AI应用于港航业到底到什么程度了？“航运数字智能——AI赋能航运”专题沙龙在海南博鳌举行

6月26日，香港中远海运/海南中远海运2026全球合作伙伴大会期间，由中远海运科技承办的“航运数字智能——AI赋能航运”专题沙龙在海南博鳌举行。来自监管、船检、船舶设计、港口、船队运营、燃油供应、网络安全、高校科研、航海保障及航运科技平台等领域的代表齐聚一堂，围绕人工智能在港航业的实际应用、发展阶段与未来趋势展开深入交流。

本次沙龙聚焦“AI如何真正赋能航运”这一行业关切，不再停留于“AI很重要”“数字化是趋势”等宏观讨论，而是从船检、设计、港口、航保、运营、安全、能源和网络防护等多个关键环节切入，集中呈现了当前港航业数字化和智能化发展的最新进展。

从现场分享来看，港航业数字化已进入由“业务线上化、数据可视化”向“流程智能化、决策辅助化”迈进的关键阶段。AI已在多个业务场景中开始发挥实际作用，但尚未真正接管航运业。目前，AI在航运中的主要价值，仍集中在辅助判断、前置预警、优化流程、沉淀经验和提升决策效率等方面。

中远海运科技总经理、党委副书记林亦雯在致辞中提到，航运产业需要完成从“把AI当工具”到“以AI为内核”的跃迁。她提出，中远海运科技希望依托行业大模型、大数据、智能平台三大核心底座，开放数智新基建，携手各方共建港航端到端智慧生态。

过去几年，航运业谈数字化，很多时候强调系统建设、平台上线、数据看板、流程审批、电子单证和可视化管理。今天，行业讨论的重点已经发生变化。企业开始关注AI能否真正嵌入业务流程，能否把分散的经验变成可复用的知识，能否把海量数据转化为风险预警和经营决策，能否帮助船员、调度员、检验员、设计师和管理人员减少重复劳动。

中远海运科技副总经理杨威在分享中把这一变化概括得很清楚。他认为，AI释放产业价值不在单一节点，而在全业务链条。航运AI正在推动四个转变：从单纯信息处理转向行业知识沉淀，从人工经验决策转向AI辅助智能决策，从单点自动化工具转向全流程智能化，从依赖个体专家经验转向人机协同体系。

这一判断与现场各方分享高度一致。无论是中国船级社谈AI船检，上海船舶设计研究院谈DOSS数字化营运平台，山东港口谈智能调度和安全管控，还是中远海运散运谈智能配载、邮件扫盘，本质上都在解决同一个问题：如何把过去依赖人工经验、分散在不同系统和岗位中的知识，转化成可以被模型识别、可以被流程调用、可以被持续迭代的数字能力。

船舶检验是航运安全的源头环节。中国船级社国际业务运营中心副主任、首席技术官洪波在沙龙上表示，船检长期以来高度依赖检验人员经验，传统模式劳动强度大，现场作业复杂。人工智能与船检深度融合后，可以把检验人员从重复性、机械性劳动中释放出来，使其更多承担高价值判断工作。

目前，中国船级社已在AI辅助审图、无损检测智能分析、整船火灾预测、水动力性能智能预测等方面开展探索，并牵头研发远洋船舶智能风险预警智能体，依托大模型与知识图谱融合技术取得阶段性成果。

据了解，中国船级社正在推进行业高质量数据集建设，并编制船舶与海上设施相关高质量数据集建设指南。未来，AI+船检将围绕人工智能大检验、人工智能+船舶科研、人工智能+行业服务、人工智能+船舶全生命周期管理等方向持续推进。

这意味着，船检领域的AI应用已不再局限于图像识别或智能问答，而是正在向规范科研、审图、检验、客户服务、风险预警和全生命周期监管等环节延伸。

在船舶设计领域，上海船舶设计研究院副院长李鑫介绍，该院开发的DOSS数字化营运平台，已围绕船舶安全和营运能效开展实践。AI在船舶设计和营运优化中的应用，主要集中在航速优化、重心优化、航线优化、设备健康管理、CII评级优化和LNG船BOG挥发管控等场景。

在航速优化方面，AI可以通过海量航行数据，帮助船舶在满足到港时间要求的同时降低燃油消耗。过去这类优化更多用于固定航线大型矿砂船，现在散货船、集装箱船等航线变化较大的船型也开始具备优化空间。

在重心优化方面，AI可以结合货物装载、船期安排、船舶工况和装载计算机数据，动态推送更合理的重心方案。对于集装箱船而言，装载率、航线、班期和配载变化频繁，AI重心优化空间很大。

在航线优化方面，AI可以结合气象、海况、船舶位置、港口计划等因素，推演不同航线方案。李鑫提到，某航线优化后航程增加64海里，但综合能效提升8.3%。这说明AI并不简单追求最短距离，而是在时间、油耗、舒适度和安全之间寻找综合最优解。

