想象一下，你在网上下单了一件从荷兰发出的奶粉。三周后，它漂洋过海，准时出现在你家门口。这背后，是集装箱船穿越印度洋、途经新加坡港、最终抵达中国港口的漫长旅程。 这条供应链上，有船公司精心计算的航线，有港口争分夺秒的装卸，还有海关不知疲倦的查验。以前，这些环节各自为战，信息像隔着几层玻璃，看得见却摸不着。 人工智能正在重塑全球航运业的每一个环节——从远洋巨轮的自动驾驶，到码头的智能调度，再到整条供应链的数据互通。这场变革的深度和速度，远超大多数人的想象。 今天，我们来聊聊AI在航运领域到底在做什么，以及它将把这条古老的蓝色航线带向何方。
一、智能船舶：当万吨巨轮学会自己看路 MASS规则落地：无人船有了"准生证" 2025年1月1日，国际海事组织（IMO）正式发布了非强制性的MASS Code（海上自主水面船舶安全规则）。这意味着，无人驾驶船舶终于有了官方"准入证"。 第一级 是船员在场但由系统辅助驾驶，类似于现在很多汽车上的辅助驾驶；第二级 是远程监控，船员在岸上控制中心盯着，随时准备接手；第三级 是高度自动化，船舶可以在特定海域完全自主运行；按照IMO的规划，2032年1月1日，强制性的MASS规则将正式生效。在那之前，各国都在抓紧时间抢跑。 规则落地只是第一步 。真正让业界兴奋的是，2025年6月，IMO海事安全委员会第110次会议又往前推进了一大步——MASS规则的25章中，已经完成了18章的制定。这速度，比很多人预想的要快。更值得关注的是，规则明确要求：即使是无人驾驶的船舶，也必须具备搜索和救援能力 。也就是说，万一海上有人遇险，无人船不能袖手旁观，必须能够提供协助。这条看似矛盾的要求，实际上为无人船的商业化应用划定了基本底线——技术再先进，救人的责任不能丢。 从挪威峡湾驶出的"零排放样本" 说到智能船舶，就不能不提Yara Birkeland号。这是全球第一艘完全电动化、同时具备自主航行能力的集装箱船。 这艘船长80米、宽15米，最多能装120个TEU。它从2022年开始在挪威西海岸运营，沿着峡湾从Porsgrunn工厂向Brevik港运输化肥。 已完成超过250次自主航行，运输超过3.5万个集装箱。每年替代了约3.5万次柴油卡车的公路运输，减少二氧化碳排放1000多吨。 船上的电池容量达到6.8兆瓦时，充电后可以维持正常航速6节。整套自动驾驶系统由康士伯（KONGSBERG）提供，包括雷达、摄像头等传感器，能够探测和分类水上障碍物。船长的工作被"搬"到了80公里外的远程操作中心，一个操作员可以同时监控多艘船舶。 最近，Yara Birkeland又迈出了新一步——实现了有人监管状态下的自动靠泊与自动巡航操作。这离真正的"完全无人航行"又近了一大截。 跨洋航行测试：自动驾驶货轮的里程碑 2025年9月，韩国三星重工完成了全球首次集装箱船跨太平洋自主航行测试。 测试船是长荣海运的15000TEU大船"Ever Max"号，航线从美国奥克兰到中国台湾省高雄，全程约一万公里。 这艘船安装的是三星重工自2019年开始研发的SAS（Samsung Autonomous Ship）系统。测试期间，系统共执行了104次最优航向引导、224次自动船舶控制。每隔三小时分析一次天气状况，在不需要船员干预的情况下自主调整航速和航线。 三星重工透露，他们正与长荣海运继续合作，下一步要把燃油效率的提升做到"可量化"。这对船公司来说才是真正的诱惑——毕竟，省下来的都是真金白银。 船队管理AI：给远洋巨轮装上"健康手环" 智能船舶不只有自动驾驶这一个故事。船队管理领域的AI应用，可能来得更实在、更快。 通过AI驱动的航线优化，燃油消耗降低了9.2%；预测性维护让船舶停机时间减少了30%；综合下来，每年节省成本超过3亿美元。 