(本文来源:IT时报)短短半年,生成式人工智能席卷而来,国内已掀起“百模大战”的巨浪,迅速分野成三大阵营:第一阵营是互联网大厂孵化的通用大模型,第二阵营是为落地而生的行业大模型,第三阵营则是更为细分的场景大模型。


(资料图片)

其中,行业大模型是数量最为庞大的阵营,AI在千行百业跑出专用大模型,这是一次借AI超车、重塑数字化生态的机会。

最近,全球首个集装箱物流行业大模型就在上海跑出,正在向国内港口铺开。在今年6月举行的欧洲集装箱供应链展览会(TOC Europe)上,西井科技首发集装箱大物流运营大模型TerminalGPT,它创造了一种新的搭配,“大模型+大物流+自动驾驶”,这个不曾见过的组合正在内河物流港口发生化学反应。

无人车叠加大模型,从上海驶向世界,在可见的未来,行业大模型“出海”不无可能。

全球首个集装箱物流行业大模型

港口上来了一位24小时在线驻守的智能运营机器人专家,在它的指导下,一位初出茅庐的起重机操作司机,竟瞬间“变身”拥有20年操作经验的“老师傅”,一步步推荐操作方案,预测安全风险等。

这位24小时港口贴身专家到底是谁?

内河港大模型即将上线

它就是西井科技的集装箱物流智能机器人专家TerminalGPT,它的“功力”集中在三方面,它能为港口管理者和操作员提供运营支持和操作建议,比如如何分配岸桥场桥的任务,怎么调度车辆,一键切换天气模式等。当港口运营效率异常时能及时预警,分析异常变化的原因。更高能的是,它能预测事件,比如提前进行任务分配,交通堵塞预警等。

TerminalGPT不是一个单向思维的AI工具,而是思维方式接近于“人脑”的全局考量,又兼具机器的冷静和精准,输出一个最优解。

如果港口有辆水平运输的车抛锚了,车辆在无人驾驶的状态下,能自动通知操作部就已非常智能。但是大模型更会考虑全局,接近于有经验的运营人员,假设台风20分钟后即将登陆,而营救这辆车需要30分钟,TerminalGPT迅速异常预警,建议推迟营救车辆的任务,同步天气提供最佳运营建议;或者考量装卸船的进度,现在是否还有车辆空闲,再决定先完成装卸任务还是先修理车辆。

目前,西井科技正在内河港进行大模型测试,已完成十几个版本的训练,并已更新上线。

作为TerminalGPT第一个落地港口,西井科技场景智能与软件产品事业部总经理俞铭琪亲自带队,“一港一案”地训练大模型。“虽然每个码头80%的应用场景差不多,但运营侧重点不同,内河航运将安全放在更高级别,但海港则把效率放在第一位。”俞铭琪解释道,“有一些新功能也是在港口实际运行中一点点磨合出来的,比如用语音来与大模型对话,通过手持终端或耳机就能听到操作指示,询问下一步方案,会更好地提高操作员的效率。”

越过两座山丘

效率、安全,一直是港口运营想要到达的两座山丘。

集装箱物流作为承载全球90%贸易的海运枢纽,但其流转效率却跟不上全球贸易对物流的需求增长,在港口,你很难见到年轻的操作员,年纪较大的操作员也越来越不适应夜班,青黄不接正在成为港口运营的人力“大山”。90后甚至85后越来越不愿意从事这项危险又枯燥的工作,人力成本攀升、安全生产管控难成为集装箱物流行业的痛点。

2015年,西井创始团队在长三角港口走访时就发现,在岸桥底下工作时,哪怕是从高空坠落一枚小螺丝都会造成安全事故。抬头看向六七十米高的塔吊驾驶室,岸桥司机正在低头操作,将集装箱对准、装卸、再对准、再装卸,长时间重复操作。

培养一位有经验的“老师傅”太难,3到5年从业经验的都还算新手,而TerminalGPT却能让一位新手操作员瞬间拥有20年经验,还能24小时“无休”地陪同,它是如何做到的?

