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

Phóng viên Tạp chí Chứng khoán Huang Xiang

“Trước đây ở nhà máy rửa than, các thợ cả điều chỉnh mật độ nặng dựa hoàn toàn vào ‘cảm giác tay’, phải mất 5-6 năm mới luyện thành ‘nhìn thấu trời đất’; giờ đây, 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 vận hành đã kể về những thay đổi thực sự mà AI 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 đó, trong bối cảnh này, ngành bắt đầu khám phá và triển khai các trí tuệ nhân tạo (AI) thông minh.

Gần đây, phóng viên Tạp chí Chứng khoán đã đến thăm Công ty Công nghệ YunDing và phát hiện rằng, trong các lĩnh vực công nghiệp truyền thống như mỏ khoáng sản, hóa chất, dầu khí, các vấn đề chung lâu nay vẫn tồn tại như hiệu quả thấp, rủi ro an toàn cao, phụ thuộc lớn vào kinh nghiệm nhân công, nhưng những vấn đề này đang có cơ hội được giải quyết một cách hệ thống — dựa trên khả năng vòng khép kín “cảm nhận—quyết định—thực thi—tối ưu hóa” với trung tâm là trí tuệ nhân tạo (AI), đang định hình lại mô hình sản xuất và quản lý công nghiệp. Là trung tâm kết nối các mô hình lớn AI với các bối cảnh ngành công nghiệp, các trí tuệ nhân tạo đang mở ra “chặng 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 ‘bộ não thông minh’, nhưng chính các trí tuệ nhân tạo mới là ‘tay chân’ giúp bộ não đó thực sự ứng dụng, biến công nghệ thành lợi ích thực tế.” Ông Gao Zhen, Giám đốc Kinh doanh Trí tuệ Nhân tạo của Bộ phận Internet Công nghiệp của YunDing, nói với phóng viên Tạp chí Chứng khoán.

“Chuyển đổi số trong các ngành công nghiệp truyền thống từng bị giới hạn ở các ứng dụng ‘cảnh báo’, khả năng của các mô hình lớn từ ‘phát hiện và cảm nhận’ đến ‘quyết định và thực thi’ vẫn còn khoảng cách.” Gao Zhen cho biết, sự xuất hiện của trí tuệ nhân tạo đã hoàn toàn thay đổi tình hình này, thể hiện rõ nét trong các lĩnh vực như mỏ khoáng sản, hóa chất, dầu khí, với nhiều điểm đột phá, AI từ “người quan sát” 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 lĩnh vực công nghiệp như mỏ khoáng sản, hóa chất, dầu khí, và mở rộng quy mô phổ biến.

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

An toàn trong công tác 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 chống nổ của mỏ than Lì Lou, trí tuệ nhân tạo giám sát độ sâu của các lỗ khoan qua thuật toán video tự động đếm số cần khoan, hoàn toàn thoát khỏi phương thức cũ “đếm từng cần bằng mắt, nhàm chán dễ sai sót”.

“Trước đây, đếm cần khoan bằng mắt khiến chúng tôi hoa mắt, luôn lo lắng bị thiếu sót, giờ đây, qua thuật toán tự động kiểm tra, hiệu suất làm 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 liên tục, phát hiện bất thường tự động cảnh báo và phối hợp xử lý, vừa giảm tải lao động cho công nhân, vừa 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 như “đa biến số, phi tuyến tính, 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.” Gao Zhen thừa nhận, trong dự án phát triển trí tuệ nhân tạo cho quá trình chưng cất methanol, đội ngũ AI của công ty đã dành gần một năm để nghiên cứu. Kết quả cuối cùng đã có lợi, hệ thống này sau khi triển khai tại nhà máy Hóa dầu Yulin, tiêu thụ hơi methanol giảm 3,2%, tăng sản lượng methanol hàng năm 180 tấn, giảm chi phí và nâng cao hiệu quả cho một thiết bị trong nhà máy lên tới 4,5 triệu nhân dân tệ mỗi năm.