这背后是一套复杂的数字系统在支撑。马士基在450艘船舶上部署了新一代物联网连接平台，支持数千个IoT设备同时在线。冷藏集装箱的温度、发动机的状态、船舶的位置，所有数据都能实时传回岸上。 他们研发的"太衍系统"正在成为智能船舶的"智慧大脑"。这套系统采用"1+N"的开放式架构——一个岸基控制中心，加N个船端智能应用。船端集成智能航行、智能机舱等功能，岸基则建成了国内首个"数智运控中心"，实现船岸一体协同。 他们还研发了船舶智能运维（PHM）系统，能对柴油机、发电机等关键设备进行实时监控。结合机器学习算法，系统可以在故障发生前发出预警。 计划外停机率降低了60%，单船年度运维成本减少约15%。有一艘船的发电机轴承出现异常磨损早期征兆，系统提前识别出来，为维修争取了黄金时间，避免了万里之外的大故障。 二、数字化班轮运营：当"准时"从承诺变成算法 船期预测：从"大概下周"到"精确到小时" 对于货主来说，最头疼的事情之一就是"船到底什么时候到"。 传统的做法是船长根据经验估算，但远洋航行变数太多——天气、洋流、港口拥堵，都会影响实际到达时间。船长报的数据往往离港时还靠谱，越接近目的地反而越要反复调整。这让货主和供应链上的各方都很被动。 全球第五大班轮公司赫伯罗特（Hapag-Lloyd）做了一个测试。他们用亚马逊SageMaker开发了一套机器学习船期预测系统，接入了AIS数据、港口拥堵信息、气象数据等大量实时数据源，覆盖120条航线服务、1200条独特的港到港路由。 平均绝对误差（MAE）比原来的统计模型改善了12%。这意味着，在国际船期准班率排名中，平均能往前挪两位。在航运这个竞争激烈的行业里，两位的差距可能就是客户选你的理由。 阿姆斯特丹自由大学的研究团队测试了支持向量回归（SVR）模型，在到港时间超过75小时的预测中，模型明显优于船长提供的数据（MAE 16.01小时 vs 22.15小时）。只有在最后三天内，船长频繁手动更新的数据才更准确——因为这时候他们能看到实时的港口动态了。 这个规律很有趣：AI擅长长趋势预测，人类擅长短时应急。 最好的方案，可能就是让AI和人类各干各的擅长的事。滞港预警：让集装箱不再"流浪" 集装箱滞港是个老问题了。货到了港口，却因为各种原因提不出来，滞箱费一天天累积，最后可能比货值还贵。 传统做法是等货主找上门来，或者等滞箱费账单寄出去了才知道。但这时候往往已经晚了。 通过分析船舶到港时间、港口作业效率、堆场容量、天气预报等多维数据，AI可以预测某票货物可能滞港的风险。如果系统发现货物已经到港三天但还没人提、而且后面还有大批量货物要进港，它就会自动发出预警。 班轮公司最怕的不是没货，而是"该来的货没来、不该来的货堆成山"。AI通过分析历史货量、宏观经济数据、贸易政策变化、季节性因素等，可以预测各航线的货量波动。这帮助船公司提前调整舱位配置、优化船舶调度，让"舱位"这个核心资源不要浪费。 单证处理：让"填表"这件事消失 航运业可能是全球最依赖纸面文件的行业之一。提单、舱单、报关单、装箱单……一票货物从出运到提货，可能要涉及几十份单证。人工制单、审核、传递，效率低、错误多、还容易扯皮。 他们内部有一款叫MAIA的人工智能助手，已经服务了5.8万名员工。微软Copilot等工具也在同步使用，帮助人力资源、财务、IT等部门简化流程、提升效率。 达飞还与Mistral AI达成了五年1亿欧元的战略合作，要开发自动化理赔处理系统、智能电商工具和高级文档管理系统。简单说就是：让机器去处理那些重复性的文书工作，把人解放出来做更有价值的事。 