AI từ người quan sát trở thành người tham gia Tác nhân trí tuệ công nghiệp thể hiện tài năng trong các ngành truyền thống

Một mỏ than ở Sơn Đông vận hành tự động hóa dưới lòng đất. Công ty/Ảnh do nguồn cung cấp

Phóng viên của Securities Times, Huang Xiang

“Trước đây ở nhà máy rửa than, các thợ cả điều chỉnh mật độ trung gian nặng dựa hoàn toàn vào ‘cảm giác’, phải mất 5-6 năm mới luyện thành ‘đôi mắt vàng’; còn bây giờ, trí tuệ nhân tạo (AI) trực tiếp đưa ra các tham số tối ưu, thiết bị PLC tự động thực thi, chất lượng than tinh ổn định và tốt.” Tại xưởng rửa than của mỏ than Xinglongzhuang, một công nhân đã kể về những thay đổi thực sự mà trí tuệ nhân tạo mang lại cho ngành công nghiệp than truyền thống.

Môi trường công nghiệp có độ phức tạp cao, yêu cầu an toàn nghiêm ngặt, tính thời gian thực cao, hiệu quả của các mô hình lớn AI bị hạn chế, trong bối cảnh này, ngành bắt đầu khám phá và triển khai trí tuệ nhân tạo (AI) thông minh.

Gần đây, phóng viên của Securities Times đã đến thăm Công ty YunDing và phát hiện rằng trong các lĩnh vực công nghiệp nặng truyền thống như mỏ khoáng sản, hóa chất, dầu khí, các vấn đề chung như hiệu quả thấp, rủi ro an toàn cao, phụ thuộc lớn vào kinh nghiệm nhân công vẫn tồn tại, nhưng những vấn đề này đang có hướng giải pháp hệ thống — khả năng vòng kín “cảm nhận—quyết định—thực thi—tối ưu” dựa trên trí tuệ nhân tạo, đang định hình lại mô hình sản xuất và quản lý công nghiệp. Là trung tâm kết nối giữa các mô hình lớn AI và các bối cảnh ngành công nghiệp, trí tuệ nhân tạo đang mở ra “km cuối cùng” để đưa AI vào thực tiễn, thúc đẩy ngành công nghiệp truyền thống từ “trí tuệ điểm đơn” sang “hợp tác hệ thống”.

Trí tuệ nhân tạo giải quyết các điểm đau của ngành công nghiệp

“Trước đây, các mô hình lớn cung cấp năng lực nền tảng, giống như trang bị cho ngành công nghiệp một ‘bộ não thông minh’, nhưng chính trí tuệ nhân tạo mới là ‘tay chân’ giúp bộ não thực sự ứng dụng, biến công nghệ thành lợi ích thực tế.” Cao Zhen, Giám đốc kinh doanh trí tuệ nhân tạo của Bộ phận Internet Công nghiệp của YunDing, nói với phóng viên của Securities Times.

“Chuyển đổi số trong ngành công nghiệp truyền thống từng lâu chỉ dừng lại ở các ứng dụng ‘báo động’, khả năng mở rộng từ ‘phát hiện và cảm nhận’ đến ‘quyết định và thực thi’ của các mô hình lớn vẫn còn khoảng cách.” Cao Zhen cho biết, sự xuất hiện của trí tuệ nhân tạo đã hoàn toàn thay đổi tình hình này, trong các lĩnh vực như mỏ khoáng sản, hóa chất, dầu khí, đã thể hiện các điểm đột phá đa điểm, AI từ vai trò ‘người quan sát’ đã trở thành ‘người tham gia’.

YunDing là nhà cung cấp giải pháp số hóa thông minh đầu tiên trong nước phát triển các mô hình lớn chuyên ngành, đã xây dựng nhiều ví dụ ứng dụng tiêu biểu trong các ngành công nghiệp như mỏ khoáng sản, hóa chất, dầu khí, và đã mở rộng quy mô.

