在全球能源转型与“双碳”战略深入推进的背景下，新能源汽车迎来爆发式增长，并进入1-2年快速迭代的全新周期，车型升级、性能攀升、成本下探的节奏远超传统燃油车时代。作为底盘、传动、紧固件、帘线等关键零部件的核心承载材料，特殊钢的研发迭代速度已成为整车产业链自主可控与高效协同的关键环节。

然而，特殊钢研发长期面临产业与技术两端的深层挑战。产业端，传统特殊钢研发依赖经验试错，周期长、成本高、成功率低，难以匹配整车开发节奏，成为产业链快速响应的关键瓶颈；技术端，现有研发方法——经验积累、物理仿真、统计回归、通用AI/ML——各有局限，难以系统搜索高维的成分-工艺空间，且通用AI大模型在材料研发中易出现“幻觉”与黑箱决策，导致结果不可解释、不可追溯，难以直接支撑工业级工程应用。

在此背景下，由南京钢铁股份有限公司、上海大学等单位联合攻关，首创我国特殊钢产品导向智能研发平台——AI4P（AI for Product），以“物理冶金约束 AI数据大模型”新范式破解特殊钢高维成分-工艺-组织-性能空间的系统寻优难题，将产品开发周期缩短50%以上，为新能源汽车关键特殊钢材料的快速迭代提供自主、可信、可落地的平台支撑。

1 明确AI与物理冶金分工，破解通用大模型“幻觉”难题

AI4P区别于经验积累、物理仿真、统计回归及通用AI/ML四类既有方法，核心创新在于清晰界定了AI与物理冶金模型的任务分工：AI负责理解需求、组织搜索、分析规律与智能增强；物理冶金模型负责可信计算与结果验证。海量生产、实验、文献数据中蕴含的冶金规律经AI系统化挖掘，专家经验数字化后形成可搜索寻优的知识底座；物理冶金机理工具库——覆盖各道次奥氏体状态演变、温度场、连续冷却相变（CCT）预测、组织与强度预测等核心环节——则对AI生成的候选方案进行机理校核与冶金规律验证，有效降低AI在工程决策中的幻觉风险，形成“可计算、可追溯、可解释”的智能决策链路（图1）。

2 构建CPSP全链条一体化模型，贯通正逆向智能设计

特殊钢生产涵盖化学成分、高线轧制、组织调控至目标性能的完整链条，各环节强非线性耦合、牵一发而动全身。AI4P平台构建成分-工艺-组织-性能（CPSP）一体化模型，打通正逆向双向设计路径：工艺寻优支持调整成分或工艺参数，快速预测组织与性能响应；产品设计则由用户输入强度等级、使用工况等目标需求，系统通过机器学习快速粗筛方案，再经物理冶金计算链精算验证，自动输出最优成分配方、控轧控冷参数，实现“按需定制、一键出方案”。平台进一步引入大语言模型（LLM），支持自然语言驱动的智能设计，工程师只需描述目标性能与约束条件，系统自动完成意图理解、任务分解、方案搜索与报告输出，并支持GUI/CLI/API/Web四端接入，兼顾工程师、研究人员与产线系统的多场景调用需求（图2和图3）。

3 以10.9级螺栓非调质钢为示范，向多钢种体系延伸

AI4P平台已在10.9级螺栓非调质钢盘圆开发中完成示范应用，打通CPSP全链路逆向推理全流程，系统依据强度等级目标自动输出成分配方与控轧控冷关键参数，显著减少试制轮次。经工程化验证， AI4P平台成效显著：产品开发周期缩短50%以上，研发节奏与新能源汽车1-2年车型迭代周期精准匹配；试制轮次与成本大幅降低，量产匹配度显著提升。目前，平台已获软件著作权3件、授权发明专利2件，形成一套可复制、可推广的特殊钢智能研发方法论。目前，AI4P平台已在螺栓钢、帘线钢等多个高端特殊钢产品上推进工程化验证，并正向齿轮钢、弹簧钢、驱动轴用钢等多钢种体系延伸。

AI4P平台推动特殊钢研发知识系统化、经验数字化，降低了高端特殊钢研发的人才培养门槛，提升了团队研发能力；同时，在新能源汽车产业自主可控战略下，AI4P为关键特殊钢材料的快速迭代提供了自主平台支撑，正成为特殊钢行业智能化转型的示范路径。（李海洋）