人工智能赋能矿山生产智能创新发展

doi:10.12267/j.issn.2096-5931.2025.06.002

信息通信技术与政策 ›› 2025, Vol. 51 ›› Issue (6): 8-14.doi: 10.12267/j.issn.2096-5931.2025.06.002

人工智能赋能矿山生产智能创新发展

AI empowers intelligent and innovative development in mine production

黄树巍¹, 金枫¹, 陈继巍¹, 赵崇岩²

1.北京现代循环经济研究院,北京 100814
2.中国信息通信研究院技术与标准研究所,北京 100191

收稿日期:2025-05-09 出版日期:2025-06-25 发布日期:2025-07-04
作者简介:
黄树巍北京现代循环经济研究院科技发展部主任,高级工程师,主要从事工业互联网、智能装备与技术、智能矿山等研究工作
金枫北京现代循环经济研究院院长,正高级工程师,主要从事无人装备、工业互联网及智能制造技术等研究工作
陈继巍北京现代循环经济研究院执行院长,高级工程师,主要从事新一代信息技术、数字经济、数据要素、未来产业等研究工作
赵崇岩中国信息通信研究院技术与标准研究所工程师,主要从事智慧能源和千兆光网融合应用等领域的技术研究、产业推进等工作

HUANG Shuwei¹, JIN Feng¹, CHEN Jiwei¹, ZHAO Chongyan²

1. Beijing Modern Research Institute of Recycle Economy, Beijing 100814, China
2. Technology and Standards Research Institute, China Academy of Information and Communications Technology, Beijing 100191, China

Received:2025-05-09 Online:2025-06-25 Published:2025-07-04

摘要/Abstract

摘要：

在全球能源转型背景下,人工智能(Artificial Intelligence,AI)技术为矿山行业突破效率瓶颈、实现安全高效绿色生产提供了关键路径。系统分析了AI在矿山领域的应用现状与挑战,指出其当前局限于单场景模型化应用、面临复杂环境适应性差、行业知识壁垒高、数据治理困难等核心问题。通过构建“基础层—技术层—应用层”参考架构,提出了AI赋能矿业的典型场景,包括资源勘探、智能作业、安全预警、设备预维等,促进AI技术与矿山生产深度融合,推动矿山全流程智能化发展,助力矿业向智能绿色可持续方向转型升级。

关键词: 人工智能, 新一代信息技术, 智能矿山, 生产创新, 行业大模型

Abstract:

Against the backdrop of global energy transition, the artificial intelligence (AI) technology provides a critical pathway for the mining industry to overcome efficiency bottlenecks and achieve safe, efficient, and green production. This paper systematically analyzes the current applications and challenges of AI in the mining industry, highlighting its current limitations to scenario-specific models and core problems such as poor adaptability to complex environments, high industry knowledge barriers, and data governance difficulties. By constructing a reference architecture of “foundation layer—technology layer—application layer”, this paper proposes AI-empowered mining scenarios, such as resource exploration, intelligent operations, safety warnings, and predictive equipment maintenance. These efforts aim to deepen the integration of AI with mining production, drive the intelligent development of the entire mining process, and facilitate the industry’s transition toward intelligent, green, and sustainable development.

Key words: AI, new generation information technologies, intelligent mines, production innovation, large industry model

中图分类号:

TD67

黄树巍, 金枫, 陈继巍, 赵崇岩. 人工智能赋能矿山生产智能创新发展[J]. 信息通信技术与政策, 2025, 51(6): 8-14.