Tại xưởng tuyển rửa của mỏ than Xinglongzhuang ở Sơn Đông, trí tuệ nhân tạo do YunDing phát triển đã thực hiện thành công việc điều chỉnh mật độ chính xác trong môi trường công nghiệp. Trước đây, việc phân loại dựa vào mật độ trung gian nặng phụ thuộc vào kinh nghiệm của công nhân, tham số dao động lớn, không chỉ làm năng suất than tinh không ổn định, còn gây lãng phí môi trường trung gian và tổn thất than tinh. Hiện nay, trí tuệ nhân tạo dựa trên dự đoán của mô hình lớn tính toán mật độ phân loại tối ưu, trực tiếp điều khiển thiết bị PLC thực thi điều chỉnh vòng kín, không chỉ ổn định chất lượng than tinh mà còn nâng cao năng suất hơn 0,2%, tính theo 300 vạn tấn rửa rửa mỗi năm, có thể tạo ra lợi ích kinh tế trực tiếp vượt 3 triệu nhân dân tệ mỗi năm.

An toàn trong công việc dưới lòng đất cũng được nâng cao rõ rệt nhờ sự tham gia của trí tuệ nhân tạo. Tại hiện trường thi công khoan chống nổ giảm áp của mỏ than Li Lou, trí tuệ nhân tạo giám sát độ sâu của lỗ khoan chống nổ giảm áp tự động đếm số trục khoan qua thuật toán video, hoàn toàn thay thế phương pháp thủ công “đếm từng cái một, nhàm chán dễ sai sót”.

“Trước đây, đếm trục khoan bằng mắt thường khiến mắt mờ đi, luôn lo lắng bị bỏ sót, giờ đây, qua thuật toán tự động kiểm tra, hiệu quả công việc tăng hơn 80%.” Nhân viên tại hiện trường nói. Trong việc kiểm tra băng tải vận chuyển than dưới lòng đất, trí tuệ nhân tạo cũng tiếp quản, camera giám sát 24 giờ theo dõi thời gian thực, phát hiện bất thường tự động cảnh báo và phối hợp xử lý, giảm bớt sức lao động của công nhân, đồng thời loại bỏ các điểm mù trong kiểm tra thủ công.

Trong lĩnh vực hóa chất, trí tuệ nhân tạo cần giải quyết các khó khăn trong tối ưu hóa quy trình sản xuất hóa chất “đa biến số, phi tuyến, liên kết chặt chẽ”. “Quá trình tuyển rửa than chủ yếu là biến đổi vật lý, còn quy trình hóa học trong công nghiệp hóa chất thường là phản ứng hóa học, điều chỉnh một tham số có thể gây ra phản ứng dây chuyền, dự đoán và tối ưu hóa có độ khó rõ rệt khác nhau.” Cao Zhen thừa nhận, việc phát triển trí tuệ nhân tạo cho quy trình chưng cất methanol đã tiêu tốn gần một năm của đội ngũ AI của công ty. Sau khi hệ thống này được triển khai tại Yulin, tiêu thụ hơi methanol giảm 3,2%, tăng sản lượng methanol hàng năm 180 tấn, mỗi nhà máy, mỗi thiết bị giảm chi phí và tăng hiệu quả trị giá 4,5 triệu nhân dân tệ.

Trong ngành dầu khí, trí tuệ nhân tạo cũng thể hiện khả năng mở rộng quy mô. Năm 2024, YunDing đã trúng thầu dự án mô hình lớn AI của một tập đoàn mạng lưới ống dẫn, mở rộng khả năng trí tuệ nhân tạo sang lĩnh vực mạng lưới dầu khí. “Từ mỏ khoáng sản đến hóa chất rồi đến dầu khí, lý do trí tuệ nhân tạo có thể nhanh chóng phổ biến là vì đã giải quyết được các điểm đau thực sự của ngành, mang lại lợi ích rõ ràng.” Cao Zhen nói.

Xây dựng “hỗ trợ cứng” cho ngành công nghiệp truyền thống

Việc trí tuệ nhân tạo thể hiện khả năng trong ngành công nghiệp truyền thống dựa trên một hệ thống công nghệ phù hợp với môi trường công nghiệp. Khác với tính “đa năng” của trí tuệ nhân tạo dành cho tiêu dùng, nghiên cứu phát triển trí tuệ nhân tạo trong công nghiệp chú trọng hơn vào “tính thực dụng” và “an toàn”, hình thành kiến trúc cốt lõi gồm “nền tảng đa mô hình + nhiên liệu dữ liệu + nền tảng nền tảng”.

