港航业的数字化到底发展到什么程度了？人工智能AI应用于航运业到底到什么程度了？

信德海事网消息，6月26日，香港中远海运/海南中远海运2026全球合作伙伴大会期间，由中远海运科技承办的“航运数字智能——AI赋能航运”专题沙龙在海南博鳌举行。

也正式这场沙龙为我们提供了一个难得的观察航运和港口领域实际应用AI情况的一个重要窗口。

原本这场沙龙只安排了一个上午的时间，但由于发言嘉宾踊跃，内容丰富，导致这场讨论大大超出了主办方的预定时间，由于行程安排紧张，我们也没有完全记录完本次沙龙的所有讨论内容。

但信德海事网可以很肯定的是，本次论坛没有停留在“AI很重要”“数字化是趋势”这样的泛泛讨论上，而是把监管、船检、船舶设计、港口、船队运营、燃油供应、网络安全、高校科研、航海保障和航运科技平台等多个主体放在同一个场景里，集中回答了一个行业正在追问的问题：港航业数字化到底发展到什么程度了？人工智能AI应用于航运业到底到了哪一步？

从这场沙龙可以看到，港航业数字化已经进入了一个非常关键的阶段。行业已经完成了从“业务线上化、数据可视化”向“流程智能化、决策辅助化”过渡的第一步。部分场景已经有较成熟的AI应用，部分场景正在进入规模化试点，还有一些基础问题仍然卡在船端通信、数据可信、系统互联、责任边界和国际规则上。

可以说，AI在航运业已经开始干活了，但它还没有真正接管航运业。它正在进入船检、设计、港口、航保、船队安全、散运经营、燃油供应和网络安全等关键环节，主要角色仍然是辅助判断、前置预警、优化流程和沉淀经验。它目前最现实的价值，是帮助人做出更快、更准、更可验证的决策。

AI已经从概念进入港航业务流程

中远海运科技总经理、党委副书记林亦雯在致辞中提到，航运产业需要完成从“把AI当工具”到“以AI为内核”的跃迁。她提出，中远海运科技希望依托行业大模型、大数据、智能平台三大核心底座，开放数智新基建，携手各方共建港航端到端智慧生态。

过去几年，航运业谈数字化，很多时候强调系统建设、平台上线、数据看板、流程审批、电子单证和可视化管理。今天，行业讨论的重点已经发生变化。企业开始关注AI能否真正嵌入业务流程，能否把分散的经验变成可复用的知识，能否把海量数据转化为风险预警和经营决策，能否帮助船员、调度员、检验员、设计师和管理人员减少重复劳动。

中远海运科技副总经理杨威在分享中把这一变化概括得很清楚。他认为，AI释放产业价值不在单一节点，而在全业务链条。航运AI正在推动四个转变：从单纯信息处理转向行业知识沉淀，从人工经验决策转向AI辅助智能决策，从单点自动化工具转向全流程智能化，从依赖个体专家经验转向人机协同体系。

这一判断与现场各方分享高度一致。无论是中国船级社谈AI船检，上海船舶设计研究院谈DOSS数字化营运平台，山东港口谈智能调度和安全管控，还是中远海运散运谈智能配载、邮件扫盘，本质上都在解决同一个问题：如何把过去依赖人工经验、分散在不同系统和岗位中的知识，转化成可以被模型识别、可以被流程调用、可以被持续迭代的数字能力。

船检：AI正在进入审图、检验和风险预警

船舶检验是航运安全的源头环节。中国船级社国际业务运营中心副主任、首席技术官洪波在沙龙上表示，船检长期以来高度依赖检验人员经验，传统模式劳动强度大，现场作业复杂。人工智能与船检深度融合后，可以把检验人员从重复性、机械性劳动中释放出来，使其更多承担高价值判断工作。

中国船级社已经在AI辅助审图、无损检测智能分析、整船火灾预测、水动力性能智能预测等方向展开探索。其牵头研发的远洋船舶智能风险预警智能体，也已依托大模型与知识图谱融合技术取得阶段性成果。

更重要的是，中国船级社正在从单点工具向体系化能力推进。洪波提到，CCS正在牵头推进行业高质量数据集建设，并编制船舶与海上设施相关高质量数据集建设指南。未来AI+船检将围绕四大体系展开：人工智能大检验、人工智能+船舶科研、人工智能+行业服务、人工智能+船舶全生命周期管理。

