科技微博·经济观察报··AI 生成
青岛港的AI突围：全国首个港口大模型诞生记
青岛港自研的“星港大模型”是全国首个港口行业垂直大模型，旨在将老师傅的隐性经验转化为可调用的智能决策能力，推动港口从“设备自动化”进入“决策智能化”阶段。文章详细披露了训练该模型的底层逻辑：选择国产基座（自主可控）、将港口的业务规则与历史数据转化为结构化知识图谱，并通过“大小模型协同”模式兼顾推理与实时控制。目前已在安全监管（133类违章识别、覆盖率95%）、干散货生产调度（出方案1.5分钟，采纳率>90%）等场景落地，并开始向日照港、宁波舟山港等复制推广，但作者也指出跨港复制的主要障碍是流程、标准与数据孤岛的差异化。适合关注垂直领域大模型落地逻辑、工业智能化转型的从业者阅读。原文 ↗原文 ↗
核心观点
- ▍港口智能化正从‘设备自动化’的上半场转入‘决策智能化’的下半场，大模型能否接管调度、安全等脑力环节成为下一轮竞争的分水岭，而自研垂直大模型是实现这一转换的核心路径。
- ▍青岛港选择自研而非使用通用大模型，核心原因在于通用模型无法适配高精度、强专业、重实操的垂直业务场景，且国产基座在自主可控的前提下已能支撑二次开发。
- 01星港大模型由青岛港主导研发，于2025年10月31日发布，是全国首个港口行业垂直大模型，被交通运输部列为全国典型案例。
- 02训练中最大的难点是挖掘专家隐性经验；干散货码头排泊智能体研发前，团队花费3-4个月调研，翻阅大量纸质表格和历史记录，通过访谈与案例复盘整理调度逻辑，整个智能体打磨周期长达半年。
- 03模型采用‘大小模型协同’模式：大模型负责复杂意图理解与多步骤任务组织，小模型和传统算法负责实时控制、确定性计算与安全验证。
- 04在安全管控场景，星港大模型衍生的动态安全智能体建立133个算法模型，覆盖50个业务场景，安全监管覆盖率95%，员工违章行为下降32%。
- 05在干散货生产调度场景，全要素调度智能体自动测算并输出最优靠离泊方案仅需1.5分钟，方案采纳率稳定在90%以上，而此前计划员手工制表需耗费大半天。
- 06星港大模型产品已在日照港、烟台港上线应用，宁波舟山港、天津港、大连港正在洽谈合作。
反方 / 局限
- — 跨港复制面临显著差异化挑战：内沿海/内河港口、不同货种（集装箱、干散货、件杂货）的作业流程、管理模式与规章制度不完全相同；各港口信息化建设进度、系统厂商、数据标准不统一，存在数据孤岛问题。
- — 文章虽未展开，但隐含的另一个局限性是：大模型对业务规则与安全验证的依赖，意味着在极端或未定义场景下，模型可能无法做出准确决策，仍需人类介入。
前置背景
技术原理
平行视角
未来推演
延伸追问