图为位于陕西省榆林市的国家能源集团国神公司三道沟煤矿井下综采工作面生产数字孪生场景。
文丨本报记者 杨沐岩
从智能掘进、综采，到矿山无人驾驶，再到智能洗选，对煤炭行业来说，“智能化”早已不是新概念，但伴随近期DeepSeek的火爆，矿山企业又掀起一股新的人工智能（AI）潮。越来越多的煤炭企业宣布接入DeepSeek，从增强自有模型到强化智能开采，AI和矿山智能系统体现出较强互补性。AI的深度应用，可为决策者提供更科学、更直观的参考，也可以降低使用者面临的技术门槛。但另一方面，复杂条件下AI决策的透明性、可靠性仍有不足，制约着AI价值的进一步释放。
智能系统和AI有何不同？
“你在煤炭行业能发挥哪些作用？”针对《中国能源报》记者的提问，DeepSeek列举了智能勘探与资源评估、自动化开采与设备管理、安全生产与风险预警等一系列应用场景，并表示：“通过这些功能，DeepSeek能够帮助煤炭行业实现智能化、自动化和可持续发展，提升生产效率，保障安全生产，降低环境影响。”
而对煤炭行业来说，DeepSeek所说的概念似乎并不新鲜，近年来智能掘进、智能综采、智能巡检等一系列关键设备和技术落地推广，行业智能化建设已然取得一批成果。但因DeepSeek模型的开源特性和良好性能，近期，一批煤炭企业或下属科技公司也掀起DeepSeek的“接入”潮。从智慧办公到设备监测，从安全生产到供应链优化，AI似乎正改变着矿山的每个环节。
那么，矿山智能系统和时下兴起的AI有何不同？中国矿业大学（北京）机械与电气工程学院教授郭一楠在接受《中国能源报》记者采访时表示：“智能系统通常基于自动化控制、数据采集和传感器技术，依赖事先设定的规则和算法，完成数据研判和控制下发。这种系统最典型的特征，就是通过确定性方式实现对数据信息的利用。无论是报警阈值设定，还是控制目标值设定，抑或是设备故障诊断时故障树的排查逻辑，均是依赖于确定性的数据信息。”
人工智能的引入可以为智能系统带来一些新的特性和升级。郭一楠表示，AI能够从大规模数据中提取深层次的关系和规律，不局限于传统的规则和模型，还能根据实时数据的变化动态调整分类、预测或决策结果，突破预设规则的限制。“得益于学习到的多领域通用知识，包括DeepSeek在内的生成式AI能够以更拟人的思维和沟通方式提供人性化输出，被视作重塑行业AI应用模式的革命性技术。”
AI应用潜力如何？
从利用方式来看，多个煤炭企业都是以自有的智能化项目为“基座”，通过接入DeepSeek为项目升级。其中，山东能源集团旗下的云鼎科技股份有限公司利用DeepSeek增强了自有模型对矿山行业知识数据的推理能力，并进一步将其开发成智能应用，可在安全生产、运营管理、财务审计和辅助决策等多个场景落地。
中煤信息公司称，通过接入DeepSeek大模型，提升了其自有的“智控”项目AI能力。通过发挥DeepSeek在推理、数据处理与智能化分析方面的优势，形成具备多项能力的大模型技术底座，可在煤炭、煤化工、电力、新能源等专业领域应用。
郭一楠表示：“AI系统善于识别传统系统难以察觉的微小变化和潜在问题，而精准分析又依赖于智能系统为矿山企业提供的数据基座，二者缺一不可。当前煤炭领域的智能系统经过长期优化，为AI系统的建设提供了宝贵的业务基础。”
AI对智能系统升级可体现在多个方面。“生成式AI能够直接处理非结构化数据，如井下巡检视频、设备异响音频和地质报告文本等，还能从设备日志文本中提取关键语义，并与传感器数据形成互补，构建更全面的设备状态画像。”郭一楠指出，AI也可以结合实时数据和知识库，动态生成决策建议，并用自然语言解释决策逻辑。通过强化学习与数字孪生技术，AI能够在虚拟环境中预演不同决策方案，从而为决策者提供更科学、更直观的参考。
此外，面对智能系统中可能存在的阈值设置不合理等情况，AI系统可以通过对多源乃至多模态数据的综合分析，辅助人员完成现有智能系统的优化。AI也可以降低使用人员的技术门槛，辅助理解和应用不熟悉的知识，并通过类人的语言交互模式完成对多系统复杂信息的融合分析，更精准、快速地解决现场问题。
井下用AI是否可靠？
近年来，我国煤开采深度以每年8—12米的平均速度向深部延伸。面对这一新形势，AI既有独特优势，但同时也存在短板。
郭一楠指出，面对高度不确定的地质条件，AI可以融合多方面数据，构建动态风险预测模型。而针对深部煤层赋存形态不确定性强的特点，AI可利用强化学习算法动态调整开采方案。深部开采常面临多灾种耦合风险，传统分析方法受限于单一学科模型，而AI可通过知识图谱技术整合多领域知识，建立跨学科的因果推理模型。
近期，已有部分企业通过接入AI加快推进煤矿开采装备的智能化升级。中国煤科天玛智控的技术涵盖液压控制、综采自动化控制、生产维护维修等多个领域，通过DeepSeek大模型、向量数据库和图数据库的综合运用，提高了智能系统推理的准确性和数据的安全性；郑煤集团利用DeepSeek完成了对“安全生产数字矿工”系统的关键技术升级，探索矿山安全管控“多模态感知+自主决策”。
在煤矿领域，AI做出的决策可能直接关系到人员安全，其可靠性与精准性仍需强化。首先，AI决策的运作机制复杂，尽管能够推导出结论，但其推导过程就像在一个黑箱中进行，对使用者不透明。AI决策的“黑箱”特性和矿山安全的强合规性要求存在一定矛盾。同时，深部开采中新出现的致灾模式往往缺乏历史数据，导致AI预测可靠性下降。深部作业现场的高温、高湿环境易导致传感器数据漂移，训练不足的AI模型可能产生误判。
“当前智能化转型已从单一技术验证迈向全链条协同创新，但井下复杂场景适配性、算法可靠性和人才储备等问题仍制约着AI价值的释放。”郭一楠表示，随着AI决策链向采掘、安全等核心环节延伸，人工与智能设备的权责界定也需同步完善，避免“算法黑箱”引发的责任真空。