这说明船检领域的AI应用已经不再只是“用机器识别图片”或“用模型回答问题”。它正在向规范科研、审图、检验、客户服务、风险预警和全生命周期监管延伸。船级社在这一轮变革中的作用，也将从传统检验服务者，进一步扩展为行业数据标准、AI治理和安全规则的重要构建者。

船舶设计：AI已经开始反向优化船舶性能

船舶设计是航运智能化的源头。上海船舶设计研究院副院长李鑫介绍，上海船舶设计研究院开发的DOSS数字化营运平台，已经围绕船舶安全和营运能效开展实践。AI在船舶设计和营运优化中的应用，主要集中在航速优化、重心优化、航线优化、设备健康管理、CII评级优化和LNG船BOG挥发管控等场景。

在航速优化方面，AI可以通过海量航行数据，帮助船舶在满足到港时间要求的同时降低燃油消耗。过去这类优化更多用于固定航线大型矿砂船，现在散货船、集装箱船等航线变化较大的船型也开始具备优化空间。

在重心优化方面，AI可以结合货物装载、船期安排、船舶工况和装载计算机数据，动态推送更合理的重心方案。对于集装箱船而言，装载率、航线、班期和配载变化频繁，AI重心优化空间很大。

在航线优化方面，AI可以结合气象、海况、船舶位置、港口计划等因素，推演不同航线方案。李鑫提到，某航线优化后航程增加64海里，但综合能效提升8.3%。这说明AI并不简单追求最短距离，而是在时间、油耗、舒适度和安全之间寻找综合最优解。

在设备健康管理方面，平台可以通过排温、扫气压力、排气背压等外部参数建立模型，实现主机设备异常预警。但这一领域仍处于持续进化阶段。由于设备采集数据维度不足，主机型号和版本持续变化，真正意义上的预测性维护还需要长期数据积累。

船舶设计AI目前还无法独立完成完整绘图和设计。李鑫也坦率指出，智能设计仍处于探索阶段。船舶设计包含推演、计算、迭代优化等复杂流程，需要海量营运数据支撑。不过，AI已经开始反向影响船舶原始设计。通过全行业营运大数据，设计单位可以优化线型、舱室布局和能效方案，使下一代船型从设计阶段就更贴近真实营运场景。

这意味着，船舶设计正在从“按规范设计、按经验优化”，逐步转向“按营运数据反向设计、按AI模型持续迭代”。

港口：AI应用已经进入调度、安全和堆场策划

在港口领域，AI落地速度明显快于多数航运场景。原因并不复杂。港口场景相对固定，设备集中，数据采集条件更好，作业流程标准化程度更高，AI更容易形成闭环。

山东港口科技集团总经理朱建广介绍，青岛港获批国家人工智能应用试点基地后，山东港口系统梳理出八大类、60个港口数字化应用场景。其中，码头智能调度、港口全流程安全管控系统“智隼”、港口AI知识管理已经取得明显成效。

在码头智能调度方面，港口作业涉及大量规则、设备和动态约束，需要在安全、效率、能耗之间求解最优方案。山东港口智能调度模型在多座码头试点后，整体作业效率提升10.4%，综合能耗下降6%。

在安全管控方面，“智隼”系统将登高、吊装、动火、有限空间等高风险作业拆解为标准化流程节点。作业人员每一步操作都需要拍照上传，AI自动审核资质、防护装备、现场安全员、设备锁具等合规项，审核通过后才能进入下一步。目前该系统日均审核作业单据超过6000份。

广州港数据科技李小毛也指出，港口AI应用主要集中在专业散货码头和集装箱码头两大板块。专业散货码头依靠自动化皮带机、管网、筒仓等设备实现全流程自动化，AI主要用于设备辅助管控。集装箱码头则在智能理货、AI闸口识别、自动化作业、客户服务等方面已有成熟应用。

广州港认为，港口数字化转型的核心攻坚点集中在调度、中控和堆场策划。智能调度可以整合船舶到港、泊位、航道、拖轮等数据，自动生成作业计划；中控管控可以依托实时数据自动调整作业指令；智能堆场策划可以根据历史航次、进仓数据预测集港量，自动生成配载方案，测算作业线和完工时间。

从这些案例看，港口AI已经从“能不能用”进入“能不能提高效率、降低能耗、减少人工、提升安全”的阶段。港口是当前港航业AI应用最成熟的场景之一。

航海保障：AI开始服务“一船一策、全程伴随”

航海保障是航行安全的重要防线。交通运输部南海航海保障中心钟辉介绍，传统航海保障服务高度依赖人工，日常工作离不开纸质海图、航标表等资料。但用户对高效、便捷、直观服务的需求持续提升，推动航保数字化和智能化加速。

