PORT INTELLIGENT LOGISTICS · 2026
垂域大模型研发与应用

港口数智物流
大模型底座
十大智能体

以大模型赋能港口物流 · 提质 · 增效 · 降本
牵头单位交通运输部水运局
共建单位浙江省海港投资运营集团 · 中交水运规划设计院 · 交通运输部规划研究院 ·
北京交通大学 · 中国交通信息科技集团
汇报时间2026 年 7 月
OVERVIEW · 是什么 · 为什么 · 价值

一页总览

课题以人工智能大模型赋能港口物流为核心,构建垂域大模型底座,研发十大智能体,形成"数据治理 + 训推算力 + 行业大模型"于一体的智能中枢,覆盖对外服务生产经营两大领域,推动港口及集疏运全链路智能调度与实时风险预警。

01

是什么

1 套底座 + 8 大智能体,
构成港口数智化的智能中枢

提质

打破跨方式信息壁垒,
提供全程透明可视的物流方案与主动安全预判。

增效

方案生成、配载、排泊等
关键作业效率实现数量级提升。

降本

运输成本、备货提前期、
中转与人力成本显著下降。

垂域大模型底座 · 支撑十大智能体FOUNDATION → TEN AGENTS
1港航物流链智能客服
2端到端物流路径决策
3集装箱码头堆场
4集装箱码头配载
5干散货码头泊位计划
6港口无人驾驶
7港口安防
8仓储管理
9待补充
10待补充
用户层领导决策 · 调度指挥 · 客户服务 · 现场作业
业务应用层十大智能体:客服 · 路径 · 堆场 · 配载 · 泊位 · 无人车 · 安防 · 仓储 等
模型平台层通用基模 + 行业微调 · 大模型 + 小模型 + RAG · 训推一体
数据资源层港航知识库 · 实时轨迹/报文 · 标准规范 · 质量治理
基础设施层训推算力集群 · 信创环境 · 安全合规底座
港口数智物流大模型— 致知于行,智启港航 —02
CONTENTS

目 录

A底座与综述P 04 – 05
A1垂域大模型底座总体架构 · 技术路线 · 训练流程 · 基座模型04
B十大智能体P 06 – 13
B1港航物流链智能客服对外服务 · 一站式智能问答与单证处理06
B2端到端物流路径决策对外服务 · 自然语言到多式联运最优方案07
B3集装箱码头堆场智能体生产作业 · 5 分钟滚动 · 蒙特卡洛单箱派位08
B4集装箱码头配载智能体生产作业 · 自动贝位 · 多目标优化09
B5干散货码头泊位计划生产作业 · 船-货-泊智能匹配10
B6港口无人驾驶水平运输生产作业 · 平行驾驶 · L4 级11
B7港口安防智能体生产作业 · 多模态识别 · 主动告警12
B8仓储管理智能体生产经营 · 多智能体协同 · 库位推荐13
C应用成效与发展展望P 14 – 16
C1应用成效硬指标汇总 · 价值数据看板14
C2价值解读从单点试点到智能原生生态15
C3发展阶段与展望三阶段路线图16
港口数智物流大模型— CONTENTS —03
FOUNDATION · 01

垂域大模型底座

底座是集数据治理、训推算力、行业大模型于一体的底层技术框架(数字底座),以"通用基模 + 行业微调"打造垂域模型,以"大模型 + 小模型 + RAG"实现能力互补,支撑十大智能体稳定运行。

总体架构 · 七层体系

L1
端层
用户接入 · 全端覆盖
PC 端
Web 管理后台 · 业务操作台
移动端
小程序 · APP · H5
L2
智能体层
十大智能体 · 对外服务 + 生产作业 + 生产经营
港航物流链智能客服 端到端物流路径决策 集装箱码头堆场 集装箱码头配载 干散货码头泊位计划 港口无人驾驶水平运输 港口安防 仓储管理 第九 第十
L3
知识库层
RAG 检索增强生成 · 全链路能力
分块策略
标点分块 · 语义分块父子分块
检索策略
全文检索 · 向量检索混合检索
模型
向量模型 · 重排模型LLM 模型
工具
Dify · RAGflowMilvus 向量库
L4
模型层
基座模型 · 通用推理 + 领域专用
多模态
qwen3.5-35B 多模态 · qwen-vl 视觉语言单证 OCR 识别 · 图像理解
通义千问
qwen3-235B · qwen3-32B通用推理 · 复杂任务处理
微调模型
SIGAng-knowledge · PERT-LoRA 微调港口领域专用 · 持续迭代优化
L5
推理微调层
训推工程化能力
模型推理服务 本地模型运行 深度学习框架 模型微调工具 实验追踪可视化 参数高效微调
L6
数据层
领域数据资源
港航专业知识 高危品运输知识 通讯行业知识 物流跟踪 HSCODE 港口作业规范 港口基础信息
L7
算力层
(信创)
国产化算力集群
推理集群 A
国产高性能计算卡 × 8 · 单卡显存 48 GB适用:32B / 70B 模型推理部署
微调集群
国产高性能计算卡 × 8 · 单卡显存 48 GB适用:PERT-LoRA 模型微调训练
推理集群 B
国产高性能计算卡 × 8 · 单卡显存 80 GB适用:235B 大模型推理 · 多模态
港口数智物流大模型— FOUNDATION 01 —04
FOUNDATION · 02

