大模型+港口，会有什么化学反应
作者/ IT时报记者 孙妍
编辑/ 潘少颖 孙妍
短短半年，国内掀起“百模大战”的巨浪，并迅速分野成三大阵营：第一阵营是互联网大厂孵化的通用大模型，第二阵营是为落地而生的行业大模型，第三阵营则是更为细分的场景大模型。
其中，行业大模型是数量最为庞大的阵营，AI在千行百业跑出专用大模型，这是一次借AI超车、重塑数字化生态的机会。
最近，全球首个集装箱物流行业大模型就在上海跑出，正向国内港口铺开。在今年6月举行的欧洲集装箱供应链展览会上，西井科技首发集装箱大物流运营大模型TerminalGPT，创造了一种新的搭配——“大模型+大物流+自动驾驶”，这个组合正在内河物流港口发生化学反应。
无人车叠加大模型，从上海驶向世界，在可见的未来，行业大模型“出海”不无可能。
01 24小时港口贴身专家
港口来了一位24小时在线驻守的智能运营机器人专家，在它的指导下，一位初出茅庐的起重机操作司机，瞬间“变身”拥有20年操作经验的“老师傅”，一步步推荐操作方案，预测安全风险等。
这位“24小时港口贴身专家”到底是谁?
内河港大模型即将上线
它就是西井科技的集装箱物流智能机器人专家TerminalGPT，它的“功力”集中在三方面：能为港口管理者和操作员提供运营支持和操作建议，比如如何分配岸桥场桥的任务，怎么调度车辆等;当港口运营效率异常时及时预警，分析原因;更高能的是，能预测事件，比如提前进行任务分配、交通堵塞预警等。
TerminalGPT的思维方式接近于“人脑”的全局考量，兼具机器的冷静和精准，输出一个最优解。
如果港口有辆水平运输的车抛锚了，车辆在无人驾驶状态下，能自动通知操作部就已非常智能。但是大模型更会考虑全局，假设台风20分钟后即将登陆，而营救这辆车需要30分钟，TerminalGPT迅速进行异常预警，建议推迟营救车辆的任务，结合天气提供最佳运营建议;或者考量装卸船的进度，现在是否还有空闲车辆，再决定先完成装卸任务还是先修理车辆。
TerminalGPT操作界面演示
作为TerminalGPT第一个落地港口，西井科技场景智能与软件产品事业部总经理俞铭琪亲自带队，“一港一案”地训练大模型。“虽然每个码头80%的应用场景差不多，但运营侧重点不同，内河航运将安全放在更高级别，但海港则把效率放在第一位。”俞铭琪解释道，有一些新功能也是在港口实际运行中磨合出来的，比如用语音来与大模型对话，通过手持终端或耳机就能听到操作指示，询问下一步方案，更好地提高操作员的效率。
越过两座“山丘”
效率、安全，是港口运营想要到达的“两座山丘”。集装箱物流作为承载全球90%贸易的海运枢纽，其流转效率却跟不上全球贸易对物流的需求增长。人力成本攀升、安全生产管控难成为集装箱物流行业的痛点。
2015年，西井创始团队在长三角港口走访时发现，在岸桥底下工作，哪怕是从高空坠落一枚小螺丝都会造成安全事故。六七十米高的塔吊驾驶室里，岸桥司机将集装箱对准、装卸、再对准、再装卸，长时间重复操作。
培养一位有经验的“老师傅”太难，而TerminalGPT却能让一位新手操作员瞬间拥有20年经验，还能24小时“无休”。
大模型能搜集港口最优秀操作员的经验，形成知识库。另一方面，西井打通车队管理、岸桥管理等多个子系统，“承接”大模型，让操作员拥有“上帝视角”，实时了解整个港口的运作情况。
整整两个月，在西井科技上海办公室的数据中心，一个标准大模型正在被训练，训练它的正是人工智能技术专家和港口运营“老师傅”们。而另一端，港口现场操作员的反馈被收集为一组新模型，当操作关卡放在眼前时，系统会自动给出最优解，在实际运行中越用越“聪明”。
数据不出现场
大模型为效率而生，但疑虑却围绕数据安全而生。“在国内，几乎所有港口都在想方设法运用AI大模型，但他们唯一的担忧是数据安全。”在俞铭琪看来，当大模型出海时，面临的数据安全难题会比国内更严峻，欧洲、美国等地的数据安全法规各有不同，但只要遵守一个原则，就能很好地符合这些法规。
那就是数据永远不出现场，而隐私计算成了最好的数据“城墙”。俞铭琪道出了数据“城墙”背后的技术原理：“一方面我们会把数据加密存储在港口现场，而在大模型拷贝和升级过程中，我们用到隐私计算技术，让数据可用不可见。”
西井科技将基础大模型放在西井科技上海机房里训练，一周左右就能跑出一个新版本的大模型，再部署到本地化港口，也就不需要港口运营者再投入新的算力成本。虽然西井科技投入了大量的研发资源，但因为西井无人车等产品已经打下商业化基础，其研发成本也就能够被迅速地分摊到不同的港口，将资源使用效率最大化。