南海航海保障中心正在以新一代海上通用数据模型S-100为基础，搭建“1+N”智慧航保数字服务体系。该体系汇集航标、测绘、通信三大业务数据，整合AIS、多功能航标、水文气象等多源信息，依托S-100系列服务标准，落地智能航线推荐、航行风险预警等服务。

钟辉介绍，航线推荐方案结合海域水深、船舶交通流、船舶会遇紧迫局面等因素综合演算生成。目前相关服务已经在海事通APP、智慧海事平台、船舶电子海图终端上线应用。全国已有约1.1万艘船舶接入S-124/S-127配套服务体系，数字服务累计在线时长超过1000万个小时，服务调用总量突破61亿次。

未来，南海航海保障中心将推进“四网一平台”建设，搭建全域多元海上感知网络，融合多功能航标、水文气象、AIS、雷达、CCTV、低轨卫星等感知数据，动态展示高精度水深、洋流、海况数据，为船舶航线优化和乘潮窗口推算提供个性化服务，打造“一船一策、全程伴随”的智慧航保服务体系。

这说明，航保数字化已经开始从静态信息发布，走向动态感知、智能计算和伴随式服务。未来，如果航保数据与船舶系统、港口调度、气象服务、海事监管进一步打通，航行安全将进入更细粒度的智能保障阶段。

船队运营：AI最先落地在配载、邮件、风险预警和调度

船队运营是AI应用最复杂、也最有价值的领域之一。集装箱船、散货船、油轮、特种船的运营逻辑差异很大，数据质量、船端设备、船员习惯和业务流程也不完全一致。

中远海运散运汤科介绍，散运布局AI的核心目标，是把船员和调度人员从繁杂重复工作中解放出来，由人工经验决策转向数据智能决策。2024年，中远海运散运打造“搏弈AI”数字化品牌，梳理40余个高价值业务场景，其中20余个功能已经上线并嵌入业务系统。

其中，智能配载系统是典型场景。传统人工配载耗时6至7小时，AI系统可以压缩至35分钟，船舶装载率超过95%，安全指标也同步优化。另一个场景是智能邮件扫盘。航运业务尤其是租船业务高度依赖邮件，AI可以自动解析上千封租船邮件并匹配船舶资源，大幅提升租船决策效率。

未来，散运AI将从被动接收信息升级为主动预判推送，依托市场、气象、港口拥堵等数据，自动推送风险预警和业务机会，实现“信息找人”。同时，租船、调度、安全、财务等各环节专属智能体将协同运算，输出全局最优运营方案，避免单一环节局部优化。

集装箱船队的痛点则更加集中在安全和风险识别。上海远洋运输有限公司副总经理钱锋提到，集装箱船是事故风险较高的主流船型之一。单船箱位上万，最多可装载近3000个危险品集装箱，混杂锂电池、冷藏危货等高危货物。船舶长期航行于台风、拥堵和复杂水域，岸基与船舶之间存在信息时差，仅靠传统规章制度很难提前预判隐性风险。

钱锋指出，现阶段AI无法完全替代船长和船员判断。大量资深船长经验、事故复盘经验和规章制度尚未充分数字化。AI在船队安全中的现实定位，是辅助工具。系统应完整展示风险判断依据，不直接替代人员决策，并通过一次次精准预警逐步建立船员信任。

这意味着，航运AI在船队运营端的成熟路径，很可能先从“辅助人”开始，再逐步形成“人机协同”，最后才可能进入高度自主阶段。

燃油供应：AI开始进入采购、碳核算和仓储调度

燃油成本是航运企业最重要的运营成本之一。中国船舶燃料有限公司副总经理宋兆国在沙龙上指出，降低船企用油成本主要有两条路径：采购保供和数字化智能运营。

在采购层面，中国船燃依托中远海运和中石油股东资源，保障稳定供应，同时拓展国际采购渠道。去年公司全球供油总量达到3280万吨，坚持保质、保量、保价、保安全、保廉洁的“五保”运营理念。

在数字化层面，中国船燃提出从单一燃油供应商向低碳智能综合服务商转型，已落地碳强度计算器、欧盟低碳燃料配比测算工具，并联合中远海运科技搭建行业大模型智能体，上线绿色燃料信息服务平台。

下一步，中国船燃将重点搭建智慧运营平台和智能仓储调度平台。智慧运营平台覆盖询单、下单、供油交付全流程数字化，解决船油交接计量耗时长、效率低的问题。智能仓储调度平台则依托AI优化油品库存和供油船舶调度。

