工业大省有“模”力｜星港大模型进驻港口，长出干活的“手”和“脚”

把一个大模型放进老港口，会发生怎样的变化？

它可能是一个计划员，几分钟里为一条临时晚到的船排出新的作业计划；也可能是一个安全员，在上千路监控里，及时发现异常、发出提醒；还可能是一个客服、一名培训员，甚至是一个随时能翻出港口规章制度的“老师傅”……

在山东港口青岛港，这些看起来完全不同的角色，背后连着同一个“大脑”——星港大模型。

星港大模型是面向港口行业建设的人工智能大模型，拥有350亿参数，融合超过25万组港口行业知识问答，覆盖生产、安全、港航服务等场景。

然而，大模型本身不是终点。真正往生产现场走，还要“长”出一个个会干具体工作的智能体。

学会港口自己的“规矩”

港口为什么需要一个专门的大模型？因为港口的很多问题，光“懂知识”不够。

在青岛港干散货码头，一份排泊计划要考虑超过180条业务规则、132个影响要素。在过去，这是一件高度依赖人的工作。“原来计划员要在纸上手工排计划，如果有一条船发生变化，就要重新做、重新画，计划员有时候一天要画十几张纸。”青岛港前港公司自动化智控中心主任赵伟丽说。

如今，青岛港把设备设施数据、信息系统实时数据，以及多年积累的专家经验等逐步纳入干散货码头专属本体知识库，让星港大模型先学会港口是怎么运转的。

然后，智能体才能开始干活。依托星港大模型研发的泊位、设备、堆场三个智能体，共同组成全要素调度体系，复杂工艺又被拆成12个数字计划模块。

“现在132个影响要素都纳入排泊计划智能体统一计算，计划编制时间由原来的小时级到了现在的分钟级。”赵伟丽介绍，目前，泊位智能体已经常态化运行，推优方案采纳率稳定在90%以上。

排泊，只是星港大模型长出的一个“触角”。

长出一个个“触角”

安全，是港口平稳运行不可忽视的一件大事。传统安全管理场景中，当面临现场规模太大等问题时，需要投入大量人力物力。人去查，点多面广。盯监控，屏幕成百上千，很难没有遗漏。

星港大模型针对此问题，又“生长”出另一类智能体。

青岛港围绕人的不安全行为、物的不安全状态，建设多模态安全管控智能体。小模型先快速识别，大模型再进行复判，最后形成“自动找、智能看、复合判、即时改”的闭环。

安全岛就是一个很直观的应用场景。车辆经过时，要求“人动车不动、车动人不动”。如果工作人员站在岗亭里，部分躯体在规定区域之外，在过去可能稍不留神就漏掉了，但现在，系统可以实现秒级捕捉。

此外，星港大模型还在进入港航服务。依托港口行业知识库，它已生成智行问价、智途领航、船东管家、口岸宝典、智能通关、智能跟踪等不同应用。

一个大模型在具体的工作场景中不断生长出新的能力，胜任越来越多不同的“岗位”，这或许才是垂域大模型真正有意思的地方。

一线不断出题，大模型不断迭代

港口每天都在变化：船型会变，货种会变，安全风险会变，客户提出的问题也会变。这就要求大模型、智能体不断升级。

山东港口青岛港一级专家常建说：“星港大模型的迭代需求来自生产现场。根据港口生产实际应用情况，以及客户反馈需求，我们再将大模型不断迭代升级。”

这就形成了一个很清晰的循环：现场提出问题，大模型学习问题、形成新的能力，再回到现场解决问题。而且，凭借出色的能力，目前星港大模型已经在国内数个港口开始应用，同时正加大向东南亚、中东等海外港口的推广。

看星港大模型，不该只盯着它的参数看，更值得看的是，一个行业大模型进入港口之后，究竟能长出多少真正有用的“手”和“脚”。

■专家点评

弥补通用大模型在港口场景适配不足的短板

□ 天使投资人、人工智能专家 郭涛

星港大模型是港口标杆垂直AI模型，依托国家级中试基地打造，弥补通用大模型在港口场景适配不足的短板。模型采用分层架构与大小模型协同方案，融合多模态感知与港口业务逻辑，覆盖安全生产、智能调度、港航服务场景。分层解耦设计兼顾模型迭代与现场运行稳定，搭建港口AI底座，实现AI与港口产业融合，为垂直行业大模型落地树立标杆。

■记者手记

垂域大模型：不止于懂，更在于干

过去我们谈大模型，很容易把注意力放在参数、算力和知识量上。但到了港口等具体应用场景，这些东西最终都要落到一个问题：它究竟能干什么？

排泊、设备调度、安全监管、客户服务，看起来相距很远，但它们正在被同一个行业大模型连接起来。这也是“垂域”真正有意思的地方。

大模型不是把一个行业的知识背得更熟，而是沿着行业里的真实问题不断生长，最后形成一个个能执行具体任务的智能体。

所以判断一个垂域大模型有没有真正落地，也许可以换个问法：它有没有从一个“大脑”，真正长出能干活的“手”和“脚”？

（大众新闻记者 苏月鹏）