中国智能化的另一面:AI 第一站在矿山

深耕本土产业，读懂中国智能底色

回望十年变局，见证产业智能升级

聚焦微观众生，勾勒智能发展全景

记录科创坚守，看见温热智能中国

从新疆到云南，坐上十万座大山

秋天，如此遥远的群狮，相会在飞翔中

飞翔的祖国的群狮， 携带着我走遍圣火燎烈的城邦

如今是秋风阵阵，吹在我暮色苍茫的嘴唇上

——海子《秋天的祖国》

前不久有个朋友跟我说，他去了全国顶级的 AI 展会，但逛了一整天之后觉得没什么意思。在他看来，参展商不是做大模型的就是做机器人的。但是上百家企业都做大模型，不能说是千篇一律，也基本上是毫无差异。展会上的这些厂商，即使就站在友商面前，也很难说清彼此之间的差异到底是什么。所有AI 厂商都说自己擅长长文本、会多模态，而所有机器人都在展示自己可以这么笨拙，也可以那么笨拙。

朋友问我：“这样的 AI 到底改变了什么呢？”我想了想说：“问题的关键或许在于我们经常会把供需关系弄反。无论是展会还是新闻媒体，都在向我们展示 AI 技术在研发环节的这一面。但研发侧的技术突破本来就不可多得，而真正能发挥 AI 价值的本就应该是应用的那一面。如果我们把目光投向应用 AI的地方，比如说矿山，或许就能发现 AI 究竟改变了什么。”

过去几年，我们见证了 AI 就像爬山虎一样沿着矿山向上攀爬。当然了，按理说矿山的方向应该是向下才对。每过几个月，智能矿山就有明显的变化。如果间隔一两年再来看这个领域，甚至可能会有天翻地覆之感。而 AI 能向上爬的动力，就是发现问题和解决问题。“问题意识”和“解决动力”形成了 AI与行业结合的发展链路，这正是智能矿山血肉疯涨的原因。

早在 2015 年，中国就开始探索“有人巡视、无人操作”“可视化远程干预”等智能采煤模式。2017 年至 2018 年，矿山行业已经开始进行融合 AI 技术的试点工程。2020 年，国家八部委发布了《关于加快煤矿智能化发展的指导意见》，以煤矿智能化为代表的矿山智能化进入全面加速阶段。以这个进展效率横向对比的话，会发现矿山的智能化进度早于金融、医疗、教育等行业。从各种意义上来说，中国的矿山都是 AI 与产业结合的第一站。

为什么矿山能率先拥抱 AI ？核心原因在于矿山急需解决的问题特别突出，全行业都有解决这些问题的动力，而在解决问题的过程中，AI 又恰好展现出了不可替代性。二者相撞，才让矿山有魄力和动力做第一个吃螃蟹的人。

AI 与矿山融合的开启，发轫于井下识别。前面我们说过，不下矿就是矿山最大的安全。但在传统的矿山开采业务中，需要有大量非开采人员下矿，他们的主要职责是巡检监督。如果能把这部分人力省去，那么不下矿的目标就将大幅推进。为了解决这个问题，最开始的方式是在井下安装大量摄像头。但新问题随之而来：监控视频需要组织大量人力来进行实时查看，并且处置的时间周期较长，错判漏判几率也比较大。

就像前文所说，AI 技术的目标是让机器模仿人类拥有的能力，其中识别能力是个关键。深度学习兴起之后，机器视觉识别的准确率与实时性得到了极大提升，而这种能力恰好就是矿山所迫切需要的。AI 落地矿山的第一站，就是用机器识别算法来解决对工作人员的识别问题。比如说，最早矿山所采纳的AI 能力包括对矿车违规载人、矿工安全帽佩戴情况、危险区域人员闯入、调度人员睡岗离岗、矿区违规抽烟等行为进行实时监测。通过矿区的摄像头，AI算法会识别违规行为并上报成告警信息。接到 AI 生成的告警信息后，矿山管理中心可以实时进行反应，采取应对措施。这样一来，在矿山安全能力得到提升的同时，下矿人员规模还得到了有效缩减。

很快，矿山针对待解决的问题与 AI 的能力，开始了新一轮的思考：既然AI 识别人是没问题的，那能不能干脆让它识别矿石呢？这就引出了以煤矿为代表的 AI 进矿第二站：AI 选煤。

在煤矿开采之后，所得到的原煤中一般有 15% 到 30% 的矸石，这些矸石需要就地废弃。如果把矸石也输送到井上，会导致大量的履带运力被浪费。这种现象在煤炭行业中被称为“粗跑”。识别粗跑原本需要人工在履带上进行巡检，这种方案错误率高，并且又会造成井下工人数量的增加。而采用 AI 来识别精煤和矸石就能有效减少井下工人的数量，并对每次识别进行有效的证据留存。比人眼更快更准的 AI 选煤，很快就成为主流的选煤方案。我们曾经采访过陕西榆林的一家煤矿，他们在当时通过 AI 选煤打破了此前选煤厂的月洗选量记录，实现了接近 2000 万元的年度创收提升。

在这些基础应用稳固之后，矿山还希望从 AI 中获得更多。能否让 AI 在识人、识煤这些替代人工的工作之外，完成更多人工无法实现的任务呢？这种想法产生之后，AI 与矿山的结合进入了第三个阶段，即依靠 AI 来提升矿山的生产力。这个领域有许多案例，但依靠 AI 来实现冲击地压的识别与预防应该是比较有代表性的一个。前文我们说过，冲击地压是造成煤矿塌陷事故的主要原因，也是矿山需要防范的最大风险。而中国则是受冲击地压影响最严重的国家之一。