在设备健康管理方面，平台可以通过排温、扫气压力、排气背压等外部参数建立模型，实现主机设备异常预警。但这一领域仍处于持续进化阶段。由于设备采集数据维度不足，主机型号和版本持续变化，真正意义上的预测性维护还需要长期数据积累。

船舶设计AI目前还无法独立完成完整绘图和设计。李鑫也坦率指出，智能设计仍处于探索阶段。船舶设计包含推演、计算、迭代优化等复杂流程，需要海量营运数据支撑。不过，AI已经开始反向影响船舶原始设计。通过全行业营运大数据，设计单位可以优化线型、舱室布局和能效方案，使下一代船型从设计阶段就更贴近真实营运场景。

未来，船舶设计将逐步从“按规范设计、按经验优化”，转向“按营运数据反向设计、按AI模型持续迭代”。

航运智能化越深入，网络安全压力越大。奇安信集团产业中心副主任周永刚在主题分享中提醒，AI时代网络攻防正在出现新变化。AI大幅降低代码开发和漏洞挖掘门槛，攻击侧能力可能被工业化放大，传统安全体系面临挑战。

周永刚提出，航运行业必须从传统漏洞修补、内网隔离、合规达标，转向端到端一体化综合防御、网络安全与航运数字化深度绑定、专业化持续运营保障。奇安信提出高、中、低三位一体综合防御体系：高位是国家级情报和风险研究，中位是集团或行业安全运营大脑，低位是船舶现场基础防护。

奇安信船舶与海洋事业部殷耀亮在圆桌中进一步提到，航运AI时代需要AI原生一体化安全防护，包括提示词审计、模型防泄露、访问管控、漏洞常态化监测和全链路数据合规管控。随着船视宝、DOSS等行业平台普及，传统等保标准已经不足以覆盖AI新风险，航运平台需要原生安全架构升级。

这提醒行业，数字化能力越强，攻击面也越大。智能船舶、船岸平台、港口调度系统、燃油交易系统、AI智能体和行业大模型，都需要持续安全运营。航运业不能把网络安全视为项目验收后的合规附件，而要把它嵌入数字化建设全生命周期。

沙龙压轴环节

“航家说”主题研讨

覆盖政产学研用全维度

作为2026全球合作伙伴大会

数智转型核心交流载体

本次沙龙紧扣

“数智赋能，绿启新程”大会主题

打通航运、监管、科研、科技企业交流通道

上海打捞局、海南海事局、交通运输部南海航海保障中心监管领导，集美大学、上海交通大学、大连海事大学高校专家，中国口岸协会、中国船东协会行业代表，以及港口、船燃、航运租赁、头部科技企业核心代表，针对AI航运场景落地价值以及行业智能化转型核心瓶颈两大议题，各方坦诚交流、碰撞思路，共同探寻航运产业由经验化运营向智能化治理转型的可行路径，凝聚AI赋能航运提质增效行业共识。

在此基础上，与会嘉宾结合各自所在领域的实践经验，围绕船舶设计、港口调度、船队运营、航海保障、燃油供应、网络安全、人才培养等关键环节，分享了AI技术在真实业务场景中的应用进展与落地成效。总体来看，AI已不再只是航运业的前沿概念，而是逐步嵌入港航生产、管理和服务流程，成为提升安全水平、优化运营效率、降低综合成本、推动绿色低碳发展的重要支撑。

当前，港口是港航业AI应用最成熟、落地最快的场景之一。据山东港口科技集团总经理朱建广介绍，青岛港获批国家人工智能应用试点基地后，山东港口系统梳理出八大类、60个港口数字化应用场景。其中，码头智能调度、港口全流程安全管控系统“智隼”、港口AI知识管理已取得明显成效。智能调度模型在多座码头试点后，使整体作业效率提升10.4%、综合能耗下降6%；“智隼”系统通过AI审核高风险作业流程，日均审核作业单据超过6000份。广州港数据科技李小毛指出，港口AI应用主要集中在专业散货码头和集装箱码头，重点攻坚方向包括调度、中控和堆场策划。

航海保障方面，据交通运输部南海航海保障中心钟辉介绍，南海航海保障中心正基于S-100数据模型建设“1+N”智慧航保数字服务体系，整合航标、测绘、通信、AIS、水文气象等多源数据，提供智能航线推荐和航行风险预警。目前相关服务已在海事通APP、智慧海事平台和船舶电子海图终端上线，全国约1.1万艘船舶接入S-124/S-127配套服务体系，数字服务累计在线时长超过1000万个小时，服务调用总量突破61亿次。下一步，将推进“四网一平台”建设，打造“一船一策、全程伴随”的智慧航保服务体系。

