案例 · 行业案例
2026 年 10 月 20 日
来源：央广网
央广网报道，上港集团正借 AI 智能体向存量码头「挖潜增效」。冠东公司于 2025 年 9 月上线的智能配载模型，通过提炼配载员经验规则并叠加航线历史积载数据，如今一艘装 6000 个标准箱的货船约 40 分钟即可生成出口船图，相比历史同期装船翻箱率最高可降 20.6%；而过去一艘 3000 箱货船，经验丰富的老师傅也要 4 小时才能完成配载。维保智能体则综合生产计划与设备维保信息，在大数据中锁定设备空闲窗口期，每月为码头多抢出 10 至 15 小时维护时间。其底层是上港集团自研的「莲花座」能力平台，采用大模型 + 小模型双核驱动，提供采购流程、收入分析、业财分析、机械智能维修等基础版智能体，并在世界人工智能大会上发布「风火轮」数据集，将千万级码头作业记录转化为可训练的高质量知识库。
万有知兴点评
上海港的实践证明，AI 在重资产、高负荷的传统作业场景里，最大的价值不是替代人，而是把人从「经验依赖」中解放出来、让沉淀多年的数据反哺决策。
- 1.对企业落地最直接的启示在于「从单一问题走向全流程优化」的演进路径——智能配载先解决「怎么装」，维保智能体再解决「何时修」，如今正尝试让智能体结合完工船舶作业生成单船分析报告。这种「先单点见效、再横向打通」的节奏，比一上来就搞全链路大改造更稳妥，也更容易让一线业务人员逐步建立对 AI 的信任，是重资产行业最务实的落地顺序。
- 2.数据底座的价值被鲜明凸显：上港发布的「风火轮」数据集把千万级码头作业记录、设备工况转化为高质量训练语料，这正是重资产行业普遍「有数据、无知识」痛点的解法。对制造业、港口、能源等数据富集型行业而言，与其纠结通用大模型「聪不聪明」，不如先把自家沉淀多年的工况数据清洗、标注成可用语料，这往往才是智能体效果的分水岭。
- 3.还有一个容易被忽视的细节：智能体一开始给出的改进建议被业务人员视为「天方夜谭」，经过持续训练后才逐渐被认可、甚至偶尔能指出易被忽略的方向。这提示企业在落地智能体时，必须为「人机磨合」留出时间和机制，用真实业务反馈持续修正模型，而不是指望上线即完美，否则极易在首个不靠谱建议出现时就被业务方判了死刑。
原文：央广网 ↗
点评为万有知兴原创观点，转载需注明出处。