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