人工智能技術迅猛發展的當下，大模型的崛起為各行業帶來了前所未有的機遇與挑戰。作為連接全球貿易的關鍵樞紐，港口行業正積極探索利用人工智能技術實現數智化轉型。

天津港、山東港口青島港和上海港先后與華為技術有限公司（簡稱“華為”）簽約合作，憑借5G、人工智能、物聯網等技術優勢，深入研究人工智能在港口行業的應用現狀及未來發展方向，致力于提升港口作業效率、增強安全性和可靠性，并優化港口物流、智能調度與數據分析。

華為物流與倉儲智慧化軍團副總裁邱士奎表示，港口數智化轉型已步入“業務驅動、價值創造”的新階段，未來將從技術融合創新、價值落地路徑、實施方法論三個維度尋求突破，以實現生產運營的高質量發展。

山東港口青島港全自動化碼頭

技術融合驅動智能轉型

邱士奎指出，大模型的出現賦予人工智能全新的能力，尤其在從理解到生成創造方面。然而，這也帶來了模型參數增加、算力需求從單卡擴展到集群、數據傳輸能力提升、存儲需求增長等挑戰，導致成本上升。GPT-3擁有1750億參數，而知識增強大語言模型“文心一言”的參數規模則達到2600億，這種規模的擴大直接導致了成本的上升。DeepSeek的出現部分解決了這些問題，其高性能小尺寸模型大幅降低了成本，推動了普惠人工智能的發展。

在港口行業，人工智能的應用場景不斷拓展，計算機視覺、自然語言處理、多模態預測決策等技術廣泛應用于生產、安全、經營、管理、服務、辦公、財經和物流等環節。但邱士奎認為，港口企業需結合自身業務特點，選擇最適合的應用場景，確保技術能為主業帶來價值。

邱士奎表示，人工智能在港口行業的應用不僅是技術堆砌，更是業務與技術的深度融合。港口作為交通運輸、物流服務和供應鏈管理的核心環節，其主業場景復雜多樣，需要多種技術協同支持。計算機視覺技術助力智能安防和自動化操作，自然語言處理技術提高運營效率和服務水平，多模態預測決策技術優化資源配置和提升決策能力，這些技術需與港口具體業務場景緊密結合，方能實現智能化轉型。

上海洋山港

港口企業亟需破解應用方面痛點

人工智能在港口行業的應用，關鍵在于將技術轉化為實際業務價值。邱士奎指出，當前港口企業在人工智能應用方面面臨的主要問題是規劃不足，尤其在技術與主營業務深度融合方面。過去，人工智能應用多為戰略驅動，如今隨著技術成熟和成本降低，港口企業應更多從業務驅動和價值驅動角度規劃人工智能應用。

裝卸生產、物流服務、安全管理和資產管理是港口行業核心價值鏈。分析這些價值鏈的關鍵績效指標（KPI）可發現，港口企業在裝卸效率、安全管控和成本優化方面存在痛點。例如，裝卸效率受船舶靠泊窗口期和設備協同效率限制，安全管控涉及危化品存儲和大型機械操作，成本優化需控制設備能耗和人力成本。

針對這些痛點，港口企業可借助人工智能技術實現智能配載優化、數字孿生安全預警和能耗智能調控等解決方案，提升運營效率和安全性，降低成本。上海洋山港通過運籌學算法生成最優裝載方案，使集裝箱翻倒率下降25%；天津港C段碼頭作為智慧零碳碼頭，年集裝箱吞吐量超200萬標準箱，相比同規模傳統自動化碼頭，集裝箱倒運環節下降50%，人員減少60%。

邱士奎強調，港口企業需建立可量化的價值評估體系，涵蓋效率提升和經濟效益指標，科學評估人工智能應用效果，確保技術投入帶來實際業務價值。同時，關注場景落地質量，實驗室驗證測試雖簡單，但系統投入生產需解決業務流程梳理、數據準備、模型調優等實際問題。技術持續發展和業務變化要求港口企業持續運營和迭代優化，確保系統長期穩定運行，為用戶提供一個體驗。

此外，港口企業需科學規劃算力，確保系統算力供給滿足業務需求，特別是在高并發場景下，如NLP對話系統應用。若算力不足，會導致系統卡頓，影響用戶體驗。因此，企業需合理規劃算力資源，保障系統穩定性和用戶體驗。

天津港C段碼頭

AI落地需要六要素

在人工智能浪潮下，港口行業正加速數智化轉型。華為憑借深厚行業經驗，提出港口行業AI建設六大要素，助力港口企業精準實施人工智能項目，實現高效轉型。

一是港口企業開啟AI項目前，需精準把握業務核心訴求。深入剖析生產、安全、經營、對外服務等維度核心KPI，如集裝箱吞吐量、貨物裝卸效率、安全事故率、客戶滿意度等。以生產環節為例，關注船舶靠泊時間、裝卸設備作業效率等關鍵指標，分析AI技術是否能優化船舶調度，減少靠泊等待時間；在安全領域，探討利用AI實時監控，能否降低危化品存儲風險、預防機械操作事故。通過關聯業務數據與AI能力，定位切實可行的應用場景。

三是港口企業在AI投資時，需構建量化價值評估體系。設定明確指標衡量效率提升，如自動化作業占比、設備利用率、單箱操作耗時等；同時計算經濟效益，像人力成本節約、設備維修費用降低、貨損率改善等。

四是推進AI應用，聚焦關鍵落地環節。業務流程梳理至關重要，以港口物流為例，明確貨物從進港到出港各環節信息流轉與操作流程，找出可優化節點嵌入AI能力。數據準備方面，確保數據準確性、完整性與實時性，構建高質量數據湖，如整合船舶動態、貨物信息、氣象數據等多源數據。模型調優需結合港口實際工況，不斷優化算法參數，提升模型在復雜環境下的性能表現。持續運營與迭代優化，根據業務變化及時調整模型，保障系統穩定運行，提升用戶體驗。

五是合理規劃算力資源是AI系統穩定運行的保障。評估不同業務場景算力需求，高并發場景如NLP對話系統，需精準計算單位時間內請求數量、響應時間等指標，配置充足GPU資源。建立動態算力調度機制，依據業務高峰低谷靈活調配算力，避免資源浪費。同時，關注算力成本效益，選用性價比高的算力設備與服務，降低企業運營成本，確保系統長期穩定運行。

六是港口企業要積極攜手各方構建AI生態。與科技企業深度合作，借助其技術優勢與研發能力，共同攻克技術難題；聯合生態伙伴，整合產業鏈上下游資源，拓展應用場景與市場空間；傾聽客戶需求，以客戶為中心優化服務。

中國水運網

作者：任躍

責編：司子杉