技术路线与基座模型

三条核心技术路线

01

通用基模 + 行业微调

在通用大模型基础上,用行业高质量数据微调,打造专业垂域模型,兼顾通用能力与行业知识。

02

大模型 + 小模型

大模型负责理解与生成,专用小模型负责预测与优化,能力互补、效率与精度兼得。

03

大模型 + 小模型 + RAG

叠加检索增强生成,构建"大模型 + 小模型 + RAG"协同架构,融合行业知识与最新业务信息。

垂类模型训练流程 数据工程 → 基座选型 → 微调训练 → 训练评估
1数据工程DATA ENGINEERING
行业法规与知识
高危品运输规则 5.7万 · 港航知识 5万 · 安全管理 3万
报关与口岸数据
HSCODE 报关实例 1800万 · 标准数据 1万
生产与基础信息
场站/码头/工厂 22万 · 作业流程 3万 · 基础信息 4万
实时与轨迹数据
AIS 轨迹 2300+ · 集卡轨迹 2500万 · 气象水文 13万
数据清洗与标注
去重 · 标准化 · 质量评分 · 专家审核校验
数据集划分
8 : 1 : 1
训练集 / 验证集 / 测试集
2基座选型BASE SELECTION
能力评估
通用:逻辑推理·语义理解·知识召回
领域:术语覆盖·专业语境表现
策略选型
微调策略 PERT LoRA
量化 · 批大小 · 梯度累积
选型结果
千问 3-32B 微调基座
千问 3-235B 通用问答
千问 3.5-35B 多模态
3微调训练FINE-TUNING
基座 · 千问 3-32B
指令驱动 · LoRA 高效参数微调
指令数据集构建
港口法律法规 QA · 船舶安全全景指令
语义理解优化
法规条文引用精度 · 条款关联推理
领域知识注入
法律法规 · 作业规范 · ISM 安全管理体系
Tokenizer 扩展
港口术语 · IMO 编号 · HSCODE
FINE-TUNED MODEL
Sigang-knowledge
面向港口垂类的知识增强基座
4训练评估EVALUATION
过程监控
loss 曲线 · 训练/验证损失收敛
领域准确率
法规识别 · 危险品分类 · HS 归类
生成质量
BLEU / ROUGE / BERTScore
人工评审 + RAG 召回
专家逐项打分 · 检索命中率
DEPLOY
XInference / OLLAMA
模型 + RAG + 智能体 系统集成
核心指标
99.7%
核心数据准确率
78
业务问答体系
7万条
专用微调语料
150万+
行业训练样本
1PB
实车作业数据

基座模型

LLMDeepSeek-V3
LLMQwen3-235B
LLMQwen3-32B(LoRA 微调)
MLLMQwen3.5-35B 多模态
VLMQwen-VL 视觉语言
港口数智物流大模型— FOUNDATION 02 —05
01
AGENT 01 · 对外服务 · EXTERNAL SERVICE