这一方向说明，航运燃油服务的数字化正在从价格查询、订单流转，走向碳核算、合规测算、库存优化、船舶调度和低碳燃料服务。随着EU ETS、FuelEU Maritime等规则持续推进，燃油供应商未来也会成为船东碳管理体系中的重要参与方。

网络安全：AI时代的港航数字化必须先守住底线

航运智能化越深入，网络安全压力越大。奇安信集团产业中心副主任周永刚在主题分享中提醒，AI时代网络攻防正在出现新变化。AI大幅降低代码开发和漏洞挖掘门槛，攻击侧能力可能被工业化放大，传统安全体系面临挑战。

周永刚提出，航运行业必须从传统漏洞修补、内网隔离、合规达标，转向端到端一体化综合防御、网络安全与航运数字化深度绑定、专业化持续运营保障。奇安信提出高、中、低三位一体综合防御体系：高位是国家级情报和风险研究，中位是集团或行业安全运营大脑，低位是船舶现场基础防护。

奇安信船舶与海洋事业部殷耀亮在圆桌中进一步提到，航运AI时代需要AI原生一体化安全防护，包括提示词审计、模型防泄露、访问管控、漏洞常态化监测和全链路数据合规管控。随着船视宝、DOSS等行业平台普及，传统等保标准已经不足以覆盖AI新风险，航运平台需要原生安全架构升级。

这提醒行业，数字化能力越强，攻击面也越大。智能船舶、船岸平台、港口调度系统、燃油交易系统、AI智能体和行业大模型，都需要持续安全运营。航运业不能把网络安全视为项目验收后的合规附件，而要把它嵌入数字化建设全生命周期。

高校与规则体系：AI落地需要人才、标准和治理框架

大连海事大学航海学院肖仲明副院长介绍，大连海事大学围绕智能航运、海洋装备、人才培养三大板块落地AI技术。学校自研自动驾驶航运大模型，具备航行研判、自主航线规划功能；搭建岸基远程船舶操控体系；牵头海陆空潜一体化海上智能示范项目；研发NAV800A智能航行装备，并取得国内首张中国船级社智能航行原理认可证书。

在人才培养方面，大连海事大学已经开设人工智能、海洋技术相关本硕专业，并面向全校理工科普及AI相关课程。这说明，航运AI发展不只是企业系统建设问题，也涉及人才结构调整。未来行业需要既懂船、懂港、懂规则，又懂数据、模型和算法的复合型人才。

徐国毅在总结中提到，交通运输部正在推进“十百千”工程，即十大AI应用方向、从860个行业场景中筛选百个重点示范、扶持千家创新企业。行业也在搭建“1+N+X”全国交通大模型体系：1个国家级基础大模型，部省共建N个垂域行业模型，X个企业自建行业生态系统。

这意味着，交通AI和航运AI已经进入政策推动和体系建设阶段。未来行业竞争将不只发生在企业之间，也会体现在数据标准、垂域模型、行业平台、智能体生态和规则治理能力上。

现实瓶颈仍然突出：船端基础设施、数据可信和规则滞后

尽管AI在港航业已经进入多个业务场景，但行业离真正智能化仍有距离。中源船务安监部总经理赵庆伟从一线实操角度提出了三个核心瓶颈。

第一，海上数字基础设施仍然不足。AI需要大量数据传输，但部分老旧船舶仅配备低成本基础通信设备，无法支撑大数据实时回传。一些船舶仍沿用纸质海图，未部署CCTV定位设备，底层数字化基础缺失，AI难以落地。

第二，行业数据可信度不足。航运数据高度依赖AIS信号，但海上监管盲区、影子船队、地缘冲突下的信号干扰和数据失真问题突出。错误数据输入可能导致AI模型输出错误风险判断，反而新增安全隐患。

第三，国际行业规则迭代速度落后于技术发展。电子提单推广多年，普及度仍有限；无人自主船舶的法律责任、事故认定规则尚未完善；AI参与决策后，责任边界如何划分也仍需行业共识。

此外，船员和一线人员的接受度同样关键。赵庆伟强调，AI必须坚持以人为本，不能增加船员重复合规工作负担。当前船上各类检查表已经非常繁杂，数字化应当帮助一线减负。如果新技术给船员带来更多填报、更多系统切换、更多重复工作，一线人员很难真正接受。