大模型能搜集港口最优秀操作员的经验,形成知识库。另一方面,西井一一打通车队管理、岸桥管理等多个子系统 “承接”大模型,让操作员拥有“上帝视角”,能够实时了解整个港口的运作情况。

鲜为人知的是,OpenAI训练ChatGPT的并不是一批临时工,而是最顶尖的AI工程师。这就是生成式人工智能跟深度学习最大的不同,数据的质量直接影响着大模型的质量。花了数月“解剖”大模型的西井工程师们深谙此道。

整整两个月,在西井科技上海办公室的数据中心,一个标准大模型正在被训练,训练它的正是一群人工智能技术专家和港口运营“老师傅”们。而另一端,港口现场操作员的反馈被收集为一组新模型,当操作关卡放在眼前时,系统会二选一,自动给出最优解。随着大模型的自主学习与快速迭代,它能在实际运行中越用越“聪明”。

数据不出现场

大模型就是为效率而生,但疑虑却围绕数据安全而生。全球对ChatGPT的态度也从兴奋转变为恐慌,最大的担忧并不是算力风暴,而是数据安全。

“我们不需要说服港口运营者去用大模型,在国内,你发现几乎所有港口都在想方设法运用AI大模型,但他们唯一的担忧是数据安全。”在俞铭琪看来,当大模型出海时,面临的数据安全难题会比国内更严峻,欧洲、美国等地的数据安全法规各有不同,但只要遵守一个原则,就能很好地符合这些法规。

那就是数据永远不出现场,而隐私计算成了最好的数据“城墙”。俞铭琪道出了数据“城墙”背后的技术原理:“一方面我们会把数据加密存储在港口现场,而在大模型拷贝和升级过程中,我们用到隐私计算技术,让数据可用不可见。”

通用大模型是算力“吞噬者”,但行业大模型的优势就在于不需要耗费太多算力资源。西井科技将训练和推理分开,将基础大模型放在西井科技上海机房里训练,一周左右就能跑出一个新版本的大模型,再部署到本地化港口,也就不需要港口运营者再投入新的算力成本。

虽然西井科技为此投入了大量的研发资源,但因为西井无人车等产品已经打下商业化基础,其研发成本也就能够被迅速地分摊到不同的港口,将资源使用效率最大化。

《流浪地球2》“上海来客”的嬗变

启动AI大模型利器,是西井科技的又一次嬗变。颇具开创性的是,它创造了一种新的组合“大模型+大物流+自动驾驶”,目前正在内河港口发生化学反应。

比起家族新生力量AI大模型,西井科技的无人车队伍更为人熟知,在电影《流浪地球2》中,它是地球联合政府中呆萌的“大力士”,一个在港口默默作业的无人车Q-Truck,一朝在世界人工智能大会被导演相中,拥有了在破圈式的“高光时刻”。

现实中,它是第一家在全球商业交付无人驾驶车辆及系统超过数百套规模的公司,场景不仅覆盖海港,还贯穿铁路枢纽、陆港、空港、工厂等集装箱物流场景。西井科技总裁章嵘表示,

西井科技面临的将是全球万亿级的市场,最终目标是围绕全球集装箱运力建设智慧网络。

大模型在西井科技更像是一个链接器和加速器,TerminalGPT的未来定位将是多维度高效运维场景内的车、设备、人、空间、能源等。那么,当大模型遇到自动驾驶和大物流,又会擦出什么火花?

AIGC遇到自动驾驶

去年,我国以311万辆的成绩,超越美国、德国成为世界第二大汽车出口国。今年,中国有望跃居全球最大汽车出口国,中国汽车工业协会数据显示,2023年1至7月传统汽车出口189.7万辆,同比增长51.5%;新能源汽车出口63.6万辆,同比增长1.5倍。

全球道路上超过一半的电动汽车都是中国制造。新能源汽车驶向全球正是中国弯道超车的重要原因,商务部2023年1至4月数据则显示,新能源汽车占整体出口金额比重提升至42.9%。

西井科技是中国汽车“新势力”出海的缩影,当前,在全球吞吐量排名前二十的港口,70%都跑着西井科技的无人车,或用着软硬件一体的新能源自动驾驶解决方案。

2016年建立自动驾驶团队,在上海郊区车库“死磕”难题,在铺满煤渣的停车场反复试验,直到2018年,西井科技开始在无人车领域全力加速。先是在珠海港发布全球首辆港区作业无人集卡,当年9月,全球首款全时无人驾驶商用车Q-Truck便诞生了,渐渐在国内海港、陆港看到西井无人车家族的身影,包括天津港、厦门港、大连港、武汉港等。