预测和预防地压冲击有很多方法，在矿井内钻孔卸压是主要的防治手段之一。这种方式的核心是在矿井岩壁上进行精准钻孔，从而释放岩壁中积累的压力，避免其向矿井方向挤压。但钻孔卸压需要非常精准的操作，并且需要对施工方案有很好的预判。角度错误、深度不足或过大都有可能适得其反，造成矿井的安全事故。AI 技术在这个过程中，可以学习卸压的历史参数，并与井下摄像头、传感器相结合。同时通过观察工人的施工过程，将矿山行业经验与地质知识、井下实时数据、工人操作过程结合起来，形成一双井下的 AI 之眼，从而发现原本人工难以察觉的安全隐患，实现智能化的施工指导。

在 2022 年大模型兴起之后，AI 带给行业的技术馈赠突然倍增。而此时已经吸纳了大量 AI 技术，并从中广泛受益的矿山，又顺理成章地成为大模型落地的行业第一站。经过此前的技术试探，矿山逐渐发现了应用 AI 的一个问题，那就是以识别能力为主的单一场景、小模型 AI 方案过于分散。在实践中往往存在每加一个 AI 能力，就需要花费大量成本来重新训练和部署新的模型，或者一个矿井中训练的模型，想要复制到其他矿井中就需要面对高成本的重复训练等问题。

这就导致所谓的智能矿山变成了一个个“小作坊”，每个碎片化的应用场景都需要单独完成模型选择、数据处理、模型优化、模型迭代等一系列开发步骤。每次开发的数据与模型资产都很难重复利用，并且高度依赖有经验、有能力的 AI 人才。在应用 AI 下矿山的初期，智能化解决方案的供应商为了拓展市场，愿意让自身的人才深入矿山、打磨技术。但这些人才不会长久留在矿山，此后，矿山还是会面临人才匮乏的问题。

而大模型的技术特点，恰好就是模型精度高、泛化能力强、可复用性高。既然小作坊模式的逐个打磨难以长久，那正好可以让大模型来实现智能矿山的“工业现代化”。此阶段的一个代表性案例是我们持续关注的山东能源集团（以下简称“山东能源”）、云鼎科技股份有限公司（以下简称“云鼎科技”）与华为技术有限公司（以下简称“华为”）合作的大模型下矿项目。该合作链条中，华为提供的盘古大模型作为 AI 基座，云鼎科技将其打造为矿山行业所需要的解决方案与服务，山东能源则提供了广泛的应用场景。这一组合成功实现了盘古大模型在矿山领域的首次商业部署。2023 年，其合作开发的盘古矿山大模型首次公布了在矿山领域涵盖采煤、掘进、主运、辅运、提升、安监、防冲、洗选、焦化等 9 个专业 21 个场景的应用。2024 年 5 月，山东能源集团“矿山人工智能大模型研发及应用”项目通过了由中国煤炭工业协会组织的科技成果鉴定，达到国际领先水平。

在山东能源的 AI 标杆煤矿兴隆庄煤矿，我们目睹了大模型应用为煤矿带来的一系列改变。比如原本恶劣环境下的每天巡检变为了 AI 辅助下的每周巡检，智能化的焦化配煤将原本需要配煤师一到两天完成的工作缩短到了分钟级，危险区域人员入侵识别的准确率达到了 90% 以上。大模型的推广让矿山 AI 能力的可复制性极大增强。比如在兴隆庄一处煤矿训练的大模型，很快就复制到了山东能源超过 70 处矿井中，让 AI 在矿山间成为可复制、可通用的标准化技术基座。

2020 年之后，基于 AI 技术的矿山智能化在中国进入了真正意义上的高速发展期。以煤矿为代表的矿山行业，也成为全国第一个完成深度智能化变革，且于行业内部实现可规模化复制 AI 方案的领域。仅就我们采访过的案例而言，陕西的红柳林煤矿通过视频巡检、远程集控、智能工单派发等 AI 技术应用，实现了检修效率提升超过 30%，井下综采作业人数降低了近一半。山西的晋控集团通过 AI 实现了对大块煤、锚杆等异物的识别准确率达 98%，对作业动作规范识别准确率超过 95%，并推动了井下少人、无人的转型。

伴随着矿山智能化建设的推进，相关经验逐步受到国家重视，并从政策层面获得战略性肯定，推动相关经验得以复制推广。即使是在矿山行业中被认为开采最简单、技术最初级的砂石矿山，也已经能够看到广泛的智能化应用。这在全球范围内都是极为罕见的。

2023 年，山西年产能 180 万吨以上的生产煤矿智能化改造工程已全部开工。这一年，采用智能化方案开采的煤矿产量，已经超过了全省生产煤矿总产能的60%。“减人、增安、提效”的智能化发展目标已在矿山行业中得到广泛验证。而伴随着井下减人，AI 落地矿山还催生了煤矿智能化开采员、煤矿智能化掘进员、矿山 AI 架构师等全新工作岗位。这些工作岗位环境好、待遇高，吸引了大批年轻人来到矿山，甚至重返矿山。在山西的塔山煤矿，矿上的工程师跟我说，自从智能化改造之后，矿上已经见不到任何露天堆放的煤块。优美干净的环境，让那些曾经离开矿山的年轻人又重新回来，在矿上寻找新的机会。

“我们现在穿着西装、打着领带，就能把煤给挖了。”在矿山智能化的各种活动上，从业者经常会说这句话。

这句话究竟是怎么实现的？或许值得千行百业反复推敲和琢磨。