今天小编分享的互联网经验：大模型“下煤矿”，欢迎阅读。
6305 工作面，拍摄于新巨龙煤矿
新巨龙煤矿所在的菏泽市巨野县，因古有大野泽而得名，这里有丰富的矿产资源，尤以煤储量最为丰富。根据巨野县政府官网显示，巨野煤田地质储量 55.7 亿吨，是华东地区目前储量最大、煤质最好的大型整装煤田。新巨龙煤矿隶属于山东能源鲁西矿业，于 2004 年 6 月开工建设，2009 年 11 月正式投产，核定生产能力 600 万吨 / 年。据工作人员介绍，目前新巨龙已实现产值 400 万吨 / 年。
井下 800 米深处，在纵横交错的巷道里小巴车行驶约半小时，再步行数百米，钛媒体跟随新巨龙的工作人员，终于达到正在生产的 6305 工作面。
井下实际已是另一番天地：除了开采过程中常见的粉尘、噪音、高温等常见问题，以煤矿冲击地压为代表的灾害危险，要求新巨龙煤矿必须严格把控。
这其实是煤炭行业的世界性灾害，中国也是受冲击地压影响最深的国家之一。一百多年前，国际上就已经开始有针对冲击地压的研究工作，直到如今，国内外都曾提出多种理论或方法，包括用最常见的钻孔卸压措施，目的就是为了防治深井煤矿挖掘所带来的冲压问题。
据新巨龙煤矿副总经理牛永明介绍，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。
这进一步对冲击地压的技术管理体系和防冲工作流程设计提出了非常高的要求。
摄像仪捕捉到卸压钻孔施工画面
井下，在钻孔机器周围，安装了高清无线摄像仪，替代之前的执法记录仪进行现场拍摄，拍摄到的监控视频得以实时清晰上传到井上集控中心的冲压地质预警平台，同时，施工计划管理、识别结果查询、施工深度核验、施工数量统计等数据一目了然。
新巨龙煤矿防冲中心主任贾海滨介绍，过去，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。
如果能够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。AI 对大量视频素材进行学习，训练好的模型可对卸压钻孔施工质量（例如钻孔深度是防冲卸压工程最关键的参数之一）进行识别和智能分析。得出的结果，将辅助防冲部门的工作人员进行防冲卸压工程规范性验证，当孔深不足时，可及时进行声光告警。
新巨龙公司集控中心
从成效上看，不仅极大降低人工审核的工作量，且原本需要 3 天的防冲卸压施工监管流程，缩短至 10 分钟以内，进一步提高了卸压钻孔的施工质量。
煤矿，怎么创新
有必要一提，新巨龙煤矿所属的集团部門——山东能源，在全国其煤炭产值一直属于第一梯队。不久前，在山东能源与华为联合举办的 AI 大模型商用活动上，还有其兄弟部門、煤企同行、行业院校等各界机构。
山东能源董事长李伟在致辞中谈到一点：在矿山智能化建设领網域，山东能源落实国家《关于加快煤矿智能化发展的指导意见》，累计投入 100 余亿元，建成一批国家智能化示范煤矿，智能开采产量占比超过 80%。
对于智能化带来的人员安全水平的改善与设备成本效能的提升，山东能源投入了很多，也摸索了很久。
山东能源集团信息化中心副主任徐加利指出，2019 年 6 月，山东能源开始了人工智能技术在煤矿井下的应用。尽管有所收效，但开发和应用的过程存在挑战。
" 比如算法精度低，负样本无法穷举，算法通用性差，数据出园存在安全性风险，人才储备不足等。尤其是算法通用性上，一个工作面上训练好的模型，到了另一个工作面没办法直接用。"
为此，山东能源曾希望能够从根本性上解决这个问题，实现人工智能开发模式从作坊式到工厂式转变，将一套可复用的算法模型流水线应用到各种不同的场景，减少专家的干预和人为调优的消耗，降低人工智能开发门槛和时间周期，实现快速规模复制推广。
2022 年初，山东能源、云鼎科技和华为成立联合创新中心，共同研发解决方案，以解决智慧矿山建设存在的问题。在经历了长达 4 个多月的能力验证后，基于盘古大模型的 AI 视觉识别技术，通过实际场景验证，在模型的泛化能力和准确性都有了提升。2023 年 1 月，双方决定建立人工智能训练中心，形成人工智能管理和运行体系。规划上，前期试点验证 AI 大模型赋能工业生产领網域的基础上，正在开发和实施首批场景应用，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。除此之外，还联合研发了惯导找直、视频拼接、单兵装备等多项解决方案。
