提及煤矿，很容易令人联想到矿工的满面乌黑、“闷热”“潮湿”的工作环境、甚至时而发生的矿难……在过去，这是众多煤矿的真实现照。然而如今，一切正在变化，变量则来自于“AI大模型”。

自ChatGPT带火整个AI赛道后，国内大模型如雨后春笋般出现。据不完全统计，目前国内已有93个大模型公开发布，逐渐形成“百模大战”之势。

以ChatGPT为代表的通用多模态大模型在问答、写作、作诗方面展现了“惊艳”的一面，但随着市场回归理性，人们不禁要问：大模型除了聊天、创作外，还能干些什么？

截至目前，已经有不少科技巨头将目光投向B端。华为近期发布了“不作诗，只做事”的盘古大模型3.0，聚焦行业场景、垂直领域；曾经试图对标ChatGPT的百度文心一言也将视线转移至能源、汽车制造等领域；腾讯云也试图做行业大模型解决方案。

近日，中国基金报记者实探了位于山东西南部的多处煤矿。其中最深的矿井位于菏泽市巨野县的新巨龙煤矿，其开采深度达到810米至950米，这有如将全球最高楼迪拜哈利法塔向下倒砌。

而记者在实探的掘进工作面位于地下约850米处，乘坐罐笼（矿井中的升降电梯）下到矿底，足足需要三分钟时间。而在暗无天日的矿下驻足数小时，时间仿佛都在加速。

值得注意的是，先于记者下矿井的，还有AI大模型。那么，AI大模型如何在地下超800米之初，改变煤矿人的作业方式？如何与矿山开采发生“化学反应”？

大模型如何在矿井下运行？

“在我刚毕业的时候，煤矿每年的事故率在5%左右，矿工一直是高风险工种，”山东能源党委常委、副总经理刘健对记者坦言。在他看来，“如何留住人”一直是煤矿企业需要解决的棘手问题，如何让更少的矿工面临高风险，是行业内部重点研究探讨的问题。

通过何种方式可以让更少的矿工下到矿井中？如何让井下工作时间缩短？

记者日前实地走进了新巨龙煤矿，该矿是山东能源鲁西矿业旗下主要煤矿之一。新巨龙煤矿于2004年6月份开工建设，2009年底投产运营，矿井核定生产能力600万吨/年，保有资源储量10.8亿吨。据工作人员透露，该矿至少还可开采47年之久。

记者换上矿工的装备后，乘坐罐笼经过近3分钟下到地下约850米的矿井内。随后，记者又换乘通勤车在如地下迷宫般的隧道内穿梭。

从出罐笼到抵达掘进工作面，通勤车足足开了约半小时。据新巨龙工作人员介绍，这段车程行驶距离超过10公里。很难想象，在超800深地下，还盘踞着如此庞大的地下网络。而下车后，仍需要步行数百米，才能真正达到掘进工作面（如图），整个过程犹如“地心历险记”。

不过，与想象中不同的是，矿井中并没有出现粉末飞扬的场景，相反是一系列设备井然摆放。整个路程中，仅看到为数不多的几位工作人员作业。同时，每隔一段距离就能看到摄像设备、无线基站等设备。

据新巨龙煤矿副总经理牛永明告诉记者，国内煤矿的煤层普遍较深，开采难度相较于国外难太多，“比如在澳大利亚，多数煤矿是露天矿，完全不需要下地采掘。”

据他介绍，在深入地下的煤炭采掘过程中，冲击地压是造成煤矿塌陷最主要因素，是需要防范的最大风险。而中国是世界煤炭行业受冲击地压影响最深的国家之一。

如何化解这一风险？钻孔卸压工程成为冲击地压防治的主要手段。记者在现场也观察到，钻孔机器是掘进工作面所必备的设备。

上述人士介绍，在采煤过程中，岩体应力猛烈释放会导致事故，通过对岩壁打孔产生一定空间，可以令岩壁压力向孔内释放，从而避免向采煤隧道内挤压。因此，在卸压钻孔施工时，人员操作不当，比如深度不够、角度错了等，会影响卸压效果，继而导致安全隐患甚至事故。

其中，钻孔深度是防冲卸压工程最关键的参数之一。记者在钻孔卸压工作面观察到，钻孔机器上安装着高清摄像设备以及其他相关传感器设备。据牛永明介绍，AI大模型可对钻孔施工情况进行实时监测，可实现钻孔深度自动核验、孔深不足及时提醒，避免漏检、迟检，减少人工核验工作量。