港航物流链
智能客服

一站式智能问答与单证处理助手
"让每一个咨询,都获得 7×24 一致、专业的回答。"
核心功能
CORE CAPABILITIES
  • HS 编码 / 高危品 / 政策法规智能查询,融合 SOLAS、IMDG 等国际公约
  • OCR 单证识别,订舱确认件关键字段自动提取
  • 海运跟踪查询,中英文港口名 / 船名自动转换
  • 首问应答 + 专业咨询 + 单据预处理一站式
适用场景
SCENARIOS
依托"四港"联动智慧物流云平台,服务货主、货代、报关员、船代等市场主体,覆盖咨询、订舱、报关、运踪全流程。
关键优势
ADVANTAGES
知识实时同步、7×24 一致服务口径;处理效率实现数量级跃升,显著降低专业门槛与人工咨询压力。
AI
港航智能客服
PORT AI ASSISTANT
在线
从宁波发 40HQ 到鹿特丹,箱里有锂电池,有哪些注意事项?
已识别:危险品 · IMDG Class 9。要点:①需 MSDS + 危包证 ②需船公司 IMDG 申报 ③部分船公司限接 ④建议提前 5 个工作日订舱。已为您查询最新 SOLAS / IMDG 条款……
查询 MSDS 模板 推荐船公司 一键订舱
92.5%
问答准确率
↓70%
运踪查询工作量
93.8%
OCR 识别完整率
↓91.7%
单证处理耗时
港口数智物流大模型— AGENT 01 / 客服 —06
02
AGENT 02 · 对外服务 · EXTERNAL SERVICE

端到端
物流路径决策

自然语言输入 → 多式联运最优方案
"一句话下单,一分钟得到价格最优 / 时间最短方案。"
决策流程
DECISION FLOW
1
需求解析
自然语言
→ 起运地 / 箱型
/ 箱量 / 货好时间
2
方案生成
价格最优 /
时间最短
多目标生成
3
智能评估
专家模型
运力 / 天气 / 船期
实时预测
4
动态重规划
堵港 / 异常
秒级响应
3 分钟出新方案
核心功能
CORE CAPABILITIES
  • 自然语言需求解析起运地 / 箱型箱量 / 货好时间
  • 多式联运方案生成:价格最优 / 时间最短
  • 动态重规划:堵港、天气、船期异常秒级响应
适用场景
SCENARIOS
"四港"联动平台订舱与联运调度,面向货主、货代、集团联运调度 / 操作 / 计划 / 运营人员,覆盖报价、改港、应急调度。
关键优势
ADVANTAGES
"大模型语义理解 + 专家模型(AI 预测) + 运筹优化"混合路线,3 分钟生成多方案,打通跨运输方式信息壁垒。
改造前 · 人工报价
30 min+
单次询价 / 多方对接
改造后 · 智能体
3 min
多方案并行 / 秒级重规划
端到端路径决策智能体交互示意
端到端路径决策智能体 · 交互示意
↑90%
方案生成效率
↓66%
整体下单耗时
↓6.73%
平均运输成本
↑58.3%
时效精准度
港口数智物流大模型— AGENT 02 / 路径决策 —07
03
AGENT 03 · 生产作业 · OPERATIONS

集装箱码头
堆场智能体

数据驱动的自动选位与场地计划
"5 分钟滚动优化 · 蒙特卡洛秒级派位 · 全场协同。"
解决的关键问题
PAIN POINTS
堆场作业是码头生产组织的核心环节。面对设备资源变化、箱区拥堵与作业波动,人工调度压力大,难以做到全场协同优化
适用场景与服务对象
WHO & WHERE
服务堆场策划员、中控调度员与配载员等岗位,在"随到随派、随作业动态调整"模式下提供秒级选位支持。
堆场智能体指令分配与选位决策示意
堆场智能体指令分配与选位决策示意
技术路径 · 动态短计划 + 蒙特卡洛决策树 两层架构
01
动态短计划模型
5 分钟滚动优化全场堆场状态,建立多目标规划:泊位就近、贝位利用率最大、亏位数与箱区繁忙度最小。
02
约束条件求解
硬约束:箱区指令集中度、人工/远控龙门吊分布、收箱区与泊位距离、箱区车道限制。
03
蒙特卡洛决策树
引力场实时强度 + 蒙特卡洛决策树,基于当前堆场资源与作业实况,输出秒级单箱派位结果。
关键优势
WHY IT WINS
数据驱动替代经验驱动,实现空间资源、设备资源分配与管控精细化的全场协同优化
↑10%
作业效率
↑25%
设备利用率
↑20%
堆场周转率
港口数智物流大模型— AGENT 03 / 堆场 —08
04
AGENT 04 · 生产作业 · OPERATIONS

