煤炭，这看起来与你有些遥远的矿产，却为我们的生活运转提供着动力。它能用于燃烧发电，得以让我们在三伏天躲在凉爽的空调房内。它也可以用于生产化肥、合成纤维、合成橡胶等，转化成日常会用到的各式化工产品。

我们的生活离不开煤，但开采煤却并不简单，从下井、挖煤，再将煤运输回地上，这整个过程中将会遇到各式各样的难题。

2023年7月18日，山东能源集团、华为公司联合发布全球首个商用于能源行业的AI大模型——盘古矿山大模型，预计这个AI大模型能解决采煤中的各种技术难点。

成功采一次煤矿，究竟有多难？盘古矿山大模型，又将能给能源行业带来哪些改变？

01

采一次矿，有多不容易

国家统计局的数据显示，2022年中国总共消耗了54.1亿吨标准煤，占到了整体消费总量的56.2%。

占据能源消费总量一半以上的煤炭，开采起来，却并不容易。

采煤，可不只是简单的在地表剥离覆盖的岩土后挖出就行，当矿床埋藏地表以下很深时，矿工需要深入到地下开采。全世界最深的地下矿山——姆波尼格金矿，深度达到地下4000多米，中国也有不少矿山设计深度在千米以上。

想要成功在地下几千米穿梭，得先完成多个复杂环节。首先，工作人员需要先勘探出煤炭的堆储位置，测量出需要开设巷道的位置和大小。确定了位置数据后，将进入掘进阶段，开凿由地表通往矿体的巷道，包含竖井、斜井、斜坡道、平巷等等。

之后，矿工将从这些巷道深入矿区，运用机械采煤机或是爆破的方式，将煤从整体煤层中破落下来，之后将煤装入运输工具中，送至巷道出口，并用机器提拉至地表。进一步的洗选、分离粗煤后，最终就制成了实际使用的精煤。

巷道内的煤矿挖掘机

工序本就复杂，各环节之间还得讲究配合时机。比如为了能维持源源不断的生产，采矿的同时需继续开凿新的井巷，也就是说一边在采上部较浅煤矿的同时，一边还得挖更多巷道通往更深处，而且挖掘新巷道的速度还不能慢于开采速度。

整个地下矿区里，交织成网的各环节得有条不紊地进行，才能保证开矿的顺利。然而，地下的环境充满着未知数，实施各步骤都面临着风险。

地下的煤质松软，矿工采煤时会进一步让地质松动，发生巷井坍塌的状况；若作业时挖到地下水，大量冒出的水可能淹没矿洞；矿洞内超标的瓦斯等气体也易引起气体中毒；除此以外，煤炭本就易燃，再加上作业时多产生粉尘，一旦有疏失，煤炭、粉尘就可能引起火灾、爆炸。

煤矿智能开采试验中心正在举行矿井安全生产技术比武

为了应对这些风险状况，工作人员们会额外增加许多防护措施。比如为了防止塌陷，矿工们在采矿时需要加入“支护”的步骤，也就是在采矿的同时不断安装支撑结构顶住矿洞。针对矿洞内的有害气体，配备的专业仪器会实时监测矿洞内粉尘和瓦斯等有害气体含量。

此外，大量的规范也细致规定了采煤的作业标准，比如《煤矿安全规程》中的750多条细则就对各流程做了详细规范，涉及运输工具间距、掘进开井作业、采矿流程等等，小至工作每个机器的操作、工作人员的服装，都设置了数条需严格遵照的守则。

加强规范性的同时，也让采一次煤变得更不容易。每一次深入地下，都要过五关斩六将，严格重视每一个操作细节，才能安全、成功地采到煤。

02

采煤方式，正在被AI重塑

但是，即使有了各式各样规避风险的措施，采煤也不能说100%安全。而且，防范措施越多，就意味着需要耗费更多的人力、物力来确保监督机制的有效执行，这容易让采煤变得投入多但产出效率难提升。

安全与高效，似乎难两全。直到AI运用在能源行业，采煤方式开始出现了转机。

藉由在采矿机械终端安装摄像头、红外线探测仪等多个传感器获得监测数据，AI能进一步实时监测与智能分析采煤状态信息，提前预警异常状态。

比如，运输过程中将煤放在煤仓时，容易出现存在卡堵、穿仓等安全隐患。若在煤仓上部、下部皮带各安装一台高清摄像仪，采集煤流状态信息，引入AI技术对煤仓状态进行实时监测与智能分析，就能提前预警预报煤仓事故，发出报警信号。

AI能实时监测煤流信息，一旦有异常，就能及时发出报警信号

不只是能实时监测环境、机械，AI也能智能了解员工的行为状态。大部分矿井目前仍不同程度的依赖人工，靠人盯人的方式检查劳动保护用品穿戴规范性、井下各类场所巡检合规性等，人工检查难免会有疏漏，而依靠AI监测，能更高效掌握各个员工的状态。

2022年，山东能源集团旗下云鼎科技依托华为AI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、持续优化的人工智能运行体系和集团管控、煤矿执行的人工智能管理体系，促进了煤矿生产从人工管理到智能化管理的转型。