他们的大语言模型每5分钟可以解析100封以上的询报价邮件，自动解析和录入比例达到73%。订单执行响应速度提高了5%以上。以前处理一封邮件可能需要几小时，现在系统几分钟就能给出初步回应。 客户服务：从"电话排队"到"秒回" 货主最烦的是什么？打电话问"我的货到哪了"，然后被告知"请稍等，我帮您查一下"。 通过接入订单系统、船舶动态系统、堆场管理系统，AI可以实时回答"货物现在在哪、预计什么时候到、有什么异常需要关注"这些问题。7×24小时在线，不用排队，不用等。 达飞的AI还大幅加快了问询响应速度。"以前客户发个邮件，可能要等一两天才有回复；现在系统自动识别问题类型，秒回初步响应，人工介入时已经有了初步判断，效率大幅提升。" 三、航运大模型：当AI学会说"航运话" 为什么航运需要"垂直大模型"？ 通用大模型很强大，但问到专业的航运问题，经常会"一本正经地胡说八道"。比如，它可能不知道某个港口的特殊潮汐规律，或者搞混两种不同类型的提单。 2024年，中远海运科技发布了Hi-Dolphin航运大模型，被称为"全球首个面向公众开放的航运大模型服务"。这套模型的底气来自200GB航运专业语料、40万对问答、200万张行业图像，以及400万条智能标签。这不是一个通用模型简单微调出来的，而是经过了大量行业数据的"再教育"。 目前，Hi-Dolphin已经支持31类核心应用场景： 太衍系统则是中远海运在智能船舶领域的另一张牌。它基于国产开源大模型框架和国产算力基座，打通了从数据处理到模型训练、推理部署的全链路。模型还接入了90多个实时数据接口，可以查询全球船舶、港口、航线的即时动态。 天津港PortGPT：港口大模型的先行者 天津港在2024年联合华为发布了PortGPT 1.0，这是港口领域的第一个大模型产品。 它把华为盘古大模型与港口业务场景深度融合，训练了百万级的港口专业样本库。在天津港散杂货码头，PortGPT已经在局部区域尝试替代现场安全员，对作业现场进行24小时智能化监管——通过视频识别，自动判断有没有人违规操作、有没有安全隐患。 2025年2月，天津港又完成了DeepSeek大模型的本地化部署。 依托强大的算力底座，PortGPT在安全生产数据智能识别与分析方面的准确率突破了90%。下一步，他们计划把应用场景拓展到港口调度指挥、办公辅助等更多领域。 达飞的"百亿欧元AI赌注" 他们宣布，要在AI领域投入5亿欧元。 其中，与Mistral AI的合作价值1亿欧元，与谷歌的合作价值1.5亿美元（五年期），还投资了PoolSide、Dataiku等科技企业，并参与了非营利AI研究实验室Kyutai的创立。第一，让员工用上定制化的AI工具。 通过内部AI助手MAIA，已经有5.8万名员工在用AI处理日常工作。他们还通过TANGRAM创新中心，每年培训3000名员工掌握AI技能。第二，让客户感受到AI带来的体验提升。 比如更快的响应速度、更精准的服务、更智能的供应链解决方案。第三，让核心业务变得更聪明。 航线优化、碳排放降低、运营效率提升——这些才是真正的竞争力。达飞与Mistral AI的合作还有个特点：所有解决方案都将基于"法国技术"。这背后是欧洲对AI数字主权的考量——不想把核心数据交给美国科技巨头，想培育本土的AI能力。 大模型落地：挑战与机遇并存 首要问题是数据质量。航运业的数据分散在船公司、港口、海关、货代等多个主体手里，格式不统一、更新不及时、标准不统一。大模型需要海量高质量数据来训练，但现实是"数据很多、可用数据少"。 其次是专业性门槛。航运涉及大量专业知识——国际公约、海商法规、港口规程、操作规范……通用大模型在这些领域的准确率往往不够，需要大量的领域知识注入和人工校验。 