把一個大模型放進老港口，會發生怎樣的變化？

它可能是一個計劃員，幾分鐘里為一條臨時晚到的船排出新的作業計劃；也可能是一個安全員，在上千路監控里，及時發現異常、發出提醒；還可能是一個客服、一名培訓員，甚至是一個隨時能翻出港口規章制度的“老師傅”……

在山東港口青島港，這些看起來完全不同的角色，背后連著同一個“大腦”——星港大模型。

星港大模型是面向港口行業建設的人工智能大模型，擁有350億參數，融合超過25萬組港口行業知識問答，覆蓋生產、安全、港航服務等場景。

然而，大模型本身不是終點。真正往生產現場走，還要“長”出一個個會干具體工作的智能體。

學會港口自己的“規矩”

港口為什么需要一個專門的大模型？因為港口的很多問題，光“懂知識”不夠。

在青島港干散貨碼頭，一份排泊計劃要考慮超過180條業務規則、132個影響要素。在過去，這是一件高度依賴人的工作。“原來計劃員要在紙上手工排計劃，如果有一條船發生變化，就要重新做、重新畫，計劃員有時候一天要畫十幾張紙。”青島港前港公司自動化智控中心主任趙偉麗說。

如今，青島港把設備設施數據、信息系統實時數據，以及多年積累的專家經驗等逐步納入干散貨碼頭專屬本體知識庫，讓星港大模型先學會港口是怎么運轉的。

然后，智能體才能開始干活。依托星港大模型研發的泊位、設備、堆場三個智能體，共同組成全要素調度體系，復雜工藝又被拆成12個數字計劃模塊。

“現在132個影響要素都納入排泊計劃智能體統一計算，計劃編制時間由原來的小時級到了現在的分鐘級。”趙偉麗介紹，目前，泊位智能體已經常態化運行，推優方案采納率穩定在90%以上。

排泊，只是星港大模型長出的一個“觸角”。

長出一個個“觸角”

安全，是港口平穩運行不可忽視的一件大事。傳統安全管理場景中，當面臨現場規模太大等問題時，需要投入大量人力物力。人去查，點多面廣。盯監控，屏幕成百上千，很難沒有遺漏。

星港大模型針對此問題，又“生長”出另一類智能體。

青島港圍繞人的不安全行為、物的不安全狀態，建設多模態安全管控智能體。小模型先快速識別，大模型再進行復判，最后形成“自動找、智能看、復合判、即時改”的閉環。

安全島就是一個很直觀的應用場景。車輛經過時，要求“人動車不動、車動人不動”。如果工作人員站在崗亭里，部分軀體在規定區域之外，在過去可能稍不留神就漏掉了，但現在，系統可以實現秒級捕捉。

此外，星港大模型還在進入港航服務。依托港口行業知識庫，它已生成智行問價、智途領航、船東管家、口岸寶典、智能通關、智能跟蹤等不同應用。

一個大模型在具體的工作場景中不斷生長出新的能力，勝任越來越多不同的“崗位”，這或許才是垂域大模型真正有意思的地方。

一線不斷出題，大模型不斷迭代

港口每天都在變化：船型會變，貨種會變，安全風險會變，客戶提出的問題也會變。這就要求大模型、智能體不斷升級。

山東港口青島港一級專家常建說：“星港大模型的迭代需求來自生產現場。根據港口生產實際應用情況，以及客戶反饋需求，我們再將大模型不斷迭代升級。”

這就形成了一個很清晰的循環：現場提出問題，大模型學習問題、形成新的能力，再回到現場解決問題。而且，憑借出色的能力，目前星港大模型已經在國內數個港口開始應用，同時正加大向東南亞、中東等海外港口的推廣。

看星港大模型，不該只盯著它的參數看，更值得看的是，一個行業大模型進入港口之后，究竟能長出多少真正有用的“手”和“腳”。

■專家點評

彌補通用大模型在港口場景適配不足的短板

□ 天使投資人、人工智能專家 郭濤

星港大模型是港口標桿垂直AI模型，依托國家級中試基地打造，彌補通用大模型在港口場景適配不足的短板。模型采用分層架構與大小模型協同方案，融合多模態感知與港口業務邏輯，覆蓋安全生產、智能調度、港航服務場景。分層解耦設計兼顧模型迭代與現場運行穩定，搭建港口AI底座，實現AI與港口產業融合，為垂直行業大模型落地樹立標桿。

■記者手記

垂域大模型：不止于懂，更在于干

過去我們談大模型，很容易把注意力放在參數、算力和知識量上。但到了港口等具體應用場景，這些東西最終都要落到一個問題：它究竟能干什么？

排泊、設備調度、安全監管、客戶服務，看起來相距很遠，但它們正在被同一個行業大模型連接起來。這也是“垂域”真正有意思的地方。

大模型不是把一個行業的知識背得更熟，而是沿著行業里的真實問題不斷生長，最后形成一個個能執行具體任務的智能體。

所以判斷一個垂域大模型有沒有真正落地，也許可以換個問法：它有沒有從一個“大腦”，真正長出能干活的“手”和“腳”？

（大眾新聞記者 蘇月鵬）