02 《流浪地球2》“上海来客”的嬗变
比起家族新生力量AI大模型，西井科技的无人车队伍更为人熟知，在电影《流浪地球2》中，它是地球联合政府中呆萌的“大力士”，一个在港口默默作业的无人车Q-Truck，一朝在世界人工智能大会被导演相中，拥有了破圈式的“高光时刻”。
现实中，它是第一家在全球商业交付无人驾驶车辆及系统超过数百套规模的公司，场景不仅覆盖海港，还贯穿铁路枢纽、陆港、空港、工厂等集装箱物流场景。
西井科技总裁章嵘表示，西井科技面临的将是全球万亿级的市场，最终目标是围绕全球集装箱运力建设智慧网络。
当AIGC遇到自动驾驶
2022年，我国以311万辆的成绩，超越美国、德国成为世界第二大汽车出口国，全球道路上超过一半的电动汽车都由中国制造。
西井科技是中国汽车“新势力”出海的缩影，当前，在全球吞吐量排名前二十的港口，70%都跑着西井科技的无人车，或用着软硬件一体的新能源自动驾驶解决方案。
2016年建立自动驾驶团队，在上海郊区车库“死磕”难题，2018年，西井科技开始在无人车领域全力加速。先是在珠海港发布全球首辆港区作业无人集卡，当年9月，全球首款全时无人驾驶新能源商用车Q-Truck诞生，渐渐在国内海港、陆港看到西井无人车家族的身影。短短3年，西井科技无人车开往全球18个国家和地区，服务全球160多家客户。
今年6月，西井科技拿下和记港口英国的大单，英国第一大港费利克斯托港新增100辆新能源智能无人驾驶卡车Q-Truck，双方将联手打造迄今为止最大规模的“无驾驶室”新能源无人驾驶商用车队，今年9月起开始分批交付。
无人车为西井科技打了商业化前站，创造了无数个“第一次”，在泰国林查班港口，实现全球最早的无人驾驶与人工驾驶混合作业，并首次实现“无驾驶室”新能源无人集卡常态化运营。
除了无人驾驶帮助大物流行业降本增效外，新能源也是一大亮点，Q-Truck配套西井正向自研的智能能源服务PowerOnair，5分钟即可完成无人化电池补能。经测算，Q-Truck在实际生产作业场景下，完全使用绿电，单车每年可减排二氧化碳50吨，相当于单车每年植树4545棵，单车每年植树面积约达11.34万平方米。
2021年阿布扎比码头引入西井无人驾驶设备
当AIGC遇到自动驾驶，在“硬实力”的基础上叠加“软实力”，一个有壁垒的商业闭环正在形成。
“我们的目标是用大模型将车队的调度效率提升20%，验证了一个多月时间，效果是立竿见影的。”俞铭琪认为，落地港口是TerminalGPT的第一步，场景有了、技术有了、数据有了，“三力合一”才构筑了壁垒，才能将单个系统提升的20%运营效率无限放大，甚至突破能效边界。
集装箱物流大模型创造AI生产力
造个人设聊聊天，写一首诗，解答高考试卷，文生图，文生视频，文生PPT……AI第一次真正让白领们体会到职业危机感。
但是，西井科技不作诗，这一大物流AI大模型再一次打破想象力边界，向生产力工具演进，AI正在创造出新的生产力，让蓝领们的工作更加安全、高效。
在无人车之前，自动化理货是西井最初的港口无人化业务。船舶靠岸后，岸桥从船上抓取集装箱放在无人车上，无人车再将货物运送至堆场码放，出入智慧闸口时，会自动录入车辆和货物。
这让西井不仅能够掌握港口全局运营的经验，还提升了生产要素在海铁路空及工厂等集装箱物流全链路的高效流转，这才诞生了全球首个集装箱物流行业大模型。
从自动化理货到无人车，再到大模型，看似是一次次跨界和技术蝶变，但又是一脉相承，从单一场景的应用扩展到全链路场景。
大模型虽是由Open AI的ChatGPT掀起的热潮，但在行业落地上，却呈现着“外冷内热”的现象。数字中国战略推行这几年，让中国整个产业界都尝到了数字化的甜头。
“国内港口更热衷于大模型，海外则对自动驾驶较为热衷。”谈到大模型未来的规划，俞铭琪认为，大模型虽是通用的，但要先落地在最熟悉的港口领域，进而打入机场、铁路、工厂、物流园等场景。
大模型的定位开始显现，它不只是为无人车增值，更像是链接器和加速器，将西井科技集装箱物流场景智能解决方案和无人车两个平台链接，打破信息孤岛，为众多物流场景下的车辆、人员、空间及能源等加速。
从上海到世界，从无人车到大模型，从无人港口到大物流，让全球生产要素拥有同一张生产时刻表，才是西井更大的野望。
排版/ 季嘉颖
图片/ 西井科技 中远海运港口阿布扎比码头
来源/《IT时报》公众号vittimes
本文转载自互联网，如有侵权，联系删除
