穿上防护服，戴好智能手表，坐罐笼沉到地下 840 米，再换乘电机车行走 1300 米，随后换乘猴车前进 700 米，最后还需步行 800 米，才能抵达兴隆庄煤矿采煤工作面。井下的矿工大多时候是一个人作业，在漆黑的矿井里，安全是不容忽视的大问题。

下井，是任何一个矿业大模型绕不开的一课。

2023 年 7 月，山东能源集团、云鼎科技、华为公司在济南联合发布全球首个商用于能源行业的 AI 大模型。2026 年 7 月，云鼎科技正式推出 " 云鼎山海 · AI 原生产品体系 "，云鼎山海 · 矿山大模型落地全国 15 个省份，服务 200 余家大中型企业，累计创收 7 亿余元。

" 模型最终的差异化优势还在于数据，我们积累的正负样本数据，在煤矿行业是最丰富的。" 云鼎科技工业互联网事业部副总经理崔润兴说。

山东能源集团有限公司拥有近 80 座煤矿，几乎囊括了全国煤矿的各种地质条件。百万张井下图像、千亿条生产数据，沉淀成行业高质量数据集。

数据是 " 粮食 "，怎么把粮食做成饭，靠的是一套独创的方法。云鼎矿山大模型采用 " 非正常即异常 " 的训练思路，在相应的异常检测场景中，先让模型把正常状态学熟，再筛查偏离正常的情况，减轻对异常样本的依赖。在训练过程中，建起 " 中心训练、边缘推理、云边协同、边用边学 " 的架构，练就视觉、预测、自然语言、多模态四大核心能力。

懂行的模型，下井就能干活。

在兴隆庄煤矿，巡检员过去要沿着漫长的运输巷道来回查看：皮带有没有跑偏，煤流有没有堆堵，运输途中有没有混入异物。

如今，主煤流运输系统部署了堆煤监测、异物监测等 10 多个 AI 场景，摄像仪把现场画面传回来，模型持续分析，发现异常及时预警。据介绍，该系统可减少现场及巡检人员 18 人以上。

这样的应用如今已在山东能源的各个矿山铺开。万余路井下摄像仪接入 AI 分析，对设备、人员、环境进行实时监测预警，相关场景识别准确率超过 98%，自动巡检效率提升 3 倍以上。

井下还有一些风险，藏在煤岩深处。

山东能源李楼煤业作业面接近地下 1000 米，在这里，地壳压力可能会使矿洞的岩层随时被破坏，必须对岩层进行钻孔作业释放压力，以此预防冲击地压带来的矿洞坍塌风险。

目前，李楼煤业应用的防冲卸压 ( AI ) 监管系统，可以做到作业影像实时传到地面集控室。系统通过识别钻机的位置、钻孔的深度和工人抓取钻杆的位置等要素，再结合提前设置好的参数，自动进行数据分析，判定作业行为是否合格，降低人工核验工作量 80%。

" 使用防冲卸压监管系统之前，我们都是通过人工进行核验，每天需要两到三个人去核实，现在不到两分钟就能够自动识别钻孔的施工情况。" 李楼煤业防冲副总工程师王永说。

重介选煤，是利用悬浮液的密度把煤与矸石分开。悬浮液密度怎么调，过去很大程度上依靠操作人员的经验。原煤成分一变，参数就得跟着调整，人工干预容易带来产品质量波动。

在济宁二号煤矿选煤厂，山东能源利用大模型进行了重介选煤分选密度智能控制系统的建模，这样可以根据入洗原煤灰分、旋流器参数等进行数据预测，推荐出最佳的悬浮液密度。系统运行之后，精煤产率提升了 0.2%，按精煤与中煤每吨 600 元的价差计算，每年可为公司增收约 480 万元。

全国 4000 多座煤矿，条件千差万别，但山东能源近 80 座矿的数据喂下来，云鼎矿山大模型基本都 " 见过 "，再把能够复用的模型能力、开发工具和交付流程沉淀下来，针对新矿井适配、调优，就可以减少重复开发。如今，利用云鼎矿山大模型进行 AI 场景开发的周期从一两个月压缩到一两周。3500 余类场景做成了标准化产品，中小煤矿配一台边缘服务器、装上训练好的模型就能用，工业智能一体机开箱即用。

专家点评

矿井变化不息，模型进化不止

山东大学人工智能学院助理教授 周赢

矿山安全监测需要及时识别异常，但异常情形难以穷举，相关样本也不易获取。云鼎科技打造的云鼎矿山大模型，从现场难题入手的思路，降低了对事先收集各类异常样本的依赖，帮助安全管理人员从大量监控信息中发现疑点、及时核查。

模型投入使用后，能否持续适应现场变化，同样值得关注。通过 " 边用边学 " 机制，一线技术人员和专家对反馈的疑似异常样本进行审核、标注，再用于后续训练和更新。不同矿井的设备和作业条件有差异，把人员判断纳入模型更新，能够为改进识别能力提供依据。在矿山这样的复杂环境中，现场经验应当成为模型持续改进的一部分，这也是这一机制的实际价值。

记者手记

工业 AI 要答对 " 安全 " 题

工业 AI 有一道必须回答的特殊考题：有些事情最好永远不发生，但必须提前学会警惕。而由于严重故障、危险操作出现得少，所以可供学习的异常样本也相对较少。但样本稀缺，并不意味着风险可以忽略。恰恰是这些低频事件，可能带来难以承受的后果。

云鼎矿山大模型采用的 " 非正常即异常 " 思路，回应的正是这道难题：把不同工况下的正常状态学扎实，建立判断的基线，让偏离基线的变化成为可追踪、可核验的信号，再接到具体处置上。

工业 AI 的价值，也体现在这些细小却关键的进步里：少误报一次，早发现一处隐患，让工人少承担一分风险。增产增效可以算账，但保障安全无法用数字衡量。 ( 王瑛琪 )

来源：大众网