2023年7月18日，盘古矿山大模型首次商用发布会上，山东能源集团董事长李伟表达了对大模型的期许

盘古矿山大模型可以使用在多个能源开采作业场景中，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个应用场景，包括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、防冲卸压工程打钻深度监管等等。

以防冲卸压工程打钻深度监管为例，传统防冲卸压施工监管时，需要先由工作人员在井下录制视频，再在井上对视频逐个进行人工核验。运用盘古大模型后，就能让专用摄像仪对施工过程动态监管，实时上传视频并进行智能核验，发现孔深不足等状况时，系统将及时进行声光告警。云鼎科技对此实际测试、运用后，发现这能降低80%的人工核验工作量。

李楼煤矿引入盘古大模型对卸压钻孔施工质量进行智能分析，辅助防冲部门进行防冲卸压工程规范性验证

不只是有利于安全监管，盘古矿山大模型也有助于提升生产效率。像是在洗选煤和配煤场景中，相关生产工艺数据输入因素关系复杂，凭人工经验来判断效率低也不够准确。盘古大模型能通过山能厂矿实际数据进行建模，协助解决相关参数准确预测和控制的问题，提升精煤回收率。预期调试稳定后，精煤回收率能提升0.1%～0.2%，尤其在焦化配煤优化场景，盘古大模型可帮助配煤师提升配煤效率，预计原本1-2天的人工耗时可缩短到1-2分钟。

使用盘古矿山大模型后，就能让一些原本复杂、危险的工作交由更智能的AI完成，将人力安置在更核心且低风险的作业环节，从而让采矿变得更安全、高效。

03

能源行业的数字化时代，正加速到来

AI技术并不是第一次使用在能源行业，在盘古矿山大模型之前，能源行业就已经在尝试数字化转型。

但是，以往使用的AI模型通常是小型、分散式的。云鼎科技在使用盘古大模型之前，也曾尝试开发过小型的AI模型，但是这样的开发仅局限在特定的行业场景，加上矿山领域的样本数据不共享，获取大规模数据难，这都让传统AI模型缺乏足够的数据量来深度训练，模型的精度仍不够准确。

并且，碎片化、定制化的算法模型开发模式，不仅开发门槛高，也无法沉淀、累积经验。早期能源行业尝试使用人工智能，就像单个作坊式的开发，难以形成一套可复制推广的经验体系。

使用百亿参数、十亿行业数据来预训练的盘古通用AI大模型，却很好地解决了这些问题。一方面，它具有强大的发现异常样本的能力，能大幅降低异常样本采集难度，节省模型训练工作量。另一方面，针对矿山领域异常样本难获取的场景下，大模型只需输入少量样本，生成的应用即可达较高的识别精度，通过结合边用边学机制，可持续提升识别精度。

据云鼎科技的实验评估，与小模型相比，盘古矿山大模型的识别精度能提升20%左右。

有了盘古大模型，集控中心的工作人员可以更好地监控防冲施工等环节

而且盘古大模型支持规模复制，已训练的模型运用到新的使用场景时，仅需要加入少量数据训练，即可满足商用要求。这样通用性强的大模型，能推广运用至能源行业的各个生产场景中。

高精度的AI大模型能变得真正实用，云鼎科技也在其中做了不少适配调试工作。

深度学习、大量计算需要足够的算力支持。云鼎科技在私有云上建立训练中心，以高额算力为基础，从而能让盘古大模型更快速地计算分析出精确结果。

同时，云鼎科技也开发了人工智能的应用管理平台，并组建多个因地制宜的产品系统，从而全流程管理盘古模型的多场景使用。

云鼎科技CTO王卜堂将这称为闭环管理，从模型的训练，到开发多样的人工智能系统，再到真正落为产品使用在采矿各场景，完成这全流程的闭环，才算是真正让矿业开发完成数字化升级。

目前，云鼎科技已基于盘古矿山大模型打造了各式样的AI运用，全面运用在山东能源集团的能源领域。未来，云鼎科技将开发更多产品，打造工业互联网平台，平台内的数据开放共享，加大数据的应用服务、安全服务，打造一系列的工业互联网技术解决方案。

以盘古大模型为基础，云鼎科技将打造工业互联网架构的智能矿山解决方案

这样的解决方案可以运用在智能选矿、综合自动化、智能运输等等，甚至不只是能源行业，也可以用在化工等多个行业中。山东能源集团将发挥作为产业链“链主”的示范引领作用，围绕产业链部署创新链，通过煤矿行业级人工智能平台实现场景孵化、赋能推广和生态运营，打造数字化的工业互联网创新生态。

云鼎科技基于盘古矿山大模型打造的工业化人工智能生产平台，已成为业界AI转型升级的新方向，能源行业的人工智能使用正加速从以往的“作坊式”，向新型的更具规模、可推广的“工厂式”转变。

在高精度大型AI模型的助力下，能源行业将再一次迎来新的蜕变，这个曾经“看地吃饭”的高风险行业，将迎来更安全的作业环境。挖一次煤，或许将变得不那么难，在高效自动化运转的机器网络下，煤将从地下更快运往各地，加速为这个世界提供源源不断的动能。