西井科技新能源重卡Q-Truck与E-Truck在和记港口泰国林查班港共同运营

泰国、阿联酋、英国、马来西亚、墨西哥……短短3年,西井科技无人车已经开往全球18个国家和地区,服务全球160多家客户。

今年6月,西井科技拿下和记港口英国的大单,英国第一大港费利克斯托港新增100辆新能源智能无人驾驶卡车Q-Truck,双方将联手打造迄今为止最大规模的“无驾驶室”新能源无人驾驶商用车队,今年9月起开始分批交付。

无人车为西井科技打了商业化前站,创造了无数个“第一次”,在泰国林查班港口,实现全球最早的无人驾驶与人工驾驶混合作业,并首次实现“无驾驶室”新能源无人集卡常态化运营。

除了无人驾驶帮助大物流行业降本增效外,新能源也是一大亮点,Q-Truck配套西井正向自研的智能能源服务PowerOnair,5分钟即可完全无人化电池补能。经测算,Q-Truck在实际生产作业场景下,完全使用绿电,单车每年可减排二氧化碳50吨,相当于单车每年植树4545棵,单车每年植树面积约达11.34万平米。

2021年阿布扎比码头引入西井科技无人驾驶设备

当AIGC遇到自动驾驶,在“硬实力”的基础上叠加“软实力”,一个有壁垒的商业闭环正在形成。

“机器越来越聪明了。”在大模型的赋能下,港口操作员们感知到工具越来越智能。其实,大模型不仅是为了赋能一线操作员而生,也是为了高效提升西井科技的无人车队管理调度等智能子系统而生。

“我们的目标是用大模型将车队的调度效率提升20%,验证了一个多月时间,效果是立竿见影的。”俞铭琪认为,落地港口是TerminalGPT的第一步,场景有了、技术有了、数据有了,三力合一才构筑了壁垒,才能将单个系统提升的20%运营效率无限放大,甚至突破能效边界。

集装箱物流大模型创造AI生产力

造个人设聊聊天,写一首诗,解答高考试卷,文生图,文生视频,文生PPT……AI不断打破我们的想象力,第一次真正让白领们体会到职业危机感。

但是,西井科技不作诗,这一大物流AI大模型再一次打破想象力边界,向生产力工具演进, AI正在创造出新的生产力,让蓝领们的工作更加安全、高效。

在无人车之前,自动化理货才是西井最初的港口无人化业务。从自动化理货到无人车,再到大模型,覆盖集装箱大物流全流程的数字化让无人港口逐渐逼近现实。船舶靠岸后,岸桥从船上抓取集装箱放在无人车上,无人车再将货物运送至堆场码放,出入智慧闸口时,会自动录入车辆和货物。

这让西井不仅能够掌握港口全局运营的经验,还提升了生产要素在海铁路空及工厂等集装箱物流全链路的高效流转。这才诞生了全球首个集装箱物流行业大模型。也就是说,TerminalGPT能够拥有20年的经验,正是源于西井科技在集装箱物流行业深耕多年以及对场景的独特理解。

从自动化理货到无人车,再到大模型,看似是一次次跨界和技术蝶变,但又是一脉相承,从单一场景的应用扩展到全链路场景。

大模型虽是由Open AI的ChatGPT掀起的热潮,但在行业落地上,却呈现着“外冷内热”的现象。数字中国战略推行这几年,让中国整个产业界都尝到了数字化的甜头。

“国内的港口更热衷于大模型,海外则对自动驾驶较为热衷。”谈到大模型未来的规划,俞铭琪认为,大模型虽是通用的,但要先落地在最熟悉的港口领域,进而打入机场、铁路、工厂、物流园等场景。

大模型的定位开始显现,它不只是为无人车增值,还可以作为一个独立的产品运营。它更像是链接器和加速器,将西井科技集装箱物流场景智能解决方案和无人车两个平台链接,打破信息孤岛,为众多物流场景下的车辆、人员、空间及能源等加速。

诞生于上海的一条小马路,西井科技是上海“自动驾驶2025计划”的缩影,也是上海国际数字之都的助推者,不只是自我嬗变,而是赋能更多生产要素,加速全球大物流行业向绿色低碳与数字智慧转型。

从上海到世界,从无人车到大模型,从无人港口到大物流,让全球生产要素拥有同一张生产时刻表,才是西井更大的野望。

推荐内容