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

Thời báo Chứng khoán phóng viên Hoàng Hương

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

Trong các lĩnh vực công nghiệp phức tạp như mỏ, hóa chất, dầu khí, hiệu quả thấp, rủi ro an toàn cao, tính thời gian thực mạnh mẽ khiến hiệu quả của các mô hình lớn AI bị hạn chế. Trong bối cảnh đó, ngành bắt đầu khám phá và triển khai các hệ thống AI thông minh.

Gần đây, phóng viên Thời báo Chứng khoán đã khảo sát YunDing Technology và phát hiện rằng, trong các lĩnh vực khai thác mỏ, hóa chất, dầu khí, các vấn đề chung như hiệu quả thấp, rủi ro cao, phụ thuộc lớn vào kinh nghiệm nhân công đang được giải pháp hệ thống hóa bằng khả năng vòng lặp “nhận thức—quyết định—thực thi—tối ưu hóa” dựa trên trí tuệ nhân tạo, đang định hình lại mô hình sản xuất và quản lý công nghiệp. Là trung tâm kết nối mô hình lớn AI với các bối cảnh ngành, hệ thống AI thông minh đang mở ra “km cuối cùng” để đưa AI vào thực tiễn, thúc đẩy chuyển đổi từ “trí tuệ điểm đơn” sang “hợp tác hệ thống” trong các ngành truyền thống.

Hệ thống AI 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 hệ thống AI mới là ‘tay chân’ giúp bộ não thực sự vận hành, 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 YunDing, chia sẻ với Thời báo Chứng khoán.

“Chuyển đổi số trong ngành công nghiệp truyền thống từng dừng lại ở mức ‘cảnh báo’, khả năng ‘phát hiện và nhận thức’ đến ‘quyết định và thực thi’ của các mô hình lớn vẫn còn khoảng cách.” Ông Gao nói, sự xuất hiện của hệ thống AI thông minh đã hoàn toàn thay đổi tình hình này, trong các lĩnh vực mỏ, hóa chất, dầu khí, đã thể hiện các điểm đột phá đa điểm, AI từ “người quan sát” trở thành “người tham gia”.

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

Tại xưởng tuyển rửa than của mỏ than Xinglongzhuang, hệ thống hệ thống AI do YunDing phát triển đã thực hiện thành công việc điều chỉnh chính xác mật độ trong các bối cảnh công nghiệp. Trước đây, việc phân loại dựa vào kinh nghiệm thủ công, tham số thay đổi lớn, không chỉ làm năng suất than tinh không ổn định, còn gây lãng phí môi chất và tổn thất than tinh. Hiện nay, hệ thống AI 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%, theo tính toán sản lượng tuyển rửa 300 vạn tấn mỗi năm, mỗi năm tạo ra lợi ích kinh tế trực tiếp vượt 3 triệu nhân dân tệ.

An toàn trong công tác dưới hầm cũng được nâng cao rõ rệt nhờ sự tham gia của hệ thống AI. Tại hiện trường thi công khoan chống nổ, hệ thống giám sát sâu của hệ thống phòng chống nổ và giảm áp tự động đếm số trục khoan qua thuật toán video, hoàn toàn thay thế phương pháp thủ công “đếm từng cây trục khoan” dễ nhầm lẫn, mệt mỏi.

“Trước đây, dùng mắt đếm trục khoan thủ công, nhìn hoa cả mắt, luôn lo lắng bị thiếu sót, giờ đây, qua thuật toán tự động kiểm tra, hiệu quả công việc tăng hơn 80%.” Một nhân viên tại hiện trường chia sẻ. Trong công tác kiểm tra băng tải vận chuyển than dưới hầm, hệ thống AI cũng tiếp nhận, camera giám sát 24/7, tự động cảnh báo và phối hợp xử lý các tình huống bất thường, giảm tải lao động cho công nhân, đồng thời loại bỏ các điểm mù trong kiểm tra thủ công.

Trong lĩnh vực hóa chất, hệ thống AI cần giải quyết các bài toán tối ưu hóa quy trình sản xuất hóa chất với “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, độ khó dự đoán và tối ưu hóa khác biệt rõ rệt.” Ông Gao thừa nhận, hệ thống AI trong lĩnh vực chưng cất methanol đã mất gần một năm để phát triển. Sau khi hệ thống này được triển khai tại Yulin, tiêu thụ hơi methanol giảm 3,2%, tăng sản lượng methanol 180 tấn/năm, giảm chi phí và nâng cao hiệu quả cho một nhà máy, một thiết bị, mỗi năm tiết kiệm hơn 4,5 triệu nhân dân tệ.

Trong ngành dầu khí, hệ thống AI 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 ống dẫn, mở rộng khả năng hệ thống AI sang lĩnh vực mạng lưới dầu khí. “Từ mỏ, hóa chất đến dầu khí, lý do hệ thống AI 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.” Ông Gao nói.

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

Hệ thống AI thông minh trong các ngành công nghiệp truyền thống dựa trên một hệ thống kỹ thuật phù hợp với các bối cảnh công nghiệp. Khác với hệ thống AI chung chung dành cho tiêu dùng, hệ thống AI 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”.

