黑猫集团引入煤化工行业专属AI大模型，将20位老师傅40年的操作经验转化为3.6万条知识图谱节点，推动炭黑产品合格率从82%提升至94%，每生产100吨产品，废料减少约13吨。
企业背景
黑猫集团是国内炭黑行业的头部企业，主营业务为炭黑的生产与销售。炭黑是一种重要的工业原料，广泛应用于轮胎、橡胶制品、涂料、油墨等领域，几乎存在于我们日常生活的每个角落。
炭黑生产工艺极为复杂，需要在3000℃高温下"炒"出来，产品质量高度依赖老师傅的经验。作为行业龙头企业，黑猫集团长期致力于技术创新和工艺改进，多项技术达到行业领先水平。
面临的问题
炭黑生产是一项典型的过程工业：原料配比、反应温度、气流速度，任何一个参数的微小波动都会影响最终产品质量。传统模式下，企业依靠拥有丰富经验的老师傅人工判断——炉温是否正常、气流是否稳定、该调整哪些参数。
这一模式面临三大痛点：
- 经验难以传承：老师傅的经验是"隐性知识"，一个人离开，经验就跟着走了
- 质量不稳定：不同工人判断标准不同，导致产品质量波动较大
- 合格率偏低：在应用AI之前，黑猫集团炭黑产品的合格率约为82%，意味着每生产100吨产品，就有约18吨成为废品或需要降级处理
AI解决方案
面对这些挑战，黑猫集团引入浪潮云洲工业互联网团队，以"知业大模型"为底座，开展了一场"老师傅经验数字化"的技术攻关。
知识图谱构建
具体做法是：将20位拥有40年操作经验的老师傅，各自多年积累的生产判断逻辑、参数调整规律、异常工况处理方案，以结构化方式提取出来，最终转化为3.6万条知识图谱节点。
这些知识图谱节点，构成了煤化工行业专属大模型的核心训练语料。AI大模型学习了老师傅在不同工况下"什么时候调、怎么调、调多少"的决策逻辑后，能够对新进入的生产数据进行实时分析，当检测到偏离正常工况的信号时，自动给出调整建议或直接介入控制。
AI模型的技术特点
3.6万条知识图谱节点，不是简单的数据标注，而是将老师傅的经验转化为"条件-动作-结果"格式的结构化知识。AI模型学到的，不仅是"这个参数高了应该降低"，更是在不同原料批次、不同设备状态、不同环境温度下的差异化应对策略。
这正是工业AI与通用AI最大的不同：工业场景的决策逻辑高度依赖工艺机理和工况上下文，通用大模型无法直接处理，需要有行业知识作为基底。浪潮云洲团队正是通过知识图谱的构建，填补了这一空白。
实施效果
AI大模型上线后，黑猫集团在多个维度实现了突破性改善：
| 指标 | 实施前 | 实施后 | 提升 |
|---|---|---|---|
| 产品合格率 | 82% | 94% | ↑12个百分点 |
| 废料减少 | - | 每100吨减少13吨 | 显著 |
| 质量稳定性 | 波动较大 | 明显提升 | 显著 |
对于一家年产能达数十万吨的大型炭黑企业而言，合格率从82%提升至94%，带来的原料节约和生产效率提升是可观的直接经济效益。
浪潮云洲副总经理商广勇表示，这一项目在2025年IDC"中国未来数字工业领航者"评选中获奖，评审团认为该项目在工业知识显性化、模型训练专业化两个维度，为流程型制造业AI落地提供了可复制的路径参考。
技术解析：知识图谱如何赋能工业AI
知识图谱是一种结构化的知识表示方法，它将实体、属性和关系以图的形式存储。在工业场景中，知识图谱可以将老师傅的经验转化为"条件-动作-结果"的三元组，供AI模型学习和推理。
与传统的数据标注不同，知识图谱不仅记录了"是什么"，还记录了"为什么"和"怎么做"。这使得AI模型不仅能够做出判断，还能够解释判断的依据，提高了模型的可解释性和可信度。
对于流程型制造业来说，知识图谱的引入为AI落地提供了一条可行路径：不需要颠覆现有工艺，而是将隐性知识显性化，让AI学会老师傅的经验，再赋能到生产一线。
给同行的启示
黑猫集团的案例在煤化工行业具有标杆意义，为同行提供了三点启示：
- 知识保全比技术引进更重要：老师傅的经验是企业的核心资产，应该通过数字化手段将其保存下来，而不是让其随人员流动而流失
- 知识图谱是工业AI的关键：通用大模型无法直接处理工业场景，需要有行业知识作为基底。知识图谱提供了一种可行的知识表示方法
- 可复制性比单点突破更重要：黑猫集团的模式已经在行业内得到认可，并正在向其他化工细分行业推广。这说明该模式具有可复制性，能够为整个行业的智能化升级提供参照
对于同样高度依赖工艺经验的过程工业来说，这一路径提供了可借鉴的参考：不需要推翻现有工艺，而是把老师傅脑子里的经验提取出来，让AI学会，再赋能到生产一线。这一模式的核心价值在于"知识保全"和"规模化复制"——为传统工艺传承方式提供了数字化替代方案。