HUANG Shuwei, JIN Feng, CHEN Jiwei, ZHAO Chongyan. AI empowers intelligent and innovative development in mine production[J]. Information and Communications Technology and Policy, 2025, 51(6): 8-14.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2025.06.002

http://ictp.caict.ac.cn/CN/Y2025/V51/I6/8

图/表 1

参考文献 26

[1]	孙早, 曹源圆. 人工智能引领新质生产力发展助力现代化产业体系建设[J]. 国际金融研究, 2025(4): 3-14.
[2]	刘海军, 温赞玲. 深度求索DeepSeek:人工智能、技术创新与新质生产力[J]. 当代经济管理, 2025:1-13.
[3]	张友国, 蒋鸿宇. 统筹“双碳”目标下的能源转型与能源安全[J]. 世界社会科学, 2023(4): 121-146, 244-245.
[4]	李伟, 孙希奎. 深地煤炭资源安全高效智能化开采关键技术与实践[J]. 煤炭科学技术, 2024, 52(1): 52-64.
[5]	江鹤, 程德强, 乙夫迪, 等. 新一代信息技术在智能矿山中的研究与应用综述[J]. 工矿自动化, 2024, 50(11):1-16.
[6]	罗锦钊, 孙玉龙, 钱增志, 等. 人工智能大模型综述及展望[J]. 无线电工程, 2023, 53(11):2461-2472.
[7]	杨波, 柯佳明, 王维然. ChatGPT对中国发展颠覆性创新的启示[J]. 科学管理研究, 2023, 41(6):2-10.
[8]	岳颀, 张晨康. 多模态场景下AIGC的应用综述[J]. 计算机科学与探索, 2025, 19(1):79-96. doi: 10.3778/j.issn.1673-9418.2404009
[9]	张新长, 赵元, 齐霁, 等. 基于Al大模型的文生图技术方法研究及应用[J]. 地球信息科学学报, 2025, 27(1):10-26. doi: 10.12082/dqxxkx.2025.240657
[10]	葛智君, 刘梦源, 罗剑武. AIGC的发展与挑战综述[J]. 电子产品可靠性与环境试验, 2025, 43(1):114-123.
[11]	毛自新, 王添. TensorFlow人脸识别技术在采煤工作面的应用研究[J]. 工矿自动化, 2024, 50(S1):78-81,109.
[12]	马祥跃, 杜晓婷, 采青, 等. 深度学习框架测试研究综述[J]. 软件学报, 2024, 35(8):3752-3784.
[13]	STEINER D F, MACDONALD R, LIU Y, et al. Impact of deep learning assistance on the histopathologic review of lymph nodes for metastatic breast cancer[J]. The American Journal of Surgical Pathology, 2018, 42(12):1636-1646.
[14]	孙雨楠, 叶川, 赵东宇. AlphaFold时代的蛋白质相关人工智能算法及其应用[J]. 生理科学进展, 2025:1-15.
[15]	汪勇. 中美金融领域人工智能大模型的比较分析[J]. 国际金融, 2025(3):59-64.
[16]	魏巍, 曾铮, 刘蕾. 从DeepSeek突破看我国人工智能产业创新范式、挑战与应对[J]. 经济纵横, 2025:1-13.
[17]	国务院新闻办公室. 国务院新闻办就2024年一季度工业和信息化发展情况举行发布会[EB/OL]. (2024-04-02)[2025-04-10]. https://www.gov.cn/zhengce/202405/content_6952372.htm.
[18]	李国清, 王浩, 侯杰, 等. 地下金属矿山智能化技术进展[J]. 金属矿山, 2021(11):1-12.
[19]	刘伟, 黄树巍, 魏琪嘉. 无人驾驶在露天煤矿的应用研究[J]. 信息通信技术与政策, 2024, 50(10):21-27. doi: 10.12267/j.issn.2096-5931.2024.10.004
[20]	山东能源集团, 华为公司. 山东能源集团携手华为发布盘古矿山大模型共建智能矿山[N/OL]. 人民日报, 2023-07-21(15)[2025-04-10]. http://paper.people.com.cn/rmrb/html/2023-07/21/nw.D110000renmrb_20230721_1-15.ht.
[21]	梁新民, 张宝金, 翟建波, 等. 眼前山铁矿铲运机自动化出矿系统应用研究[J]. 中国矿山工程, 2023, 52(3):69-73.
[22]	胡乃联, 李国清. 我国金属矿山智能化现状与问题探讨[J]. 金属矿山, 2024(1):7-19.
[23]	唐露新, 张儒锋, 姜德志, 等. 工业人工智能的现状与发展趋势[J]. 机床与液压, 2022, 50(10):174-181. doi: 10.3969/j.issn.1001-3881.2022.10.032
[24]	张鹏飞. AI大模型在矿山领域开启商用[N]. 中国证券报, 2023-07-19(A06).
[25]	郭亮, 赵精华, 赵继壮. 异构AI算力操作平台的架构设计与优化策略[J]. 信息通信技术与政策, 2022, 48(3):7-12. doi: 10.12267/j.issn.2096-5931.2022.03.002
[26]	金枫, 战凯, 吕文斌, 等. 新质生产力赋能矿业全面智能、绿色转型发展[J]. 信息通信技术与政策, 2024, 50(10):2-7. doi: 10.12267/j.issn.2096-5931.2024.10.001