上述提及的防冲卸压施工监管系统，仅是在防冲环节的一项场景应用。在此之前，双方就已经总共探索了 1000 多个场景，最终梳理出 300 多个核心场景。
据山东能源集团总经理助理王立才披露，首批 21 个场景，会基于投入产出比即高价值场景进行优先级进行判定，同时也会结合现场条件，如果现场生产系统暂时并不具备，需要进一步更新。
在人工智能训练中心，华为构建了集团中心云和煤矿边缘云两级架构，中心云负责经营管理、数据共享、AI 开发、训练和模型管理；边缘云用于 AI 推理，并结合推理结果进行生产管理。
依托于云与数据底座的盘古大模型，实现了 " 经营管理与智能生产分离 "" 数据不出园区 "" 支持规模复制 "" 学习分析小样本 " 等能力特征，将 AI 边用边学与专家经验相结合，不断迭代训练和更新模型，同时结合 " 非正常即异常 " 机制，有效降低异常样本采集难度、节省模型训练工作量。
华为提供的智能矿山解决方案架构
目前华为基于工业互联网架构，在终端侧、网络侧、应用侧提供产品和解决方案。在终端侧引入矿鸿作業系統注入煤矿装备，在统一架构下实现所有矿山设备数据采集的互联互通；在网络侧将 ICT 技术融入矿山工业承载网，包括 5G 切片、光通信等技术，解决网络部署及应用扩展问题；在此基础之上，进一步推动人工智能等应用层的创新。
事实上，华为在矿山领網域的解决方案是建立在工业互联网平台架构上，在工业制造领網域很常见，但怎么在一个陌生的传统能源行业落地，却颇需要些不可替代的独特性。
" 非正常即异常 " 的创新就是在煤炭行业的实践中总结而来的。
根据华为煤矿军团解决方案总裁蒋旺成的解释，在煤炭行业，异常的场景层出不穷，样本数据收集难度大，非正常即异常则是让模型学会识别正常环境，对异常环境进行判别。只需少量样本，即可快速提升识别精度，且通用性好，支持规模复制。
整体来看，华为的逻辑是提供一套技术底座 + 方法论并存的方案，山东能源集团在组织、政策、应用场景上积极配合，云鼎科技具体运营和迭代。这种合作方式下，云鼎科技不仅打造了一支百人的 AI 团队，拥有了一批可推广的 AI 产品方案，以及实用性强的联合创新成果。
更多难题
虽然国有矿井的智能化程度已经开始走在前列，但现阶段全国仍然有大大小小的 4400 处煤矿（根据《2022 煤炭行业发展年度报告》），减人提效、降低劳动强度、提高安全水平等智能矿山政策在强调的目标，现实依然十分骨感。
与新巨龙智能管理中心副主任田慧的井下交流，钛媒体了解到，其实新巨龙煤矿尚未达到想象中的智能矿山，目前可能更多在更易开采、安全系数更高的地区可见。但煤矿环境依然复杂，这意味着，许多危险的场景现阶段依然需要人力手段，并没有、也无法最先一步实现智能化技术改造。这看似是个矛盾，但也是事实。
另一方面，智能矿山建设本身是一个非常复杂的系统性工程，涉及 " 人、机、环、管 " 等诸多方面，系统之间存在着开采工艺、设备、人员等复杂耦合关系，这个过程少不了各界产业链下游合作伙伴的支持，而不是各自为战。
中国煤炭工业协会会长梁嘉琨指出，煤炭行业是极其特殊的行业，300 万煤矿工人常年奋斗在井下，现在安全状况并不乐观，煤矿的开采条件也日益复杂。煤矿工人需要体面的工作，品格和奉献的精神需要得到社会关注。
对于华为而言，两年前，煤炭军团汇集了从基础研究、研发、销售到交付的各类专家。最早，华为煤炭军团与神东煤炭集团成立联合创新项目组，以解决矿山安全问题，到如今在新疆、内蒙、甘肃、山西、陕西等全国各地的实践。从 5G、WiFi6、矿鸿，再到如今的矿山大模型，华为煤炭军团以 200 人左右的小规模队伍快速拓展、持续迭代，正一点点影响全国矿山智能化的发展面貌。
结合盘古大模型的进化路径，华为主要精力会投入在 L0 和 L1 阶段，不断提升基础大模型训练参数，同时也会结合行业知识数据训练行业大模型。这种模式极大增强了 AI 在产业商业化落地的可行性，也将技术难点以更细颗粒度拆分化解。
" 没有人能提前预知大模型在矿山真正有用，我们只知道大模型技术很好，但这能不能解决矿山生产的问题也是未知。" 华为煤矿军团 MKT 与解决方案销售副总裁陈文丰指出，" 其实这样一个探索创新，类似于 DevOps 不断迭代、试错，再迭代的机制。"
（本文首发钛媒体，作者 | 杨丽）
