与“硅基人”的计算力、执行效率形成互补。未来的企业竞争，将是“碳硅协作效率”的竞争。而这一效率的提升空间，可能远超当前的技术想象，不同企业之间可能会形成断层式的分化。
其次，供应链与客户管理智能化，产业链协同深化。AI技术优化供应链和客户管理，推动行业从“制造能力”竞争全面转向“制造+服务能力”的竞争。钢铁行业要构建“全覆盖、全业务、全聚合、全流程”的业财一体化平台，不仅全面贯通内部业务流程，还要与上下游形成更深、更广的融合共生关系，向“共生型”数字化发展模式转变。未来，具备全链条AI能力的企业将在供应链和客户管理方面占据优势，推动产业链协同深化。
再其次，技术研发效能跃升，技术创新更加重要。企业将研发适用于钢铁行业的AI工具，赋能钢铁行业的技术创新。如果把钢铁产品从材料研发到用户应用的全过程，由低到高分为数据分析、工艺优化、材料优化、新材料研发4个层次的话，前3个层次主要由数据驱动，第4个层次主要由物理驱动。当前的AI主要由数据驱动，在前3个层次可发挥巨大作用，但同时，还要大力开展基础研究，研发物理驱动的AI工具，实现颠覆性的金属材料原始创新。未来，拥有以AI工具赋能技术创新能力的钢铁企业将在市场竞争中占据主导地位。
最后，掌握技术标准主导权，中国钢企国际竞争力提升。首个钢铁智能制造国际标准ISO 21763《钢铁行业智能制造指南》已成功立项，将有助于钢铁行业的智能制造升级，规范钢铁行业智能制造系统功能及产品质量，同时也将为实现改善工作环境、工人安全与福利、生产安全、减少温室气体排放等联合国可持续发展目标做出贡献。中国钢铁企业通过AI技术的应用，正在构建具有国际竞争力的智能制造体系。未来，钢铁企业将与各类外部研发团队合作推进AI全领域深度合作，在钢铁行业率先建立数实融合发展的新标准、新模式。
未来3年~5年，AI技术将重塑钢铁企业和行业格局。在AI与钢铁融合发展上更迅速、更务实、更坚决的企业，将在未来引领行业发展，形成以传统产业升级和新兴产业崛起协同发展为核心竞争力的新格局。这一格局的形成，将为中国钢铁行业在全球竞争中赢得主动权，推动行业高质量发展。
《中国冶金报》记者：当前，钢铁企业对于AI的认识或实践有哪些误区？您有怎样的提醒、建议？
王松涛：这个问题很好，也是当前企业或多或少都存在的问题。有一点必须说明，当前，全社会正处在AI技术快速迭代与AI技术融入千行百业相互交织的过程中，这就决定了当前对于AI的认识和对AI赋能的路径大家都在探索，探索过程中有误区、失败的现象很正常，应该给予更多包容和鼓励。
当前，行业也的确存在一些典型的现象，需要大家关注。比如，有的企业急于求成，认为大模型应用能一下解决所有的问题，花巨资投入；也有的满怀希望，本地化部署大模型之后发现不好用，就悲观失望地认为大模型一无是处；还有的认为，需要千卡甚至万卡的算力投入，导致望而却步；也有好大喜功的、漠不关心的、暂时观望的等等，不一而足。这些现象可能导致企业投入浪费、人员信心受挫，甚至错失真正的机遇。
出现这些现象的原因也有很多种，比如，一些媒体和供应商过度宣传，成功案例被放大，技术局限性和实施复杂性被弱化；有的企业对技术本质理解不足，不了解大模型是基于概率的生成式AI，擅长模式识别、内容生成和一定程度的推理；有的企业低估落地成本，忽略了模型调优、系统集成、业务流程改造、人员技能提升等隐性成本；有的企业有“银弹”思维定式，期望找到一劳永逸的解决方案，忽视企业问题的复杂性和系统性；有的企业混淆“模型训练”与“模型应用”，对人工智能落地应用路径研究不够，盲目迷信权威，人云亦云，丧失企业战略自主能力；有的企业有“模型中心论”思维，过度关注模型本身，忽视了“数据是AI的燃料”，数据治理基础薄弱，企业内部数据分散、格式不一、质量参差不齐；有的企业技术主导、业务缺位，业务部门参与度低或不理解，项目目标与核心业务需求脱节，解决方案设计不符合实际工作流程。
首钢本身也在探索过程中。我每周都会跟核心团队交流研讨，我会问大家两个数，一个是进度到百分之多少了，一个是信心指数到多少了。如果让我给建议的话，我认为，第一，企业要有愿意深入学习行业知识和AI知识的人。要亲自学，带着团队一起学，在实践探索中学，并不断地回答3个问题：AI是什么？AI能干什么？我能用AI干什么？第二，态度要端正。技术创新也是一样，要遵循科学规律，徒慕虚名、好大喜功的做法大概率不会走太远。第三，要对企业有正确的判断。AI赋能的效果与企业的发展阶段、能力水平、发展战略密切相关，不同的业务场景和目标对基础设施、数据治理、人才储备的需求差别很大。第四，要做好长期坚持的思想准备。当然，业务层面也还有很多需要解决的具体问题，就不一一赘述了