人工智能的迅速发展正在深刻改变社会、改变世界。与美国领先者相比，中国AI产业还有明显差距，但可喜的是，这个差距的拉近趋势越来越明显。据不完全统计，从2012年到2017年底，我国AI领域有超过1千家公司，投资事件超1千起，投资总额超过1千亿。以上指标在刚刚结束的2017年，相比2012年翻了上百倍。中国工程院院士刘玠日前在2018（第九届）中国钢铁发展论坛上，做了“钢铁工业智能化”的报告，对于智能化现状、困难及前景和展望进行了阐述和分析。

    当前在钢铁冶金过程中，对于生成过程管理、原材料采购、产品研发监测、成本分析、控制和管理等方面，主要包括专家系统、模糊系统和神经网络系统三个钢铁工业智能化系统。专家系统能够模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。模糊系统可以模仿人的综合推断来处理常规数学方法难以解决的模糊信息处理问题。神经网络系统具有自学习功能、联想存储功能和高速寻找优化解的能力。 

    钢铁工业是流程工业的代表,那么流程工业智能控制有什么特点？

    首先是离散智能控制，智能系统控制离散型制造业的加工过程，主要手段是顺序和逻辑控制，借助“工厂自动化”和CIMS等来实现。

    其次为批量智能控制，同一生产线上的间歇性，多品种生产过程，半连续过程。主要智能控制侧重顺序与逻辑控制，也有连续过程控制，每种产品有自己“配方”。

    最后流程智能控制，智能系统控制流程工业的生产过程如热连轧生产线，一条生产线连续生产同一产品，采用过程自动化技术，对供应链上多系统协同配合度要求高。

    如今，不少钢铁企业已经在智能制造上开拓探索和实践，取得了较好的成效。宝武集团、沙钢等大型钢企采用工业机器人、无人行车、无人台车、无人仓库等智能制造技术来提高劳动效率，降低生产成本，在钢铁生产自动化、库存、营销等关键环节智能化水平先进。3月底，由宝钢股份自主集成建设的全球首套大型高炉控制中心建成启用，成功实现了对宝山基地4座高炉的集中化操作控制和生产管理，并可对其他基地的高炉进行远程技术支持。

    尽管对中国工业化所处阶段仍然存在争议，但正如国务院发展研究中心指出的，总体上看，我国工业化处于中期阶段，工业的智能化面临的问题和挑战仍需要大力解决。主要表现在基础理论研究滞后自主研发能力薄弱，重硬件轻软件的现象突出，各类复杂产品设计和企业管理的智能化高端软件产品缺失，关键技术仍依赖进口，在先进材料、增材制造等方面差距还在不断扩大，大量原材料我国没有供应能力，以及关键岗位人才缺失严重，对海外高层次人才和国外治理的引进工作力度不够等问题。

    刘玠表示要快速有效发展钢铁工业智能化，现阶段需要正确处理好投资下降和效率变革、环保督察和企业发展、出口下降和国内消费以及工业增加值和效益变革这四大关系。不能急功近利、一哄而上，而要稳扎稳打、分步实施、循序渐进，即针对我国钢铁行业和智能制造的特点，逐步推进制造过程智能化。