从西湖到太平洋！飞步科技破解港口无人化难题 | 航运界

无人驾驶港口落地再传捷报。

技术上，无人集卡搭载端到端大模型，车队兵分8路，独自包下了整条超大型远洋集装箱船舶——单次作业箱量突破5000TEU，效率不输人工，持续刷新行业纪录。

商业上，拿下了位于亚洲和大洋洲核心港口客户的无人车队订单，成功实现“科技出圈出海”。

上述突破的实现，都来自于飞步科技。这家总部位于杭州市西湖区的国家级专精特新“小巨人”企业，在成立初期便将“飞速进步”的初心融入企业名称里。

现在，他们通过“AI+数据”，真正建立起“技术-商业”的正向循环。车队落地更多的国内和海外码头也是水到渠成，全球订单纷至沓来。

真是“忽如一夜春风来，千树万树梨花开”。

AI大模型赋能

飞步无人车队破解行业难题

“无人集卡这车停得不错，比我们司机停得都好。”

镜头中的无人集卡，正在与堆高机交互作业。精准的一次性停车，让一旁“强势围观”的内集卡司机在视频号里连连感叹。

无人集卡车队所在的梅东码头，年集装箱吞吐量已破1100万标箱，超级大港蔚然成型。国际航线的优化调整，吸引更多的超大型远洋集装箱船停靠港区，超大规模多路作业因此成为“必考题”。

截至2024年底，全球已有170余座自动化码头，但行业内从未有过8路及以上混线场景下的全无人化作业案例。原因为：

1

规模层面

远洋大船单次作业箱量通常超过3000TEU，需要配置7-8路以上的桥吊，才能覆盖整船作业。这意味着参与作业的集卡数量将有明显增长，无人车队与传统内外集卡的交互频率大幅提升。同时，单次大船作业持续时间更长，对无人车队软硬件系统的稳定性提出了更高要求。

2

工况层面

大型集装箱船舶的作业要求装卸船同步进行。相比卸船，装船需要考虑嵌档、悬空等因素造车的车序控制要求，带来的交互调度复杂程度指数级提升。

3

效率层面

远洋大船对于停泊时长的要求近乎严苛，无人车队循环作业效率必须向人工看齐，甚至超越。

无人集卡车队落地梅东码头已超2000天，快速完成了从“能用”到“好用”的功能迭代进化。“新质生产力”成色几何，检验标准也在不断被刷新。

2024年11月，梅东作为全球首个且唯一单体超千万级混线作业的自动化集装箱码头，首次尝试开展8路大规模编组作业。

彼时，飞步已完成行业内首个端到端港口大模型的研发，并在首批无人集卡车端完成部署。无人集卡感知精度进一步提升，变道决策也更加类人，成功完成了作业，也填补了行业空白。

2025年3月25日，梅东码头迎来“马士基生克莱门特号”船舶停靠。该次作业累计投入无人集卡80台，并且搭载的全部是飞步技术团队不断打磨和优化的全新一代港口大模型，采用一段式端到端方案，进一步优化系统响应速度，实现了感知决策一体化。

作业结束后的间隙，云控平台可视化界面里已立刻生成了实时数据报表，显示单船作业箱量超5000TEU，其中装船箱量占比接近40%，桥吊效率不输人工作业水平。

基于端到端大模型的无人集卡，智能性与可靠性再次被验证。

飞步无人集卡车队开展8路超大船集装箱作业

相关数据刷新行业纪录的同时，也宣告着港口无人驾驶的落地应用，有了全新的检验标准：

是否具备超大型远洋船只的全天候作业能力。

“AI+数据”驱动

数字大脑发挥产业价值

无人驾驶企业落地港口，从一开始解决的就是复杂的产业化工程难题。从2路，到4路，再到8路。路数乘以2倍，同一时空下的指令组合复杂度持续激增。

飞步联合创始人兼CTO杨政博士带队的技术团队，如何破局？在近期的内部沟通与外部分享环节，频频被提及的一个说法就是“AI+数据”驱动。

AI指的是算法创新。“过去行业里的算法局限在追求单车效率的最大化。大船作业路数多，短时间内大量车涌入泊位。单车频繁变道，客观上会加剧拥堵。”杨政解释道，“现在我们搭建的是全局算法体系，追求的是桥吊效率最大化。”