集装箱码头
配载智能体

从人工配载到智能决策配载
"150 箱 / 分钟 · 多目标全局最优 · 行业领先水平。"
船箱位配载 · 截面示意
BAY ALLOCATION
B01 B02 B03 B05 B07 B09 B11 配载均衡 · 行业领先
核心功能
CORE CAPABILITIES
  • 预配船图 / 船舶适航 / 码头条件自动配载
  • 自动贝位分配,二对一均衡发箱
  • 多目标优化:翻箱最少、龙门吊移动最小、配载重量均衡
适用场景
配载员、堆场策划与码头生产管理部门,将出口集装箱智能匹配至目标船箱位。
关键优势
无须人工逐箱点击,堆场—船箱位协同,兼顾全局最优与装船效率,达到行业领先水平。
配载智能体 · 操作示意
配载智能体 · 操作示意
150
单船配载速度(箱/分)
↑40%
配载效率
↓5%
计划翻箱率
↓60%
人工干预
港口数智物流大模型— AGENT 04 / 配载 —09
05
AGENT 05 · 生产作业 · OPERATIONS

干散货码头
泊位计划安排

船-货-泊智能匹配 · 差异化排泊
"兼顾多货种、多泊位、吨级与船型差异的智能调度。"
泊位排程 · 24 小时甘特
BERTH SCHEDULING
00020406 08101214 16182022
B1 泊
矿石 · 巴拿马型
煤炭 · 好望角型
B2 泊
大豆 · 巴拿马型
镍矿 · 灵便型
铜矿 · 巴拿马型
B3 泊
粮食 · 灵便型
铁矿石 · 好望角型
化肥 · 灵便型
B4 泊
铝矾土 · 好望角型
钢材 · 灵便型
核心功能
兼顾多货种、多泊位、吨级 / 船型差异的船-货-泊智能匹配;自动船型分类、吨级识别;分货种 / 泊位 / 船型差异化排泊策略;多目标优化船型大小、重轻搭配、作业效率与单位收益。
适用场景
码头计划员、生产调度员、码头生产管理;服务干散货专业码头,单泊位日均作业船型 3 – 5 艘的高强度排泊场景。
关键优势
"大模型语义理解 + 强化学习"协同;1 分钟内自动生成靠离泊计划,排泊正确率 80%全局优化准确率超 96%
≤1分钟
单次计划生成
80%
排泊正确率
>96%
全局优化准确率
港口数智物流大模型— AGENT 05 / 泊位 —10
06
AGENT 06 · 生产作业 · OPERATIONS

港口无人驾驶
水平运输

车-路-云一体化 · 平行驾驶 · L4 级
"虚实融合 · 平行驾驶 · 5 cm 级定位精度。"
车辆 · 轨迹 · 感知
VEHICLE & PERCEPTION
起点 堆场 作业区 L4 · 无人 感知半径 ~30m
L4
高度自动驾驶
特定场景下全程自动驾驶 · 必要时人工接管
核心功能
CORE CAPABILITIES
  • 全局路径优化 + 多车协同调度
  • 紧急避障 / 接管 / 路权博弈
  • 虚实融合的平行驾驶 + 人机混合增强智能
适用场景
无人车集卡驾驶员、远控操作员、运营 / 安全 / 调度等管理部门;面向港内水平运输全场景。
关键优势
基于"车-路-云"一体化的平行驾驶 L4 级方案;全场域定位误差 < 5 cm、有效感知距离 > 200 m,整体达到 L4 级港口无人驾驶水平。
< 5 cm
全场域定位误差
> 200 m
有效感知距离
L4 级
自动驾驶水平
港口数智物流大模型— AGENT 06 / 无人驾驶 —11
07
AGENT 07 · 生产作业 · OPERATIONS

港口
安防智能体

多模态识别 · 主动告警 · 7×24 守护
"从人盯屏到智能体值守,异常秒级发现。"
监控大屏 · 多路实时
SURVEILLANCE DASHBOARD
● LIVE · 9 CH ▲ 1 ALERT
CAM-01
CAM-02
CAM-03
CAM-04
CAM-05
CAM-06
CAM-07
CAM-08
CAM-09
实时告警 · CAM-02
检测到未授权人员进入 C 区危化品堆场周边;自动锁定轨迹、推送现场画面至值班室与主管手机。
核心功能
CORE CAPABILITIES
  • 异常事件识别 / 预警 / 分析 / 记录
  • 人 / 车 / 物 多目标跟踪
  • 人员、车辆、货物、船舶异常自动告警与处置
适用场景码头安防运营管理 / 安防作业人员
关键优势多模态视觉 + 大模型语义理解,安全装备识别准确率 90%、越界闯入识别准确率 95%、违规预警延迟 10 秒
90%
安全装备识别准确率
95%
越界闯入识别准确率
10 秒
违规预警延迟
港口数智物流大模型— AGENT 07 / 安防 —12
08
AGENT 08 · 生产经营 · OPERATIONS