这一点尤其值得重视。航运AI不能停留在岸基管理层的美观看板，也不能只服务于报表和考核。它必须真正解决船员、调度员、检验员和一线操作人员的痛点，例如危险品瞒报、集装箱火灾、台风航行、港口等待、设备故障、燃油成本、配载效率、单证识别和安全检查等。

港航数字化发展到什么程度了？

综合这场沙龙的内容，可以对港航业数字化程度作出一个较为清晰的判断。

第一，港口数字化程度最高，部分场景已经进入AI规模化应用阶段。智能调度、安全审核、智能理货、AI闸口、堆场策划、设备巡检等场景已经产生效率和能耗改善数据。港口具备固定场景、稳定数据、集中设备和标准化流程，因此AI落地最快。

第二，航保、船检、设计等专业服务领域正在形成垂域AI能力。南海航保基于S-100体系建设智慧航保服务，中国船级社推进AI船检和高质量数据集建设，上海船舶设计研究院通过DOSS平台优化船舶能效和营运效率。这些领域的AI应用专业性强，壁垒较高，将成为未来行业智能化的重要基础设施。

第三，航运企业运营端正在从单点应用走向多智能体协同。散运的智能配载、邮件扫盘、信息主动推送，集装箱船队的安全风险预警，燃油供应的碳核算和仓储调度，说明AI已经开始进入企业日常业务。但由于船端硬件、通信、数据质量和人员信任问题，船队运营端的AI成熟度仍不均衡。

第四，行业级平台和垂域大模型正在成型。中远海运科技“船视宝”平台、“海道通”航运模型、“轻舟”智能体平台，已经构成航运AI基础设施雏形。官方发布信息显示，“轻舟”已服务51家组织，发布超千项智能体，日均调用超2万次。这说明航运AI正在从企业内部工具向行业生态平台发展。

第五，网络安全、数据治理和规则建设成为下一阶段关键。AI越深入，越需要可信数据、模型治理、权限管控、责任边界和安全体系。没有这些基础，AI很难从试点走向大规模应用。

AI应用于航运业到底到了哪一步？

如果用一句话总结，当前AI在航运业已经走过“展示期”，进入“落地期”，正在向“规模化应用期”推进。

它已经能够在若干场景中产生真实价值。例如，港口智能调度提升效率、降低能耗；散货船智能配载大幅缩短人工时间；船体能效优化帮助降低燃油消耗；航保智能服务支撑航线推荐和风险预警；船检知识库和风险预警智能体开始辅助专业服务；燃油供应平台开始支持碳强度和低碳燃料测算。

但AI尚未进入完全自主决策阶段。多数关键场景仍然采用“AI建议+人工确认”的方式。尤其在船舶安全、航行决策、事故预警、船舶检验和网络安全等高风险领域，AI的作用主要是辅助判断、增强感知、提高效率和沉淀经验。

未来一段时间，航运AI的核心任务并非追求无人化口号，而是解决真实业务问题：如何降低事故，如何提高港口效率，如何减少燃油消耗，如何识别危险品瞒报，如何让船员少填表、少切系统，如何让调度员更快判断，如何让船队管理者提前看到风险，如何让绿色合规数据可核算、可验证、可追溯。

这才是AI在航运业真正的价值入口。

港航业正在进入“智能化重构”的前夜

总的来看，这场“航运数字智能——AI赋能航运”专题沙龙传递出了较为清晰的信号：港航业数字化已经不再停留在系统建设阶段，AI也不再只是概念热点。港口、航保、船检、船舶设计、散货经营、集装箱安全、燃油供应、网络安全、高校科研和行业平台都已经开始出现可验证的应用场景。

与此同时，行业距离真正智能化仍有一段路。船端基础设施需要补齐，数据可信体系需要建立，系统孤岛需要打通，国际规则需要跟上，责任边界需要明确，一线人员也需要真正感受到技术带来的减负和增效。

未来港航业数字化竞争，很可能集中在三个层面。第一是数据底座，谁能掌握更高质量、更可信、更可流通的数据，谁就拥有AI时代的基础资源。第二是场景能力，谁能理解真实业务痛点，谁就能让AI产生价值。第三是生态组织能力，谁能联合船东、港口、船级社、设计院、海事监管、科技公司、高校和能源服务企业共同建设，谁就能把单点创新变成行业能力。

港航业的AI时代已经开始。它目前还没有完全改变航运业，但它正在重塑航运业的工作方式、服务体系和竞争逻辑。对于一个长期依赖经验、规则和现场判断的传统行业来说，这场变化才刚刚进入最关键的阶段。

更多航运资讯，请点击“阅读原文”