人工智能技术迅猛发展的当下，大模型的崛起为各行业带来了前所未有的机遇与挑战。作为连接全球贸易的关键枢纽，港口行业正积极探索利用人工智能技术实现数智化转型。
天津港、山东港口青岛港和上海港先后与华为技术有限公司（简称“华为”）签约合作，凭借5G、人工智能、物联网等技术优势，深入研究人工智能在港口行业的应用现状及未来发展方向，致力于提升港口作业效率、增强安全性和可靠性，并优化港口物流、智能调度与数据分析。
华为物流与仓储智慧化军团副总裁邱士奎表示，港口数智化转型已步入“业务驱动、价值创造”的新阶段，未来将从技术融合创新、价值落地路径、实施方法论三个维度寻求突破，以实现生产运营的高质量发展。
山东港口青岛港全自动化码头
技术融合驱动智能转型
邱士奎指出，大模型的出现赋予人工智能全新的能力，尤其在从理解到生成创造方面。然而，这也带来了模型参数增加、算力需求从单卡扩展到集群、数据传输能力提升、存储需求增长等挑战，导致成本上升。GPT-3拥有1750亿参数，而知识增强『大语言模型』“文心一言”的参数规模则达到2600亿，这种规模的扩大直接导致了成本的上升。『DeepSeek』的出现部分解决了这些问题，其高性能小尺寸模型大幅降低了成本，推动了普惠人工智能的发展。
在港口行业，人工智能的应用场景不断拓展，计算机视觉、自然语言处理、多模态预测决策等技术广泛应用于生产、安全、经营、管理、服务、办公、财经和物流等环节。但邱士奎认为，港口企业需结合自身业务特点，选择最适合的应用场景，确保技术能为主业带来价值。
邱士奎表示，人工智能在港口行业的应用不仅是技术堆砌，更是业务与技术的深度融合。港口作为交通运输、物流服务和供应链管理的核心环节，其主业场景复杂多样，需要多种技术协同支持。计算机视觉技术助力智能安防和自动化操作，自然语言处理技术提高运营效率和服务水平，多模态预测决策技术优化资源配置和提升决策能力，这些技术需与港口具体业务场景紧密结合，方能实现智能化转型。
上海洋山港
港口企业亟需破解应用方面痛点
人工智能在港口行业的应用，关键在于将技术转化为实际业务价值。邱士奎指出，当前港口企业在人工智能应用方面面临的主要问题是规划不足，尤其在技术与主营业务深度融合方面。过去，人工智能应用多为战略驱动，如今随着技术成熟和成本降低，港口企业应更多从业务驱动和价值驱动角度规划人工智能应用。
装卸生产、物流服务、安全管理和资产管理是港口行业核心价值链。分析这些价值链的关键绩效指标（KPI）可发现，港口企业在装卸效率、安全管控和成本优化方面存在痛点。例如，装卸效率受船舶靠泊窗口期和设备协同效率限制，安全管控涉及危化品存储和大型机械操作，成本优化需控制设备能耗和人力成本。
针对这些痛点，港口企业可借助人工智能技术实现智能配载优化、数字孪生安全预警和能耗智能调控等解决方案，提升运营效率和安全性，降低成本。上海洋山港通过运筹学算法生成最优装载方案，使集装箱翻倒率下降25%；天津港C段码头作为智慧零碳码头，年集装箱吞吐量超200万标准箱，相比同规模传统自动化码头，集装箱倒运环节下降50%，人员减少60%。
邱士奎强调，港口企业需建立可量化的价值评估体系，涵盖效率提升和经济效益指标，科学评估人工智能应用效果，确保技术投入带来实际业务价值。同时，关注场景落地质量，实验室验证测试虽简单，但系统投入生产需解决业务流程梳理、数据准备、模型调优等实际问题。技术持续发展和业务变化要求港口企业持续运营和迭代优化，确保系统长期稳定运行，为用户提供一个体验。
此外，港口企业需科学规划算力，确保系统算力供给满足业务需求，特别是在高并发场景下，如NLP对话系统应用。若算力不足，会导致系统卡顿，影响用户体验。因此，企业需合理规划算力资源，保障系统稳定性和用户体验。
天津港C段码头
AI落地需要六要素
在人工智能浪潮下，港口行业正加速数智化转型。华为凭借深厚行业经验，提出港口行业AI建设六大要素，助力港口企业精准实施人工智能项目，实现高效转型。
一是港口企业开启AI项目前，需精准把握业务核心诉求。深入剖析生产、安全、经营、对外服务等维度核心KPI，如集装箱吞吐量、货物装卸效率、安全事故率、客户满意度等。以生产环节为例，关注船舶靠泊时间、装卸设备作业效率等关键指标，分析AI技术是否能优化船舶调度，减少靠泊等待时间；在安全领域，探讨利用AI实时监控，能否降低危化品存储风险、预防机械操作事故。通过关联业务数据与AI能力，定位切实可行的应用场景。
三是港口企业在AI投资时，需构建量化价值评估体系。设定明确指标衡量效率提升，如自动化作业占比、设备利用率、单箱操作耗时等；同时计算经济效益，像人力成本节约、设备维修费用降低、货损率改善等。
四是推进AI应用，聚焦关键落地环节。业务流程梳理至关重要，以港口物流为例，明确货物从进港到出港各环节信息流转与操作流程，找出可优化节点嵌入AI能力。数据准备方面，确保数据准确性、完整性与实时性，构建高质量数据湖，如整合船舶动态、货物信息、气象数据等多源数据。模型调优需结合港口实际工况，不断优化算法参数，提升模型在复杂环境下的性能表现。持续运营与迭代优化，根据业务变化及时调整模型，保障系统稳定运行，提升用户体验。
五是合理规划算力资源是AI系统稳定运行的保障。评估不同业务场景算力需求，高并发场景如NLP对话系统，需精准计算单位时间内请求数量、响应时间等指标，配置充足GPU资源。建立动态算力调度机制，依据业务高峰低谷灵活调配算力，避免资源浪费。同时，关注算力成本效益，选用性价比高的算力设备与服务，降低企业运营成本，确保系统长期稳定运行。
六是港口企业要积极携手各方构建AI生态。与科技企业深度合作，借助其技术优势与研发能力，共同攻克技术难题；联合生态伙伴，整合产业链上下游资源，拓展应用场景与市场空间；倾听客户需求，以客户为中心优化服务。
作者：任跃
责编：司子杉
