在现代工业领域或具体到钢铁行业，建模能力与智能化制造水平之间存在着密切联系。为将生产过程软件化，我们需要首先对该过程进行精确描述，即所谓的“建模”。通过构建模型，我们便可将其转化为计算机程序。在此过程中，我们需充分运用各类知识，涵盖物理、化学、材料、传热、电池等多个学科领域。同时，结合丰富的实践经验以及从生产实际数据中提取的信息，我们应竭尽所能地发挥各种资源优势，以期寻找到并建立最为贴合实际情况的模型。随后，将此模型编译为软件，最终实现工业应用。从工业实践的角度来看，我们主张在处理某个特定问题时，若能用机理解释得相当精准，则无需依赖大量数据。反之，倘若能够仅凭借有限数据就能达成相当程度的精确度，满足工业应用需求，那么也就没有必要采用大规模数据。这种观点在某些特定情境下具有一定合理性，也是我所倡导的建模方法。

  目前，我们对于工业智能化的研究主要分为两个层次，分别涉及基础软件研究及应用层面的问题。在基础研究领域，我们期待国内从事基础研究的机构和企业能够给予我们大力支持。事实上，在光学、电学、力学、变形等诸多基础研究方向上，许多成果均出自外国专家之手，并非因为我国科研人员不够努力，仅仅是由于整个科研体系存在一定问题。如今，国家已开始关注并着手解决这些问题。

  关于钢铁行业的智能化及其行业优化，我建议软件合作伙伴优先专注于解决静态问题。何谓静态问题呢？例如，在钢铁工业中存在繁多的中间产品，如库存等。以宝钢为例，其每年因库存管理所付出的代价高达数十亿元，库存量极高。每当有新的订单到来，我们需要在众多库存中选择合适的物料，包括钢卷、钢坯等。这便是非常典型的静态问题。倘若软件企业能够成功完成此类匹配研究工作，必将收获巨大的商业价值。此外，相较于动态问题，静态问题的维护需求相对较低，且经济效益更易凸显。至于动态问题，则主要涉及与时间相关的因素，如生产调度等。这些问题在执行环节或许并不复杂，但在后期维护、变量调整以及对下级数据采集的要求上都极为严格。假使随着科技的不断发展，下级数据收集系统的稳定性足够强大，那么动态问题也将变得更为易于解决。