“过去，我们在检查矿工作业的规范性方面，通过执法记录仪对打钻的全过程录像，录像完成后再带出矿井，再由专人对视频进行核查，也就是说视频现场如果拍了一个半小时，那地面上的人就要看一个半小时，非常耗时耗力，”新巨龙煤矿防冲中心主任贾海滨直言。

而大模型下地之后，地上工作人员通过AI大模型视觉识别能力来识别矿工是否打钻达标。据记者随后在地上指挥中心观察，盘古大模型通过前期学习，可以准确识别包括矿工、设备在内的各种井下物件。当矿工操作不规范时，可第一时间作出提醒，极大降低了沟通的时间成本，同时降低了防冲工作风险。

据贾海滨透露，“过去一个钻孔卸压小组需要14-16人左右，而现在仅需要4-5人即可。而在地面，1位地上人员可以监测5、6个工作面场景。”

他介绍，用了AI识别后，一是增强了实时性，从之前隔天核验到现在现场完成核验，卸压孔深度不足时系统及时提醒，冲击地压监控中心可实时查看井下工程施工情况，发现问题及时整改。二是减少了人工核验工作量，从之前人工审核一个卸压钻孔耗时15分钟到使用AI后人工审核时间降低到3分钟，降低人工核验工作量80%。

大模型赋能产业的缩影

记者在新巨龙煤矿矿井中所见的景象，也仅仅是大模型运用于采矿工作场景之一。大模型另一个场景是选煤环节，选煤过程中避免粗颗粒物进入介质回收环节，是保证选煤效果的关键因素。

记者李楼煤矿看到，为解决“跑粗”发现不及时难题，该矿通过在稀介桶内加装截粗装置和摄像仪，在边缘推理设备上部署AI模型，实时分析截粗装置上的粗颗粒物堆积情况，及时告警提醒，同时推送证据图片，以帮助巡检人员处置，降低工人劳动强度，从而提升选煤效果。

李楼煤矿同样是山东能源鲁西矿业公司权属矿井之一，这里优质稀缺炼焦煤地质储量达10.8亿吨，可采储量1.78亿吨，年核定生产190万吨。

另外在鲍店煤矿，该矿也全工艺段采煤机记忆截割、液压支架自动跟机、自动找直、时序自动放煤、煤流智能调速、运输机自动张紧和断链保护等功能保持常态化运行，极大改善了职工作业环境，提高了矿井安全保障水平。

而上述AI大模型之所以能够“下矿”，要得益于山东能源、云鼎科技依托华为盘古矿山大模型的开发。据华为煤炭军团CEO蒋旺成透露，盘古矿山大模型主要涵盖采煤、掘进、主运、辅运、提升、安监、防冲、洗选、焦化9个专业21个场景应用。

在细分领域，包括劳动保护用品穿戴规范性监测、人员乘坐架空乘人装置规范性监控、人员误入危险区域及关键岗位行为状态监护、煤矿限员AI监管分析等也均是大模型“发热”的场景。

那么，大模型何以能在煤炭行业落地？用蒋旺成的话说就是，“智能化程度越低、人员需求越大的行业，往往是AI大模型赋能空间最大的行业。”

在煤炭行业中，不少煤矿早期采用传统的人工巡检方式，作业现场多是高温、高危、粉尘、潮湿等恶劣环境，初期采用摄像头远程监控系统，但是需要大量的人力来观看视频发现异常点，且无法完成海量视频异常标注和识别。

在山东能源党委常委、副总经理刘健看来，煤炭行业最应该实现智能化，让机器设备代替人工。他认为，作为企业而言，希望借助大模型视觉能力实现皮带运输、防冲泄压、人员安全、流程合规检查等场景的智能化监测和识别，以大幅降低人力监测工作强度。

早在2020年2月，国务院八部委联合下发了《关于加快煤矿智能化发展的指导意见》，明确要 求将人工智能、工业互联网、云计算、大数据等新技术与现代煤炭开发利用深度融合。

而在2022年8月，科技部发布《关于支持建设新一代人工智能示范应用场景的通知》，明确提出促进人工智能与实体经济深度融合和支持以智能矿山等为代表的新一代人工智能示范应用场景工作。

实际上，政策接连出台也为大模型“下矿”提供支撑。据了解，山东能源在国内外共有85处煤矿。自2021年以来，该公司已投入100多亿元进行矿井智能化建设，建成了133个智能化采掘工作面、24个5G+智能矿山应用场景，9处国家级智能化示范矿井全部通过验收。