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

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

Việc trí tuệ nhân tạo thể hiện năng lực trong các ngành công nghiệp truyền thống dựa trên một hệ thống công nghệ phù hợp với các bối cảnh 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 khoáng, năm 2025 giới thiệu mô hình lớn Vuxi của YunDing dành cho hóa chất, hiện đã hình thành một 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 các mô hình thương mại như Pangu của Huawei tại chỗ, mà còn tích hợp các mô hình phổ biến hàng đầu trong ngành, có thể linh hoạt thích ứng theo từng bối cảnh.” Gao Zhen giới thiệu, thiết kế “ngành + chung” này giúp công nghệ trở nên bền bỉ 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.” Gao 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 có chú thích và hàng nghìn tỷ dữ liệu sản xuất, bộ dữ liệu ngành này còn được chọn làm dự án thử nghiệm xây dựng bộ dữ liệu chất lượng cao của ngành theo kế hoạch 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 tự phát triển của YunDing, Chánjié, giúp việc ứng dụng công nghệ trở nên “đơn giản và dễ sử dụng”. “Chúng tôi muốn cả những công nhân không biết lập trình cũng có thể dùng trí tuệ nhân tạo.” Gao Zhen nói, nền tảng này có các chức năng chính như lập trình ứng dụng, hợp tác đa trí tuệ nhân tạo, người dùng chỉ cần kéo thả các thành phần ứng dụng, nhanh chóng xây dựng các ứng dụng trí tuệ riêng. Hiện tại, nền tảng này đã tự tổ chức 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 quy trình.

Điều quan trọng hơn, trí tuệ nhân tạo trong công nghiệp yêu cầu phải có “gen an toàn” riêng. Để đáp ứng yêu cầu không khoan nhượng về an toàn sản xuất trong môi trường công nghiệp, các hệ thống trí tuệ nhân tạo cần tích hợp cơ chế an toàn hoàn chỉnh trong quá trình thiết kế và vận hành. Ví dụ, trong quá trình thực thi lệnh, cần thực hiện kiểm tra toàn bộ nhật ký hoạt động, tự động cắt đứt hoạt động 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 nhiều hơn đến việc chuẩn hóa các thuật toán công nghiệp và kinh nghiệm ngành đã tích lũy nhiều năm, để tạo thành các ‘gói kỹ năng công nghiệp’ có thể tái sử dụng, chính là lợi thế cốt lõi của chúng tôi.” Gao Zhen nhấn mạnh.

Thúc đẩy tiến trình phát triển nhanh trong đối mặt thách thức

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

“Các môi trường công nghiệp phức tạp và mở, các quy trình và thiết bị khác nhau, khiến việc triển khai trí tuệ nhân tạo chung trong các bối cảnh công nghiệp gặp nhiều khó khăn.” Gao Zhen lấy ví dụ, trong công đoạn tạm thời hỗ trợ khai thác mỏ, một số mỏ dùng phương pháp hỗ trợ tạm thời trên thiết bị di động, trong khi một số khác dùng các thiết bị riêng biệt, do đó cần thiết kế các phương án giám sát khác nhau. Ngoài ra, khó khăn trong cải tạo các nhà máy cũ, rào cản dữ liệu chưa được phá bỏ, tiêu chuẩn hóa chưa đầy đủ cũng là những hạn chế lớn đối với phát triển quy mô ngành.

Quan trọng hơn, trí tuệ nhân tạo trong công nghiệp và trí tuệ nhân tạo dành cho tiêu dùng (To C) khác biệt rõ rệt về khả năng và hình thái. “Trí tuệ nhân tạo dành cho 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.” Gao 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 lại tạo ra giá trị của nó — “giải quyết các vấn đề khó khăn trong các môi trường phức tạp.”

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

Các mô hình lớn của YunDing trong lĩnh vực mỏ khoáng đã đạt tiêu chuẩn quốc tế do Hiệp hội Công nghiệp Than Trung Quốc xác nhận, năng lực mô hình đã được các tổ chức đánh giá uy tín trong nước xếp vào hàng đầu thế giới. Tính đến nay, hơn 130 đơn vị sản xuất như China Coal, National Pipeline Network, Wubei Coal & Electric đã ứng dụng 223 loại cảnh quan trí tuệ nhân tạo của YunDing.

“Ưu thế của chúng tôi không nằm ở số lượng tham số lớn, mà ở chỗ ứng dụng thực tế đủ vững chắc.” Gao Zhen nói, YunDing không giới hạn trong việc phát triển các trí tuệ nhân tạo đơn hướng, mà còn hướng tới quản lý tập trung các trí tuệ về thị giác, dự đoán, xử lý ngôn ngữ tự nhiên.

Về chính sách, nhiều bộ ngành như Cục Năng lượng Quốc gia đã 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. Các trí tuệ nhân tạo đang thúc đẩy ngành công nghiệp truyền thống chuyển đổi từ “dựa vào kinh nghiệm” sang “dựa vào dữ liệu” một cách rõ ràng, có thể nhìn thấy bằng mắt thường.