基于全局思路，飞步团队在车端大模型之外，同步研发了云端大模型，实现对指令工况和实时交通流信息的智能解读和决策。

云端大模型对传统作业堵点的清理与打通，开始漫延到泊位调度、路口交互、堆场超车等不同场景。

例如模型内的装船车序优化模块，整合码头全域的空间资源，通过对当下生产态势的判断和未来交通流的预测，实现了对悬空车辆的合理分散，如同为港口水平运输系统搭建了一条“绿波带”。

大模型扮演着看不见的红绿灯，让堆场-引桥-泊位全链路畅通，无人集卡在最合适的时间出现在最合适的位置，最终带来的结果就是桥吊效率提升10.2%。

人工智能前沿成果，成为客户能够真实感知到的数值。

飞步无人集卡车队开展8路超大船集装箱混编作业

模型迭代的背后，对“数据燃料”的需求愈加强烈。

杨政此前已带队建立了全球最大规模的港口自动驾驶数据集。团队充分利用这一成果，开展远洋集装箱船无人化作业的仿真验证，已构建近千例场景。

在过去，10小时起步的大船作业流程全部结束后，往往再需要耗时2-3周，人工进行数据统计与策略讨论，得出路径规划和作业排布的优化建议。

现在，数据平台上线后，仅需要耗时数小时就可以全部完成8路及以上的作业回溯或仿真推演。

舱盖板的避让逻辑如何设置？锁站如何分配？决策的优化设想，通过下一次作业完成即时验证，相关的数据又实时传输进入数据平台，形成新一轮闭环。

算法迭代周期由数周数月，被压缩到了天级。无人车队主动适应新场景、应对新变化的能力，已完全不同于以往。

数据佐证，无人车队全场景提速10%，进一步满足客户对于效率的期待。

靠人工制定规则，靠结果扭转经验，彻底成为了历史。

新质生产力的“新”，有了最佳的注解。

科技出海

无人车队落地海外码头

2017年公司成立初始，面对全球港口自动化领域被磁钉导航AGV方案垄断的格局，传统码头动辄需数十亿元基建改造的困境，飞步科技提出“用AI重新定义港口物流”的颠覆性构想——通过车端智能决策取代物理轨道，让无人车在开放场景中实现自由穿行。

现阶段，飞步建成全球最大规模的无人集卡车队（160余台）。单码头无人集卡车队作业箱量突破9万TEU/月。通过对司机的替代，预计单码头可节省的人力成本超6500万元/年。

当同行还在依赖高精度地图时，飞步科技已通过车路云协同感知实现厘米级动态定位。当传统方案受制于雨雾天气时，其多模态融合算法仍能让无人驾驶车队持续高效作业。

正是这些突破，让飞步港口无人驾驶系列产品入选工信部“人工智能赋能新型工业化典型应用案例”，推动中国方案站上全球港口智能化升级的潮头，并吸引到更多国外港口客户的目光。

飞步无人集卡车队列队中

2025年初，飞步科技相继中标亚洲与大洋洲全自动化码头建造与升级项目，成为中国首个进入全球顶级港口供应链的自动驾驶解决方案商。

“接下来，我们要做的就是让无人车在全球市场加速出圈。”杨政透露，目前已与一些海外发达国家港口达成合作意向，服务网络将覆盖多个国家和地区。

“将人力从重复劳动中解放，是中国给智慧港口建设的最佳答案。”杨政说，人工智能算法带给行业的，不仅是智能化升级的路线图，更是一张新产业秩序的“入场券”。

飞步科技正以“科技出海”这一新模式，推动码头的智能化、无人化升级，在不确定性急剧升温的时代背景中，为港口这一优质的基础战略资产增添更多定力，为国家“一带一路”建设和新质生产力创新应用贡献力量。