港口智能化破局：从“经验驱动”到“AI决策”
夜幕下的码头，中控室内灯火通明。调度人员需在船舶靠泊、岸桥配置、堆场规划及配载方案间寻找最优解。这一核心环节长期依赖资深调度员的个人经验，编制高质量全局计划耗时数小时，且难以跨码头复用。这不仅是单个码头的痛点，更是全球港口行业面临的共性挑战。
当前，码头设备自动化已大规模普及，但生产指挥的“大脑”仍主要依靠人工判断。泊位分配、船舶引航等关键业务尚未摆脱人工主导，各系统间形成“数据孤岛”，数据价值难以释放。港口智能化的下一程，重心已从硬件投入转向打造更聪明的“决策大脑”——将专家经验沉淀为可复用的算法智能，将分散数据转化为全局优化视野。
DIMAK工程体系：让AI真正“懂港口、能落地”
破题关键在于构建一套既符合AI技术演进规律，又契合港口业务特性的工程体系。在2026华为全联接大会上提出的DIMAK工程体系，包含五大核心能力维度：
数据工程（Data Engineering）：打通设备、业务、视频感知等多源异构数据，治理成为AI可用的高质量企业数据资产。
基础设施工程（Infrastructure Engineering）：提供开放兼容、弹性伸缩的算力底座，支持云边协同与资源调度，满足大模型训练与推理的高并发需求。
模型工程（Model Engineering）：通过微调、蒸馏、量化及全链路评测，将基础大模型打造为港口行业模型，提升对专业术语理解与复杂业务逻辑推理的能力。
智能体工程（Agent Engineering）：围绕业务流程设计具备自主行动能力的智能体，明确权限、责任与人机协同边界。
知识工程（Knowledge Engineering）：将企业制度、SOP标准及专家隐性经验，构建为人机共同理解的业务语义基础。
DIMAK体系的核心价值在于让AI在行业中用得上、用得快、用出价值。它并非取代原有的TOS、ECS等核心系统，而是作为AI能力底座与之兼容共存，使存量码头无需推倒重来，即可低成本完成智能化升级。
图：港口多智能体协同DIMAK架构
实战路径：“共性抽象+个性适配”打破重复造轮子困境
基于DIMAK体系，华为携手客户与合作伙伴深度共创，沉淀出一套经过实战检验、可复制的港口AI实施路径。以集装箱码头为例，尽管各港口硬件与管理细节存在差异，但核心业务流程与决策逻辑具有高度行业共性。通过“共性抽象+个性适配”模式，在一个标杆码头验证的方案，其80%以上的核心能力可实现跨港口无缝复用，仅需针对局部特征进行轻量级定制。这不仅大幅降低了单码头的试错成本与建设周期，更打破了行业内的“重复造轮子”困境。
场景突破：“5+1”计划端到端落地
DIMAK体系作为通用AI工程底座，具备极强的场景适配能力。华为选择“港口生产计划”作为突破口，打造了插件式分层智能体架构，实现“5+1”计划端到端落地：
五个专项智能体：分别承接船舶引航调度、泊位分配、岸桥作业排布、堆场箱位规划、集装箱配载等工作。
全要素调度智能体：作为统筹五大计划的“智慧大脑”，综合到港波动、设备故障、潮汐约束等变量，对各专项方案进行冲突校验与全局优化。
该模式让计划岗位告别“各自为战”，走向“全局一盘棋”。泊位计划由小时级压缩至分钟级，作业计划接纳率超90%。AI生成的最优计划可直接下发给岸桥、场桥及水平运输设备执行，形成“感知—推理—决策—执行”的完整闭环，让智能化投入直接转化为吞吐量提升和运营成本降低。
转型建议：底座先行，价值导向
港口智能化转型面临业务系统新旧并存、数据治理难、场景个性化及人才稀缺等挑战。部分项目因“重应用、轻底座”，忽视了算力、数据和行业知识的积累，导致上线后难以迭代扩展。对此，提出以下实施策略建议：
底座先行，分层建设：坚持“地基”优先，先夯实算力基础设施、完成数据治理、沉淀行业知识库，再逐步叠加智能应用，确保系统具备长期演进能力。
价值导向，小步快跑：选择痛点最痛、见效最快的场景（如计划编排、智能安防）切入，通过小规模试点验证成效，建立信心后再向全要素协同演进。
开放协同，生态共建：打破封闭，让港口运营方、装备厂商、科研机构与ICT伙伴共同参与，加速先进做法在产业链中流动，提升行业整体水平。
人工智能正在重塑港口生产范式，带来更快的计划响应、更稳的作业秩序、更低的运营成本和更安全的现场环境。截至目前，华为已服务全球100多个港口。面向未来，期待与全球港口运营方及产业链伙伴携手，推动港口从单点智能走向全链路智能协同，为全球港口数字化转型与绿色可持续发展贡献中国方案。