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

“Hệ thống AI công nghiệp không thể dựa vào dữ liệu chung ‘đầy đủ’, phải dựa vào tích lũy dữ liệu riêng biệt của ngành.” Ông Gao tiết lộ, từ khi bắt đầu xây dựng mô hình lớn ngành, YunDing đã chú trọng tích lũy dữ liệu ngành, hiện có hơn một triệu dữ liệu có chú thích và hàng nghìn tỷ dữ liệu sản xuất, bộ dữ liệu ngành còn nằm trong danh sách dự án thử nghiệm xây dựng dữ liệu chất lượng cao của Cục Dữ liệu Quốc gia năm 2025. Chính những dữ liệu mang “nhiệt độ ngành” này giúp hệ thống AI đưa ra quyết định chính xác hơn, phù hợp thực tế hơn.

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

Điều quan trọng hơn, hệ thống AI công nghiệp phải mang “gen an toàn”. Đáp ứng yêu cầu không khoan nhượng về an toàn sản xuất trong ngành, hệ thống AI cần tích hợp cơ chế an toàn hoàn chỉnh trong quá trình thiết kế và vận hành. Ví dụ, trong thực thi lệnh, cần thực hiện kiểm tra toàn bộ nhật ký vận hành, 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 chứng minh giá trị thực tiễn của hệ thống AI, nhưng so với khả năng chung, chúng tôi quan tâm hơn đến cách đóng gói tiêu chuẩn các thuật toán và kinh nghiệm ngành đã tích lũy nhiều năm, để hình thành các ‘gói kỹ năng công nghiệp’ có thể tái sử dụng, đây chính là lợi thế cốt lõi của chúng tôi.” Ông Gao nhấn mạnh.

Thúc đẩy tiến trình phát triển trong thách thức

Việc ứng dụng hệ thống AI trong các ngành công nghiệp truyền thống đang tiến sâu hơn, nhưng cũng gặp phải một số thách thức thực tế.

“Các bối cảnh công nghiệp phức tạp và mở rộng, các quy trình và thiết bị khác nhau, khiến việc triển khai hệ thống AI chung trong ngành công nghiệp gặp khó.” Ông Gao ví dụ, trong công tác hỗ trợ tạm thời tại mỏ than, có mỏ dùng hệ thống hỗ trợ tạm thời gắn trên xe, có mỏ dùng hệ thống 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, thiếu tiêu chuẩn hóa cũng là các hạn chế lớn đối với phát triển quy mô ngành.

Quan trọng hơn, hệ thống AI công nghiệp và hệ thống AI dành cho người tiêu dùng (To C) có sự khác biệt rõ rệt về khả năng. “Hệ thống AI dành cho người tiêu dùng nhấn mạnh tính đa dụng, các gói kỹ năng có thể tái sử dụng cao; còn hệ thống AI công nghiệp chú trọng vào sự liên kết sâu với từng bối cảnh cụ thể, các thiết bị và quy trình khác nhau thường cần các giao diện và khả năng tùy chỉnh riêng.” Ông Gao thừa nhận, mức độ trưởng thành của hệ thống AI công nghiệp còn chưa bằng hệ thống dành cho tiêu dùng, nhưng chính điều này lại tạo ra giá trị của nó — “giải quyết các vấn đề cứng trong các bối cảnh phức tạp.”

“Do tính phức tạp, đặc thù và mở rộng của các bối cảnh công nghiệp, hiện tại hệ thống AI chủ yếu mới tập trung vào từng giai đoạn sản xuất hoặc các bối cảnh cục bộ. Trong tương lai, cần phối hợp nhiều hệ thống AI, hợp nhất các điểm nhỏ rời rạc thành ‘đội hệ thống AI’, xây dựng các giải pháp hệ thống như quản lý khẩn cấp mỏ, điều độ an toàn, cảnh báo rủi ro, nhằm tạo ra ‘bộ não AI’ thực sự.” Ông Gao kỳ vọng.

Mô hình lớn mỏ của YunDing đã được Hiệp hội Công nghiệp Than Trung Quốc xác nhận đạt trình độ dẫn đầu quốc tế, khả năng của mô hình đã được các tổ chức đánh giá uy tín trong nước xếp vào nhóm hàng đầu thế giới. Tính đến nay, 223 loại cảnh quan AI của YunDing đã được triển khai tại hơn 130 đơn vị sản xuất như China Coal, National Pipeline Network, Anhui North Coal Power.

“Ưu thế của chúng tôi không nằm ở số lượng tham số lớn, mà ở khả năng triển khai thực tế vững chắc.” Ông Gao nói, YunDing không chỉ tập trung vào ứng dụng AI đơn lẻ, mà còn hướng tới quản lý tập trung các loại AI về thị giác, dự đoán, xử lý ngôn ngữ tự nhiên.

Về chính sách, các bộ ngành như Bộ Năng lượng nhiều lần ban hành chính sách khuyến khích sự tích hợp sâu sắc giữa AI và ngành năng lượng, tạo điều kiện thuận lợi cho việc ứng dụng hệ thống AI. Hệ thống AI 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.