Ngay từ năm 2022, YunDing đã hợp tác với Huawei để phát triển các mô hình lớn, năm 2023 ra mắt mô hình lớn đầu tiên dành cho ngành năng lượng trong lĩnh vực mỏ, năm 2025 giới thiệu mô hình lớn Vũ Hề của YunDing cho ngành hóa chất, hiện đã hình thành gia đình các mô hình lớn công nghiệp phủ rộng nhiều ngành. “Nền tảng mô hình lớn của chúng tôi dựa trên đa mô hình, không chỉ triển khai cục bộ các mô hình thương mại của Huawei như Pangu, mà còn tích hợp các mô hình phổ biến hàng đầu trong ngành, có thể linh hoạt thích ứng theo từng bối cảnh.” Cao Zhen giới thiệu, thiết kế ‘ngành + chung’ này giúp công nghệ có tính bền vững hơn.

“Trí tuệ nhân tạo trong công nghiệp không thể dựa vào dữ liệu chung ‘đầy đủ’, mà phải dựa vào tích lũy dữ liệu riêng biệt trong các bối cảnh ngành.” Cao Zhen tiết lộ, từ khi bắt đầu xây dựng các mô hình lớn ngành, YunDing đã chú trọng đến việc tích lũy dữ liệu ngành, hiện đã sở hữu hơn một triệu dữ liệu ngành đã được chú thích và hàng nghìn tỷ dữ liệu sản xuất, bộ dữ liệu ngành này còn nằm trong dự án thử nghiệm xây dựng bộ dữ liệu chất lượng cao của Cục Dữ liệu Quốc gia năm 2025. Chính những dữ liệu mang “nhiệt độ ngành” này giúp các quyết định của trí tuệ nhân tạo chính xác hơn, phù hợp hơn với thực tế.

Nền tảng trí tuệ nhân tạo của YunDing, Cangjie, giúp việc triển khai công nghệ trở nên “đơn giản và dễ sử dụng”. “Chúng tôi muốn cả những công nhân không biết lập trình cũng có thể sử dụng trí tuệ nhân tạo.” Cao Zhen nói, nền tảng này có các chức năng chính như phối hợp ứng dụng, hợp tác đa trí tuệ nhân tạo, người dùng chỉ cần kéo thả các thành phần ứng dụng để nhanh chóng xây dựng các ứng dụng trí tuệ riêng. Hiện tại, nền tảng này đã tự động phối hợp các kịch bản xử lý ngôn ngữ tự nhiên, bước tiếp theo sẽ mở rộng dần sang các lĩnh vực phức tạp như giám sát an toàn công nghiệp, tối ưu hóa quy trình.

Điều quan trọng hơn, trí tuệ nhân tạo trong công nghiệp yêu cầu phải có “gen an toàn” đi kèm. Đáp ứng yêu cầu không khoan nhượng về an toàn sản xuất trong môi trường công nghiệp, trí tuệ nhân tạo trong thiết kế và vận hành cần tích hợp các cơ chế an toàn hoàn chỉnh. Ví dụ, trong quá trình thực thi lệnh, cần thực hiện kiểm tra toàn bộ chuỗi hành trình của nhật ký hoạt động, tự động cắt đứt khi phát hiện hành vi bất thường; đồng thời, các gói kỹ năng công nghiệp cũng phải trải qua kiểm tra và xác nhận an toàn nghiêm ngặt.

“Thành công của OpenClaw đã chứng minh giá trị thực tiễn của trí tuệ nhân tạo, nhưng so với khả năng chung, chúng tôi quan tâm hơn đến việc chuẩn hóa các thuật toán công nghiệp và kinh nghiệm ngành đã tích lũy nhiều năm, để đóng gói thành ‘gói kỹ năng công nghiệp’ có thể tái sử dụng, đây chính là lợi thế cốt lõi của chúng tôi.” Cao Zhen nhấn mạnh.