人工智能赋能矿山生产智能创新发展

AI empowers intelligent and innovative development in mine production

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 1

参考文献 26

相关文章 15

编辑推荐

Metrics

本文评价

[1]	岳锦疆, 宁庭勇. 人工智能在固态储氢材料中的综合应用[J]. 信息通信技术与政策, 2025, 51(6): 21-26.
[2]	杨光, 尹会会, 凌大兵, 韩笑. 人工智能赋能石化行业转型升级研究[J]. 信息通信技术与政策, 2025, 51(6): 33-37.
[3]	汪振涛. 人工智能驱动能源系统变革的挑战与应对策略[J]. 信息通信技术与政策, 2025, 51(6): 38-43.
[4]	葛坚, 牛晓燕, 毕然, 黄雍涛. 低碳AI:大模型的绿色训练与推理优化方法研究[J]. 信息通信技术与政策, 2025, 51(6): 44-51.
[5]	王宇航, 史翔, 申一彤. 能源行业AI大模型工程化实践研究[J]. 信息通信技术与政策, 2025, 51(6): 52-59.
[6]	王琦瑶. 人工智能技术在电池研发领域的专利情报分析[J]. 信息通信技术与政策, 2025, 51(6): 60-65.
[7]	安成, 王静宜, 逯峰. 基于新一代信息技术提升煤矿物联感知和控制交互能力研究^*[J]. 信息通信技术与政策, 2025, 51(6): 66-72.
[8]	杨吉双, 王华丽, 杨晨. 人工智能时代智能算力带来的能源挑战与建议[J]. 信息通信技术与政策, 2025, 51(5): 58-62.
[9]	刘高峰, 姜约瀚, 张育雄. 人工智能赋能数字孪生城市高水平发展和高质量建设[J]. 信息通信技术与政策, 2025, 51(3): 74-82.
[10]	刘晓峰. 5G无线人工智能数据集建立分析[J]. 信息通信技术与政策, 2025, 51(3): 83-88.
[11]	穆翔栩, 贾明艳, 王天成, 吴美希. 人工智能时代高质量算力发展趋势洞察[J]. 信息通信技术与政策, 2025, 51(2): 18-23.
[12]	商兴宇, 刘小欧, 杨明川. 人工智能原生网络发展趋势研究[J]. 信息通信技术与政策, 2025, 51(2): 9-17.
[13]	徐明. 生成式人工智能大模型的安全挑战与治理路径研究[J]. 信息通信技术与政策, 2025, 51(1): 10-19.
[14]	苑卫国, 张新跃, 尉迟学彪. 生成式人工智能技术对网络安全领域的影响分析与启示建议[J]. 信息通信技术与政策, 2025, 51(1): 2-9.
[15]	李诗婧, 赵爽. 生成式人工智能应用于制造业的网络安全风险及对策研究[J]. 信息通信技术与政策, 2025, 51(1): 20-24.