第三是安全与合规。船舶调度、货物跟踪等数据涉及商业机密，大模型的应用必须考虑数据安全问题。 那些率先突破这些障碍的企业，将建立起真正的"AI护城河"。当竞争对手还在用Excel排船期的时候，用AI优化的企业已经在用"预测-决策-执行"的闭环来运转了。 四、产业链协同：从"各自为战"到"一单到底" 多式联运：打通"最后一公里" 海运的强大，在于它能以极低的成本运输大量货物。但海运的局限也很明显——它只能在港口到港口之间跑。从港口到工厂、从工厂到消费者的"最后一公里"，还得靠公路、铁路、内河航运来完成。 但说起来容易，做起来难。一个集装箱从上海港运到重庆，可能要先走海运到广西钦州，再转铁路到贵州，最后走公路进重庆。每换一种运输方式，就涉及一次换装、一次单证交接、一次信息同步。任何一环出问题，整个链条都可能卡住。 AI的价值，是让这条复杂的链条变得"透明"和"可预测"。 大连海事大学贾鹏教授团队研发的海公铁联运智能调度平台，能实现全过程资源配置、实时监测与精准调度。这套系统已经在大连港和营口港落地应用，累计完成超过2000万标箱的实践数据验证。 山东港口物流集团的海铁联运"近零碳"智慧物流系统更有画面感。 他们用IGV无人驾驶平板车在铁路港站和码头之间运输集装箱。这种车配备了5G双线路容灾传输链路、云端作业周期监控、指令自动化调度等功能，可以24小时不间断作业，不受夜间、阴雨等条件限制。 与传统人工调度相比，作业效率提升了23.5%。每年减少标煤消耗158.23吨、碳排放400多吨。23.5%意味着什么？相当于每四台车变成了五台车的运力，但司机一个都没多雇。 北部湾港集团的西江船闸联合调度系统，把长洲船闸的过闸效率提升了25%。 这条水道连接珠江水系与西江干线，是西部陆海新通道的关键节点。过去，船过闸要排队等通知；现在，AI可以提前预判船闸容量、规划最优过闸时间，让船舶"到了就能过"，减少空等。 港-航-货数据互通：让信息跑在货物前面 多式联运的效率瓶颈，往往不在运输本身，而在信息传递。 货代订了舱，不知道船舶什么时候到港；港口准备好了泊位，不知道货什么时候能卸完；海关审完了单，不知道货物什么时候能拉到。整个链条上，每个参与者都在"猜"下一步会发生什么。 上海国际集装箱运输服务平台（集运MaaS）正在解决这个问题。 这个平台2024年9月上线，打通了港口、海关、船公司、货代、车队等多方数据。用户可以一门式查询船舶动态、港口操作、货物状态、铁水联运、公水联运等关键信息，覆盖出口流程18个节点、进口流程14个节点。 平台整合了横跨9省40市的海铁联运物流数据。 过去，查一个集装箱的位置要分别登录好几个系统；现在，手机扫个二维码，货物全程动态一目了然。更厉害的是区块链无纸化换单功能。进口商拿到正本提单后，以前要拿着纸质单据去码头换提货单，来回跑几天；现在通过区块链确认，流程从1-2天压缩到3-4分钟。平台用不可篡改的方式记录了每一步操作，既高效又可靠。 海关智慧监管：让"通关"不再等待 连云港海关的智慧船舶监管系统，能在船舶到港前就完成大部分检疫工作。通过远程互联采集船员体温、进行流行病学调查，单船检疫时间节省了约1.5小时。船在港时间减少了，泊位周转率自然就上去了。 青岛海关的"船易通"平台，把船舶物料供退流程彻底简化了。 以前，给国际航行船舶送伙食和船用物料，要跑好几趟海关、码头，每次都要带纸质单据。现在通过平台在线申报，系统自动核销，供退船业务办理时间压缩了80%以上。上线一年来，累计办理近6万票，为企业节省成本超过1000万元。 他们融合了智能感知、数字孪生等技术，建立了铁矿石、原油、粮食等7大货种的智能监管场景。其中，铁矿石智能监管场景的通关时间压缩了65%，港口作业效率提高了20%。