根据规划，“十四五”期间，山东能源还计划投入资金300亿元，建成一批多种类型、不同模式的智能化矿井。“目前集团已建成300多个智能化采煤工作面，智能开采产量占比超过80%。煤矿智能化工作开展以来，累计减少井下作业人员1.2万人，”刘健表示。

值得一提的是，大模型能够实现“下矿”，合作模式也是不容忽视的环节。早在2022年1月，山东能源、云鼎科技、华为三方联合成立了联合创新中心，三方依托盘古大模型建设了人工智能训练中心，实现了中心训练、边缘推理、云边协同、边用边学。

换言之，山东能源提供商用场景、华为提供盘古大模型的底座，而云鼎科技基于盘古大模型底座，承接人工智能训练中心场景落地任务。实际上，该模式也给市场提供了一个大模型商用路径的模板。

在华为方面看来，能够拥有落地场景作为试点平台，对于大模型产业落地至关重要。蒋旺成对记者直言，过去阻碍大模型商用的最大阻力其实是两端存在难以突破的隔膜，即“打造大模型的科技类公司了解大模型，但却对商用行业不甚了解；而商用的行业人士对所处的行业了解，却不懂大模型”。

头部玩家才能享用大模型？

随着市场对于大模型的态度日益理性，能否应用落地并且具备商业化能力，逐渐成为检验大模型成功与否的标准。业内普遍认为，不同于传统C端消费互联网，B端产业才是大模型的主战场。

此前，华为盘古大模型已经明确表示“不作诗、只做事”，而曾经试图对标ChatGPT的百度文心一言也将视线转移至能源、汽车制造等领域；腾讯云宣布做行业大模型解决方案；科大讯飞的星火认知大模型也将包括汽车、教育作为“降落点”。

浦银国际一份研报认为，行业大模型或成为衍变趋势。该机构认为，未来大模型会进一步分化为通用、专用和特定场景，通用大模型并不能解决很多企业的具体问题，而模型的大小，主要还是取决于企业用户的自身需求，企业的大模型应用需要综合考虑行业专业性、数据安全、持续迭代和综合成本等因素。

不过，从目前来看，AI大模型在B端商用仍处于在探索阶段的初期，仍面临许多亟待解决的问题。以煤炭为例，当前能够为AI大模型提供商用试验场所的，局限于行业的大型头部企业。

首先，盘古大模型之所以能够“下矿”，一个不容忽视的前提是山东能源前期投入大量财力物力，已经初步完成其煤矿的“数字化改造”，并能实现数据互通。简而言之，便是数字化改造“第一步”，大模型上路“第二步”。

“我们曾经遇到一处煤矿，井下就有超过20种系统，操作起来非常复杂，”华为矿山军团一位相关负责人对记者直言。该人士所提及的矿井中，设备所使用的基本国外厂商系统，均处于封闭状态，互不通信。而且外方供应商非常强势，并不开放数据接口。在这种状况下，AI大模型稳定运行几乎是“不可能完成的任务”。

在记者采访过程中，新巨龙煤矿方面也侧面印证了上述说法。据新巨龙煤矿相关负责人透露，在数字化转型过程中，曾面临矿山、装备和通信数据编码不统一、通讯接口不兼容、传输协议不开放、系统集成难度大等突出问题。“光打通数据接口，实现数据共享就花了两个月时间，”该人士称。

而且，据其透露，要实现大模型运行，底层生产系统的基础条件要具备。比如，需要的传感器要齐全，要使用高可靠性的装备；在架构上，按照工业互联网架构来设计信息化系统。

事实上，仅仅是完成数字化改造，便需要耗费大量财力物力。从国内企业已推进数字化转型所处的阶段来看，大多数企业还处于转型初级阶段，已完成数字化转型的企业为数不多。

也就是说，目前来看，将大模型实际运用于商业场景，更像是头部玩家的“游戏”。

在业内看来，煤矿智能化建设本身是一个极为复杂的系统工程，面对复杂的自然环境，想要真正实现智能化非常困难。在记者采访的多位人士看来，要真正全面、系统实现智能化升级，还需从网络、平台、标准、人才培养等多个领域统筹兼顾、协同推进。

华为方面也提及，目前AI大模型在行业中落地过程中，各项参数目前缺乏明确统一标准，“比如大模型的判断，精确到什么程度，目前是根据各个试点企业实际需求出发。”该人士也提及，未来需要更多企业加入进来，便会逐渐形成生态，行业标准设定才会进一步规范。不难看出，AI大模型的行业落地长坡厚雪。

本文源自：中国基金报