仓储管理
智能体

多智能体协同 · 自动拣货与库位推荐
"入库 · 出库 · 盘点 三策略协同,库存一目了然。"
多智能体协同
MULTI-AGENT
仓库 · 三层实时态势
WAREHOUSE LIVE
F3 出库区 · 波次拣选
F2 存储区 · 动态推荐
F1 入库区 · 智能上架
适用场景
SCENARIOS
仓储管理员、仓储管理经理;面向港口保税仓、堆存仓、多品类 SKU 的高密度仓储场景。
7×24
全天候自助服务
4 类
服务对象全覆盖
VR
沉浸式交互
港口数智物流大模型— AGENT 08 / 仓储 —13
RESULTS · 01

应用成效 · 数据看板

十大智能体在真实生产环境中已取得的可量化成效——从对外服务到生产经营,从单点效率到全链路协同。

核心指标 · KPI Headlines

92.5%
智能客服问答准确率
覆盖 HS 编码 / 高危品 / 政策法规 / 运踪查询
↑90%+
路径方案生成效率
3 分钟内生成多方案,效率提升 90%+
150箱/分
集装箱配载速度
单船配载,多目标全局最优
<5cm
无人车定位精度
L4 高度自动驾驶水平

效率与成本 · 关键改善

成本与耗时降低
单证处理耗时↓91.7%
运踪查询工作量↓70%+
整体下单耗时↓66%
备货提前期↓约50%
货物通关时长↓50%
物流综合成本↓15%
效率与质量提升
多式联运订舱效率↑50%
时效精准度↑58.3%
配载效率↑40%
多式联运占比↑55%
堆场作业效率↑10%
堆场设备利用率↑25%
港口数智物流大模型— RESULTS 01 —14
RESULTS · 02

价值解读 · 三层价值

可量化指标业务价值,再到行业范式——三层视角,立体呈现大模型底座与十大智能体的真实贡献。

VALUE LAYER 01

提质

  • 跨运输方式信息壁垒打破
  • 全程透明可视的物流方案
  • 主动安全预判与异常告警
  • 知识实时同步,7×24 一致口径
VALUE LAYER 02

增效

  • 方案生成效率 ↑ 90%+
  • 单船配载:150 箱 / 分钟
  • 堆场周转率 ↑ 20%
  • 设备利用率 ↑ 25%
VALUE LAYER 03

降本

  • 运输成本 ↓ 6.73%
  • 单证处理耗时 ↓ 91.7%
  • 备货提前期 ↓ 约50%
  • 中转装卸与转码头综合费用下降

大模型不是替代港口作业,而是让每一位调度员、每一名策划员、每一个决策环节,都拥有了一个永不疲倦、随叫随到的数字副驾

— 项目组 · 2026
8
智能体数量
5
底座架构层数
3
核心技术路线
港口数智物流大模型— RESULTS 02 —15
ROADMAP

发展阶段与展望

单点试点跨域协同,再到智能原生生态——分阶段、有节奏、可衡量地推进大模型在港口的纵深应用。

2025 – 2026
单点试点
  • 底座搭建 + 十大智能体核心能力
  • 重点码头、生产环节先试先行
  • 形成可复制的小切口应用范式
2026 – 2028
跨域协同
  • 智能体间协同 / 跨业务线联动
  • "四港"全链路贯通
  • 单点效率全链路最优
2028 – 2030
智能原生
  • 港口运营智能原生生态
  • 大模型深度嵌入决策与执行
  • 形成可对外输出的行业范式

展望 · 行业意义

港口数智物流大模型与十大智能体的实践,不仅是单一码头单一企业的智能化升级,更是为中国港口群输出"通用基模 + 行业微调"协同范式,支撑交通强国与智慧港口建设的关键基础设施。

4
港联动
5+
基座模型
6
共建单位
1+
行业范式
港口数智物流大模型— ROADMAP —16
EPILOGUE

大模型成为
港口的新一代
基础设施

从底座到十大智能体,我们正在为港口物流构建一个
可演进、可持续、可输出的智能中枢。

期待与您共同见证 ——
中国港口,从"自动化"迈向"智能化原生"的下一个十年。

牵头单位交通运输部水运局
汇报单位浙江省海港投资运营集团 · 中交水运规划设计院 · 交通运输部规划研究院 ·
北京交通大学 · 中国交通信息科技集团
汇报时间2026 年 7 月