别急着让AI做配合比:它真正改变的,不是配方,是去除脏数据+老师傅的经验传承(人工智能系列文章4)

混凝土行业最难传承的，不是配方，是准确的实验数据和判断

一位试验室主任退休那天，交接的是一摞试验记录台账、装订成册的配合比台账和一台工作的台式电脑。

电脑里有N条数据，可新来的主任翻了两天依然答不上来一个问题：去年这个配合比为什么能过，今年同样的材料怎么就压不出强度？

那个答案，跟着老主任一起留在了那张退休的工位上。

一、行业正在变难，很多试验室却还停在多年前

材料越来越多变，市场环境也越来越难做。

需求端在收缩：2025年全国房地产开发投资同比下降17.2%，房屋新开工面积下降20.4%；到2026年1—7月，房地产开发投资同比下降19.2%，新开工面积下降24.0%；2025年全国水泥产量16.9亿吨，同比下降6.9%。

可另一边，客户的要求没有随市场收缩而降低，反而更苛刻：强度要稳，和易性要好，泵送要顺；高温低温要应对，远距离运输要应对；机制砂含絮凝剂、不同水泥、不同矿粉、不同粉煤灰、不同外加剂，相容性都要应对；地下、桥梁、海工、大体积、自密实、高性能、低碳，各有各的要求，最突出的是价格：从南到北C30价格到了160-198元。

法规也在推动变化：现行管理实践要求原材料检测、配合比设计、生产检验、资料留存，并要求根据材料变化对常用配合比及时验证修正；《预拌混凝土》国家标准修订方向已把绿色生产、低碳要求、更多地域性材料和固废材料纳入技术体系。

于是出现一个新矛盾：市场已经从“硅酸盐水泥”体系，进入“大掺合材“体系，甚至“低碳固废胶凝材料“体系，谁能把混凝土做得更稳定、更准确、更经济、更可解释这是这个阶段的新挑战，许多试验室主任正在技术上努力学习，不想停留在原地。

二、先别急着说“经验落后”

经验并不等于落后。

商品混凝土行业几十年高速发展，靠的正是一代代试验室主任、技术负责人和一线试验人员，在复杂的材料与施工条件下积累出的丰富经验。看砂、看石、看浆体状态、看出机状态；摸一把机制砂，大致就知道含粉量变没变；看到某一批水泥，就知道减水剂要加多少；天气一热，知道保坍该往哪个方向调。

这些经验非常宝贵。但问题恰恰在于：它太宝贵，也太容易失传。

三、真正的痛点：每天都在产生数据，却没有积累知识

一个优秀试验室主任二十年的工作，最后可能只留下几本试验台账、一套配合比台账，和大量存在脑海里的判断逻辑。

为什么这个配合比去年可以、今年不行？为什么砂率从42%调到44%？为什么减水剂不是加0.1%，而是减0.05%？为什么坍落度一样，这盘泵送轻松、那盘发黏？为什么标养28天强度都合格，实体强度就是不合格？

记录里往往只有一个结果：调整。至于为什么调整、根据什么调整、哪个因素起主要作用、这个调整能不能迁移到另一种水泥、另一种砂、另一种温度——这些知识，没有被完整保存下来。

于是企业每天都在生产大量的数据，却没有真正积累“知识”。昨天的数据只证明昨天发生过什么，回答不了那个最要命的问题：明天原材料变了，该怎么办，没有形成可复用的技能？

行业缺的从来不是经验，而是让有效数据参与下一次决策的技能模型。

四、 “模型”没有想象中神秘

一谈人工智能很多人先被术语劝退。其实“模型”很简单：把人在现实里经验总结的复杂问题，保留最重要的变量、关系和规律，变成一个可以描述、计算、验证、推演的“缩小版数字世界”。

地图是模型，建筑图纸是模型，配合比设计从来也是模型——区别只在于过去实验室主任做的模型相对简单，今天的计算机通过深度学习允许我们把更多真实因素放进去。

一张逼真的三维图，如果里面没有真实材料参数、物理关系和实验校准，那最多叫“可视化”。真正有工程价值的模型，必须回答五个问题：输入是什么？内部规律是什么？计算边界是什么？输出是什么？——以及最关键的一条：现实试验能不能验证它？

所谓“数字混凝土”，也不是在电脑里画一块水泥颜色的方块，而是为现实中某一盘混凝土，建立一套能描述它的数字状态：用的什么水泥、多少矿粉粉煤灰、砂的级配和含水率、骨料粒型、外加剂配伍、水胶比、浆骨比、坍落度、屈服应力、塑性黏度……它在35℃下运输60分钟会怎样？浇进钢筋密集的构件能不能填满？28天强度多少？十年、五十年后，在氯盐、碳化、干湿循环里会怎样？

这些问题如果能逐层被描述，一盘混凝土才算有了真正的“数字世界”。它不是单个配方生成器，而是一张互相咬合的模型网络：原材料连骨料，骨料连浆体需求，胶材连水化与性能，再进入流变、进入CFD，硬化状态进入细观模型，再向构件和结构尺度传递——试验结果出来又反过来校准前面的模型。一环扣一环，物理世界和数字世界的“孪生”才有意义。

五、从“事后纠偏”到“事前预演”

过去做配合比，大多是：出问题—调整—再试—复盘总结。

数字化的目标，是把这条链变成：发现材料变化—建立新状态—模拟多个候选方案—筛掉明显不合适的—只对少量方案做试验—用结果校正模型—再进入生产。

差别在哪？一个是从“感觉应该这样调”，变成“系统能解释为什么这样调，还能提前比较五套方案”；一个是把大量技术活动从“事后纠偏”挪到“事前推演”。

关键不是炫技，而是“预演”两个字。这，才是数字化真正值得花钱的地方。

六、 别把AI捧成神，他是实验室主任的技能助手

必须说清楚：模型并不天然比经验准确。一个错误模型，加上错误数据，只会得到一种很危险的东西——“看起来很精确的错误”。

所以真正值得追求的，从来不是“电脑一定比老师傅准”，而是把老师傅脑海中的判断，和材料机理、物理模型、历史数据、实验验证，一起放进一个能不断校正的系统里。系统给出建议，仍然要由人来复核、来拍板。它替代的是重复性计算、反复试配和数据整理，是实验室主任技能的延伸。

行业真正的门槛，从来不是会不会算一个配合比，而是当材料、环境、要求全都变了的时候，有没有人能说清楚“为什么这么调”。

把老师傅脑子里的判断，变成企业自己长出来的、可传承的能力——这件事，比任何一张新配方都值钱。

欢迎感兴趣的砼友9月18-20号到“广州国际混凝土博览会201A10-7展位”扫码体验

或致电：198 5352 5089（微信同号）深度探讨交流。

编辑：宋鹏霞

策划：宋鹏霞

审核：郭文华