40万吨级的铁矿石船现在可以"快进快出"，以前要等上一周才能完货离港，现在两三天就能搞定。 数字孪生：让决策跑在事故前面 简单说，就是给真实世界建一个虚拟副本。船在海上跑，岸上有个"数字船"在同步模拟——发动机转速多少、航速多少、油耗多少、有没有异常振动，都能实时看到。 第一，提前发现问题。主机有异常振动，数字孪生模型能提前48小时发出预警，让船员有准备地安排检修，而不是等到机器趴窝了才手忙脚乱。 第二，优化运营决策。航线怎么走最省油、速度怎么控最经济、什么时候该减速避风——系统可以模拟各种方案的结果，给出最优建议。 第三，培训新船员。在数字孪生环境里，新手可以反复练习靠泊、避让等操作，不用担心撞码头。出了问题也不怕，重来就是了。 结合AI算法，系统可以实时预测设备健康状态、评估维修时机、模拟能耗优化方案。实测数据显示，这套系统帮助船队降低了约8%的燃油消耗，相当于每年节省了相当可观的运营成本。 五、未来已来：AI将把航运带向何方 从"替代人"到"增强人" 历史上，每次技术革命都会消灭一些旧岗位，但同时也会创造新岗位。汽车取代马车，马车夫失业了，但司机这个职业出现了。自动化码头减少了装卸工人，但多了系统维护、数据分析、远程监控等新岗位。 在航运领域，AI的角色更像是"增强人"而不是"替代人"。 自动驾驶的船还是需要人监控，智能调度的系统还是需要人决策。AI做的，是把人从重复性、低价值的劳动中解放出来，让他们去做更需要判断力、创造力的事情。 比如，船长可以把更多精力放在客户服务、航线规划这些战略层面的事情上，而不是每天盯着仪表盘。调度员可以用AI生成的方案作为参考，把时间花在协调复杂问题、处理异常情况上。 从"数字化"到"智能化" 现在大多数航运企业的数字化，还停留在"电子化"阶段。 船期还是人工录入，航线还是经验规划，调度还是靠表格和电话。只是把纸变成了屏幕，把面对面变成了视频会议。 智能化意味着：系统能自己发现问题、提出方案、优化结果。企业不再需要那么多"经验丰富的老师傅"，因为AI把老师傅的经验变成了可复制的算法。 这个转变不会一蹴而就。但那些现在开始布局的企业，未来会拥有明显的竞争优势——更低的成本、更高的效率、更稳定的服务质量。 从"单点突破"到"全链协同" 单点的AI应用已经足够惊艳，但真正的变革来自全链协同。 货代下了订单，系统自动匹配最优航线；船舶还没到港，港口已经准备好了泊位和装卸设备；海关的预审单已经通过，货物一卸下来就可以提走；铁路的车皮已经等在堆场，箱子直接吊装上车运往内陆。 这条链条上，每个环节都知道下一步要发生什么，不需要电话协调、不需要等待确认。 这才是AI+航运的终极目标——不是某一家公司效率提升，而是整条供应链的效率跃升。 当然，这需要各方愿意共享数据、开放接口、信任算法。竞争关系中的企业，很难做到这一点。所以，像集运MaaS这样的公共平台、由政府推动的数据互通倡议，才显得格外重要。 结语 千年前，郑和下西洋靠的是罗盘和星星；百年前，蒸汽轮船取代帆船，靠的是机械动力；今天，人工智能正在给这个行业装上"大脑"。 IMO的MASS规则2025年才发布，距离2032年强制生效还有几年；大模型在航运业的应用还处于探索阶段，离成熟还有距离；产业链的数据互通还面临竞争关系、标准不统一等障碍。 自动驾驶会更普及，船队管理会更智能，供应链协同会更紧密。那些率先拥抱AI的航运企业，正在用算法重写这个行业的基本规则。 意味着下次你坐游轮出游时，可能会惊讶地发现：这艘船上，船员比过去少了很多，但船比以前更稳、更安全、更舒适。 意味着你熟悉的物流行业，正在以一种你可能还没注意到的速度，发生深刻的变化。
夜雨聆风