Tiếp tục tiến bộ trong thử thách

Việc ứng dụng trí tuệ nhân tạo trong ngành công nghiệp truyền thống đang ngày càng sâu rộng, nhưng cũng tồn tại một số thách thức thực tế.

“Môi trường công nghiệp phức tạp và mở, các quy trình và thiết bị khác nhau lớn, nên việc triển khai trí tuệ nhân tạo chung trong các ứng dụng công nghiệp gặp nhiều khó khăn.” Cao Zhen lấy ví dụ, trong giai đoạn hỗ trợ tạm thời của sản xuất mỏ than, có mỏ dùng hỗ trợ tạm thời dạng di động, có mỏ dùng hỗ trợ cố định, do đó cần thiết kế các phương án giám sát khác nhau. Ngoài ra, khó khăn trong cải tạo nhà máy cũ, rào cản dữ liệu chưa được phá bỏ, tiêu chuẩn hóa chưa đầy đủ cũng là những hạn chế đối với phát triển quy mô ngành.

Quan trọng hơn, trí tuệ nhân tạo trong công nghiệp và trí tuệ nhân tạo dành cho người tiêu dùng (To C) có sự khác biệt rõ rệt về khả năng và hình thái. “Trí tuệ nhân tạo dành cho người tiêu dùng nhấn mạnh tính đa năng, các gói kỹ năng có khả năng tái sử dụng cao; còn trí tuệ nhân tạo trong công nghiệp thì chú trọng sâu vào sự phù hợp với từng bối cảnh cụ thể, các thiết bị và quy trình khác nhau thường cần các giao diện tùy chỉnh và khả năng riêng biệt.” Cao Zhen thừa nhận, mức độ trưởng thành của trí tuệ nhân tạo trong công nghiệp còn chưa bằng các ứng dụng tiêu dùng, nhưng chính điều này tạo nên giá trị của nó — “giải quyết các vấn đề khó khăn trong các môi trường phức tạp.”

“Do tính phức tạp, đặc thù và mở của môi trường công nghiệp, hiện tại các ứng dụng trí tuệ nhân tạo chủ yếu tập trung vào từng giai đoạn sản xuất đơn lẻ hoặc các bối cảnh cục bộ. Trong tương lai, cần phối hợp nhiều trí tuệ nhân tạo để hợp nhất các điểm cảnh riêng rẽ, xây dựng ‘đội nhóm trí tuệ nhân tạo’, hình thành các giải pháp hệ thống như quản lý khẩn cấp mỏ than, điều độ an toàn, cảnh báo rủi ro, nhằm cuối cùng tạo ra ‘bộ não AI’ thực sự.” Cao Zhen dự đoán.

YunDing đã đạt tiêu chuẩn quốc tế về khả năng của mô hình lớn mỏ trong ngành than của Hiệp hội Công nghiệp Than Trung Quốc, khả năng của mô hình đã được các tổ chức đánh giá độc lập trong nước xếp vào hàng đầu thế giới. Tính đến nay, 223 loại cảnh quan AI của họ đã triển khai tại hơn 130 đơn vị sản xuất như China Coal, National Pipeline Network, Anhui North Coal & Electric.

“Ưu thế của chúng tôi không nằm ở số lượng tham số lớn, mà ở khả năng triển khai thực tế của các bối cảnh.” Cao Zhen nói, YunDing không chỉ tập trung vào ứng dụng trí tuệ nhân tạo đơn lẻ, mà còn hướng tới quản lý tập trung các loại trí tuệ như thị giác, dự đoán, xử lý ngôn ngữ tự nhiên.

Về chính sách, các bộ ngành như Cục Năng lượng Quốc gia nhiều lần ban hành chính sách khuyến khích sự hợp tác sâu rộng giữa trí tuệ nhân tạo và ngành năng lượng, tạo nền tảng vững chắc cho việc ứng dụng trí tuệ nhân tạo. Trí tuệ nhân tạo đang thúc đẩy ngành công nghiệp truyền thống chuyển đổi từ “dựa vào kinh nghiệm” sang “dựa vào dữ liệu” với những kết quả rõ ràng, cụ thể.