船队运营方面，据中远海运散运汤科介绍，散运布局AI的核心目标是把船员和调度人员从繁杂重复工作中解放出来，推动人工经验决策转向数据智能决策。2024年，中远海运散运打造“搏弈AI”数字化品牌，梳理40余个高价值业务场景，其中20余个功能已上线并嵌入业务系统。智能配载系统可将传统6至7小时的人工配载压缩至35分钟，船舶装载率超过95%；智能邮件扫盘可自动解析上千封租船邮件并匹配船舶资源。未来，散运AI将从被动接收信息升级为主动预判推送，并通过租船、调度、安全、财务等多智能体协同输出全局最优方案。集装箱船队方面，上海远洋运输有限公司副总经理钱锋指出，AI目前无法完全替代船长和船员判断，更适合作为辅助工具，通过完整展示风险判断依据，帮助船员逐步建立信任。

燃油供应方面，中国船舶燃料有限公司副总经理宋兆国指出，降低船企用油成本主要有采购保供和数字化智能运营两条路径。中国船燃依托中远海运和中石油股东资源保障稳定供应，去年全球供油总量达到3280万吨。在数字化方面，中国船燃正从单一燃油供应商向低碳智能综合服务商转型，已落地碳强度计算器、欧盟低碳燃料配比测算工具，并联合中远海运科技搭建行业大模型智能体、上线绿色燃料信息服务平台。下一步，中国船燃将重点建设智慧运营平台和智能仓储调度平台，实现供油全流程数字化，并通过AI优化库存和供油船舶调度。

在高校方面，据大连海事大学航海学院副院长肖仲明介绍，大连海事大学正围绕智能航运、海洋装备、人才培养三大板块推动AI技术落地。学校已自研自动驾驶航运大模型，具备航行研判、自主航线规划等功能；同时搭建岸基远程船舶操控体系，牵头海陆空潜一体化海上智能示范项目，研发NAV800A智能航行装备，并取得国内首张中国船级社智能航行原理认可证书。

在人才培养方面，大连海事大学已开设人工智能、海洋技术相关本硕专业，并面向全校理工科普及AI相关课程。肖仲明表示，航运AI发展不仅是企业系统建设问题，也涉及行业人才结构调整。未来，行业需要更多既懂船、懂港、懂规则，又懂数据、模型和算法的复合型人才。

徐国毅在总结中提到，交通运输部正在推进“十百千”工程，即聚焦十大AI应用方向，从860个行业场景中筛选百个重点示范，扶持千家创新企业。同时，行业正在搭建“1+N+X”全国交通大模型体系：其中，“1”是国家级基础大模型，“N”是部省共建的垂域行业模型，“X”是企业自建行业生态系统。这表明，交通AI和航运AI已经进入政策推动和体系化建设阶段。未来，行业竞争将不只体现在单个企业的技术能力上，也将体现在数据标准、垂域模型、行业平台、智能体生态和规则治理能力上。

AI应用于航运业到底到了哪一步？

总体来看，AI已在港航业进入多个真实业务场景，但行业距离真正智能化仍有差距。中源船务安监部总经理赵庆伟从一线实操角度指出，当前主要瓶颈集中在三方面：一是船端数字基础设施不足，部分老旧船舶通信、感知和数据采集能力仍难以支撑AI应用；二是行业数据可信度不足，AIS信号失真、监管盲区、影子船队等问题可能影响模型判断；三是国际规则滞后，无人自主船舶法律责任、事故认定和AI参与决策后的责任边界仍需进一步明确。同时，AI应用必须坚持以人为本，真正为船员和一线人员减负，而不是增加填报、切换系统等额外负担。

从发展程度看，港口数字化水平最高，智能调度、安全审核、智能理货、AI闸口、堆场策划等场景已进入规模化应用；航保、船检、船舶设计等专业服务领域正在形成垂域AI能力；航运企业运营端则从智能配载、邮件扫盘、风险预警、碳核算等单点应用，逐步走向多智能体协同。与此同时，中远海运科技“船视宝”平台、“海道通”航运模型、“轻舟”智能体平台等行业级平台和垂域大模型正在成型，网络安全、数据治理和规则建设也成为下一阶段能否规模化落地的关键。

可以说，当前AI在航运业已经走过“展示期”，进入“落地期”，正向“规模化应用期”推进。它已在港口效率提升、散货船智能配载、船舶能效优化、航线推荐、风险预警、船检辅助和燃油碳核算等方面产生实际价值，但多数高风险场景仍以“AI建议+人工确认”为主。未来，航运AI的核心不应是追求无人化口号，而是解决真实业务痛点：降低事故、提升效率、减少油耗、识别危险品风险、减轻船员负担，并让绿色合规数据可核算、可验证、可追溯。