Technology
工业认知如何形成
工业智能如何持续进化
我们的技术由两部分构成：SteelStep 工业垂类大模型作为认知底座，Agentic FDE 自进化工业智能平台作为运行底座，连接工业数据、知识、模型与业务流程。
SteelStep
工业垂类大模型
面向钢铁及流程工业构建的模型底座，负责理解工业现场、工艺知识和时序变化。
- 工业多模态理解统一处理文本、图像、视频、语音与工业时序数据。
- 工业知识与时序推理融合工艺机理、领域知识和实时数据，支持预测、预警、归因与决策推理。
- 工业场景适配将通用模型能力转化为高炉生产、安全管理和大宗采购等场景能力。
Agentic FDE
自进化工业智能平台
面向工业 AI 的开发、运行与持续进化，负责连接数据、模型、智能体、工具和业务流程。
- 反馈驱动自动建模根据数据变化、预测偏差与业务结果，识别问题并触发重建模、训练和评测。
- 智能体开发与业务编排支持 Agent、Skill、工具调用、记忆与工作流协同。
- 在线验证与持续进化通过任务结果、专家反馈和灰度验证，持续优化模型、策略和流程。
Self-Evolving Loop
统一技术闭环
模型与平台在同一条闭环上协同：现场反馈驱动模型迭代，迭代结果再回到业务流程。
01工业数据与业务反馈
→02问题识别
→03自动建模与训练
→04评测验证
→05灰度应用
→06持续进化
Architecture
平台技术架构
自下而上构建数据、模型、智能体与场景应用能力，可信治理与安全贯穿全链路。
L6业务运营层Business Operations
数字员工
角色 / 岗位 / 权限
业务流程
自动化 RPA
人机协同
事件升级 / 交接
应用市场
发布 / 授权 / 计费
L5开发执行层Agent Development
Agent 开发
定义 / 服务 / YAML
记忆管理
短期 / 长期 / 共享
Skill 开发
合规 / 复用 / 发布
工作流 · 调度
编排 / 评测 / DAG
L4模型与推理层Model & Inference
模型管理
Hub / 版本
模型评测
指标 / 回归 / 卡点
推理优化
Context / 长文本 / 蒸馏
可解释性
溯源 / 归因 / 审计
L3业务知识层Domain Knowledge
业务语义库
业务术语
业务本体库
对象 / 关系 / 规则
知识图谱
Neo4j / GraphDB
向量知识库
Milvus / Hybrid
L2数据接入层Data Ingestion
IoT 时序
MQTT / OPC UA
关系数据
CDC / Kafka
非结构化
文档 / 图像 / 视频
流批一体
Kafka + Flink
L1基础设施层Infrastructure
GPU 集群
算力调度
K8s 编排
弹性伸缩
分布式存储
对象 / 文件
混合云部署
内网闭环
L7可信治理与安全层
安全权限
RBAC / Guard 多级防护
审计追溯
任务日志 / 归档
Trace AI
全链路追踪
成本计量
Token / API / Agent
API / MCP 网关
注册 / 安全调用
总体路线工业数据接入→业务知识构建→大模型可信推理→Agent 任务编排与执行→人机协同→全链路安全治理
Data & Knowledge
数据与知识底座
工业数据、专家知识与智能体技能共同构成可持续自进化的资产层。
520GB
行业文本语料
700GB
工业时序数据
1 万张
工业图像样本
2 万+
接入测点
2000+
有效数据项
1260
知识标签
245
标准化案例
84
业务规则
20+
接入业务系统
100+
智能体 Skills
140+
AI 落地场景
418
自研业务模型
模型参数、算力、显存与准确率等技术指标，均随对应的测试任务、数据集、时间范围、统计方式与适用边界一并说明，可在技术白皮书中获取。